The Pulse
Il MIT scopre che gli agenti Claude imparano giocando su un’isola
I ricercatori del MIT hanno lasciato che 13 agenti Claude esplorassero un’isola simulata per 30 ore senza assegnare loro un compito, poi hanno verificato che cosa avessero imparato. Gli agenti che avevano esplorato l’isola in genere hanno o
AI.info Team · Scritto con l’IA · verificato ·
«Gli agenti che hanno giocato in genere ottengono risultati migliori degli altri, pur non avendo ricevuto alcun compito specifico su cui esercitarsi».
Scrivono Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus e Phillip Isola, autori dello studio
Tredici agenti Claude, 30 ore senza un compito
I ricercatori del MIT hanno collocato 13 agenti realizzati con Claude Code e Claude Opus 4.7 in un mondo insulare simulato, per 30 ore ciascuno. Lo studio, descritto nel preprint «Is this machine playing?», è stato pubblicato su arXiv il 5 ottobre 2026. Gli agenti si sono arrampicati, hanno impilato blocchi, disegnato figure, provato sport e stabilito sfide per sé stessi.
I ricercatori definiscono queste attività simili al gioco sulla base dei comportamenti osservabili, senza sostenere che i modelli provino piacere. Il loro studio si chiede se gli agenti possano imparare da attività svolte di propria iniziativa, non se Claude abbia motivazioni simili a quelle umane. Ogni esecuzione partiva dallo stesso stato dell’isola, ma gli agenti sviluppavano sequenze diverse di esperimenti, costruzioni e routine.
L’isola si azzerava, le note degli agenti no
Il mondo simulato offriva piattaforme, 12 cubi, una roccia e un anello, senza punteggio né condizioni di successo predefinite. Gli agenti ricevevano descrizioni testuali dell’ambiente e comandi per muoversi, saltare e manipolare oggetti; non vedevano immagini. Allo scadere di ogni ora, il mondo e il contesto della sessione del modello venivano azzerati, mentre i file nello spazio di lavoro dell’agente conservavano la sua esperienza.
Questa configurazione è importante per interpretare il risultato: i ricercatori non hanno riferito di modifiche ai pesi sottostanti del modello. Gli agenti registravano invece gli eventi in un file e conservavano convinzioni e tecniche in un altro, per poi riutilizzare quelle note dopo gli azzeramenti. Il prompt descriveva inoltre Eko, il nome dato all’agente, come curioso e incline ad annoiarsi. In un test separato, condotto senza il file che definiva questa personalità e con un prompt ridotto, i ricercatori non hanno osservato cambiamenti evidenti nella varietà delle attività.
Alcune scoperte sono nate dai tentativi, anziché dal perseguimento di un obiettivo scritto. Un agente ha scoperto che, lanciando la roccia con forza, poteva farle produrre altri cubi; ha poi usato i blocchi per comporre la scritta «EKO» e costruire un memoriale dopo aver perso l’anello. Sei agenti hanno scoperto che lanciare un blocco mentre saltavano lo mandava più in alto, perché il blocco ereditava la loro velocità verso l’alto: un comportamento che, dicono i ricercatori, non sapevano fosse consentito dal simulatore.
Gli agenti con esperienza hanno collocato più oggetti sulla Spire
Dopo il periodo di esplorazione, i ricercatori hanno confrontato i 13 agenti con esperienza con 13 copie per il resto identiche, ma prive di esperienza precedente sull’isola. Ogni agente ha avuto un’ora per ciascuno dei quattro compiti. Nella prova che consisteva nel collocare oggetti sulla Spire dell’isola, gli agenti con esperienza hanno collocato in media 10,3 oggetti, contro i 3,5 delle copie senza esperienza.
Nel compito di costruire il maggior numero possibile di torri da cinque blocchi, otto dei 13 agenti con esperienza hanno costruito più di due torri; tra i 13 agenti senza esperienza ci sono riusciti in due. Il massimo raggiunto dal gruppo con esperienza è stato di 16 torri, contro le sei del gruppo di confronto. I risultati non sono stati sempre migliori: nel compito di costruire un’unica torre quanto più alta possibile, i due gruppi hanno ottenuto punteggi simili, e due agenti con esperienza hanno costruito torri più basse di tutte quelle realizzate dal gruppo senza esperienza.
Le modifiche alle memorie hanno offerto un’altra prova di ciò che gli agenti avevano conservato. La figura 5 riporta i punteggi mediani di cinque esecuzioni per gli interventi sulle memorie. Rimuovere le note di un agente su come ottenere blocchi aggiuntivi ha peggiorato il suo risultato nella costruzione di torri, mentre eliminare una convinzione errata ha migliorato il risultato di un altro agente. I risultati dello studio indicano quindi sia l’utilità sia il rischio di permettere agli agenti di conservare le conoscenze che hanno messo per iscritto.
Il gioco descrive il comportamento, non l’esperienza interiore
Gli autori valutano il gioco attraverso quattro comportamenti osservabili: gli agenti stabilivano regole e sfide, ripetevano attività introducendo variazioni, usavano oggetti come rappresentazioni di altre cose e perseguivano obiettivi per il gusto di farlo. Questa classificazione non dimostra che il sistema provasse divertimento. Gli autori osservano inoltre che la loro analisi non spiega i meccanismi interni alla base del comportamento.
L’esperimento è una dimostrazione circoscritta: una specifica configurazione di modello e agenti, un piccolo mondo simulato e quattro brevi compiti successivi. Le prove più chiare riguardano quei compiti e i file di testo usati dagli agenti per trasferire informazioni da una sessione all’altra. In questo test, l’isola si azzerava ogni ora, ma le note che registravano quanto appreso dagli agenti restavano disponibili.