En bref
- Des chercheurs du MIT ont laissé 13 agents IA explorer librement une île virtuelle pendant 30 heures afin de tester un apprentissage fondé sur la curiosité plutôt que sur des objectifs prédéfinis.
- Après cette exploration, les agents ont mieux réussi certaines tâches concrètes et découvert spontanément des stratégies que les chercheurs n’avaient pas anticipées.
- Cette approche pourrait améliorer l’entraînement des futurs agents autonomes et robots, mais des recherches supplémentaires sont nécessaires pour confirmer ses bénéfices.
Le point qui compte, ce n’est pas juste de voir une IA faire l’idiote sur une île virtuelle. C’est que cette parenthèse de jeu libre a ensuite rendu les agents plus efficaces sur des tâches concrètes. Et ça, pour l’entraînement d’agents capables un jour de piloter des robots, ce n’est pas anecdotique.
Une autre façon d’entraîner une IA
Chez MIT, des chercheurs ont laissé 13 agents baptisés Eko, tous propulsés par Claude Opus 4.7, seuls pendant 30 heures sur une île déserte simulée. Leur papier a été mis en ligne sur arXiv, donc avant relecture par les pairs.
L’idée casse un réflexe très classique en IA. D’habitude, on décide à l’avance ce que l’agent doit pratiquer, ce qu’il doit optimiser, et à quoi ressemble un succès. Là, les chercheurs ont testé autre chose, laisser un monde assez riche et assez sûr, puis regarder ce que l’agent choisit lui-même d’explorer. Clairement, le pari n’était pas idiot.
Sur l’île, les agents ont bricolé leurs propres défis
L’un des Eko a commencé par observer les lieux, puis a voulu atteindre le point le plus haut de l’île, une grande spire rocheuse. Premier essai raté. Il a alors improvisé, déplacé un rocher vers un sommet voisin, empilé deux blocs et sauté. Résultat, il a fini en haut.
Un peu plus tard, même agent, autre ambiance. En testant jusqu’où il pouvait lancer un anneau doré, il l’a envoyé tout droit dans l’océan. Pas de quoi paniquer. Il a changé de plan et construit un cœur en pierres, comme mémorial pour l’anneau perdu.
Quand la partie a été réinitialisée et que l’anneau est revenu, l’agent s’en est servi comme panier, comme cible, puis comme accessoire. Le jeu ne lui permettant pas de le porter directement, il a trouvé une combine, tomber d’une falaise pour réapparaître au même endroit que l’anneau, en traversant son centre au passage. C’est absurde, mais malin.
Le plus intéressant n’est pas le spectacle
Après ces 30 heures d’exploration, les chercheurs ont donné aux agents des défis précis, par exemple placer le plus d’objets possible sur la plus haute spire. Les Eko passés par cette phase de jeu ont globalement fait mieux que des agents identiques qui n’avaient jamais mis les pieds sur l’île.
Et il y a plus fort. Six des 13 agents ont appris qu’ils pouvaient lancer un bloc plus loin en le lâchant au milieu d’un saut, une possibilité que les chercheurs n’avaient même pas cherché à rendre utile. En gros, l’exploration a produit une connaissance du monde simulé que les concepteurs eux-mêmes n’avaient pas vue.
Une piste prometteuse, mais pas encore une preuve totale
Le cadre poussait quand même les agents dans une direction bien choisie. Eko n’avait pas reçu l’ordre d’inventer des jeux, mais son prompt maître, décrit comme un fichier d’âme, le présentait comme naturellement curieux.
Du coup, prudence. Eunice Yiu, scientifique cognitive à UC Berkeley, s’est dite impressionnée, tout en estimant qu’il manque encore des preuves sur la cognition réelle derrière ces comportements. Les chercheurs, eux, avancent une idée assez simple et pas mal séduisante, certaines capacités s’enseignent bien avec des tâches, d’autres auront peut-être besoin de quelque chose qui ressemble plus à une enfance.
