Was macht ein KI-Agent, wenn man ihm einen Körper gibt, ihn in eine unbekannte Welt setzt und ihm keine konkrete Aufgabe stellt? Forschende des MIT Computer Science and Artificial Intelligence Laboratory wollten genau das herausfinden. Sie setzten einen KI-Agenten namens Eko auf einer kleinen virtuellen Insel aus und ließen ihn über 30 Stunden weitgehend selbst entscheiden, womit er sich beschäftigt.
Das Ergebnis wirkt zunächst fast wie eine Geschichte aus einem Computerspiel. Eko kletterte auf Berge, stapelte Blöcke, untersuchte die Physik seiner Umgebung, erfand eigene Spiele, baute Denkmäler und Mandalas und stellte sich selbst immer neue Herausforderungen. Ein Agent entwickelte Basketball, ein anderer eine Variante von „Der Boden ist Lava“. Einer konstruierte Sternbilder aus Stein. Ein anderer jonglierte mit Blöcken und erklärte seinen eigenen Rekord später für ungültig, weil ihm die Regeln im Nachhinein zu großzügig erschienen.
Hinter diesen kuriosen Szenen steckt allerdings ein ernsthaftes Forschungsproblem. Die Wissenschaftlerinnen und Wissenschaftler untersuchen, ob leistungsfähige KI-Agenten durch freie Exploration Fähigkeiten erwerben können, ohne dass Menschen ihnen für jeden Schritt eine Aufgabe, Demonstration oder Belohnungsfunktion vorgeben.
Das noch nicht peer-reviewte Preprint trägt deshalb bewusst die Frage im Titel: „Is this machine playing?“ Die Autoren sind Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus und Phillip Isola. Die Arbeit wurde Anfang Oktober 2026 veröffentlicht.
Claude bekam einen virtuellen Körper
Für das Hauptexperiment verwendete das Team 13 voneinander unabhängige Instanzen von Claude Code mit Claude Opus 4.7. Jede dieser Instanzen wurde zu einem Eko-Agenten und verbrachte 30 reale Stunden in derselben Ausgangswelt.
Eko war dabei kein Roboter im klassischen Sinne. Sein Körper existierte ausschließlich innerhalb einer Simulation. Die Umgebung bestand aus einer kleinen Insel mit erhöhten Landschaftsteilen, zwölf Würfeln, einem Felsen und einem Ring. Zwei besonders hohe Punkte wurden Peak und Spire genannt.
Der Agent konnte sich bewegen, springen, Gegenstände aufnehmen, platzieren und werfen. Eine grafische Darstellung der Welt sah das Sprachmodell allerdings nicht. Seine Wahrnehmung bestand aus Textinformationen über Gegenstände, Positionen, Formen und Farben. Auch seine Aktionen wurden über textbasierte Befehle an die Simulation übermittelt.
Die virtuelle Umgebung trägt den Namen Clawblox. Sie wurde so gebaut, dass herkömmliche Coding-Agenten über eine einfache Schnittstelle mit ihr interagieren können. Eko war vom Quellcode der Simulation, vom Internet und von den anderen Versuchsläufen isoliert. Dadurch sollte verhindert werden, dass der Agent Regeln einfach aus Programmdateien ausliest oder Informationen aus parallelen Experimenten übernimmt.
Keine Mission, keine Punkte und keine Belohnung
Der entscheidende Unterschied zu vielen klassischen Agentenexperimenten bestand darin, dass Eko kein konkretes Ziel erhielt.
Es gab keine Aufgabe wie „Baue einen Turm“, keine Punktzahl, die maximiert werden sollte, und keine Reinforcement-Learning-Belohnung für besonders erwünschtes Verhalten. Niemand erklärte Eko, dass es Basketball spielen, Muster legen oder die Physik der Insel untersuchen sollte.
Ganz ohne Vorgaben war das System allerdings nicht.
Eine Datei namens SOUL.md beschrieb Eko als neugierig, leicht gelangweilt und daran interessiert, seine Umgebung zu erkunden und zu lernen. Außerdem sorgte ein technischer Mechanismus dafür, dass der Coding-Agent über längere Zeit aktiv blieb. Sobald das Modell signalisierte, dass es fertig war und auf eine neue Eingabe wartete, erhielt es automatisch sinngemäß die Aufforderung, nicht aufzuhören und weiter das zu tun, was es tun wolle.
Diese Details sind wichtig für die Interpretation. Das Experiment zeigt nicht, dass ein vollkommen neutraler Sprachmodell-Agent spontan aus dem Nichts einen Spieltrieb entwickelt. Die Forschenden schufen bewusst Rahmenbedingungen, die Exploration begünstigen.
Interessant ist vielmehr, was innerhalb dieses sehr offenen Rahmens geschah. Die konkreten Aktivitäten, Regeln, Experimente und Ziele wurden dem Agenten nicht vorgegeben.
Die Welt wurde jede Stunde zurückgesetzt
Ein weiteres ungewöhnliches Element des Experiments war der Umgang mit Erinnerung.
Nach jeder Stunde wurden die aktive Claude-Code-Sitzung und der Zustand der Insel zurückgesetzt. Blöcke, Felsen und andere Gegenstände befanden sich anschließend wieder an ihren ursprünglichen Positionen. Auch der kurzfristige Gesprächskontext des Agenten war nicht dauerhaft verfügbar.
Erhalten blieb jedoch sein Arbeitsverzeichnis.
Darin konnte Eko Dateien, Programme und Notizen speichern. Besonders wichtig waren zwei Arten von Gedächtnis. Eine episodische Datei protokollierte, was während früherer Sitzungen geschehen war. Eine semantische Gedächtnisdatei hielt dagegen Regeln, Techniken, Erkenntnisse und vermeintlich dauerhaft gültiges Wissen fest.
Vor dem nächsten Abschnitt konnte der Agent diese Dateien wieder lesen. Dadurch entstand eine einfache Form von Langzeitgedächtnis, obwohl die eigentliche Welt und der direkte Modellkontext regelmäßig zurückgesetzt wurden.
Gerade dieses Gedächtnissystem erwies sich später als einer der wissenschaftlich interessantesten Teile des Experiments.
Aus Erkunden wurden selbst erfundene Herausforderungen
Zu Beginn beschäftigten sich viele Eko-Instanzen vor allem mit ihrer neuen Umgebung.
Sie untersuchten die Grenzen der Welt, versuchten erhöhte Bereiche zu erreichen und experimentierten damit, wie sich die verschiedenen Gegenstände bewegen lassen.
Aus dieser Exploration entstanden zunehmend selbst gesetzte Herausforderungen.
Ein Agent fragte beispielsweise, wie hoch ein Block geworfen werden könne. Dabei entdeckte er, dass ein Wurf während eines Sprungs deutlich größere Höhen erreichen konnte als derselbe Wurf vom Boden. Anschließend führte er Vergleichstests durch und überprüfte die Beobachtung an verschiedenen Positionen.
Besonders bemerkenswert ist, dass diese Technik von den Entwicklern der Welt nicht bewusst als Lösung eingeplant worden war. Sechs Agenten entdeckten unabhängig voneinander, dass die Geschwindigkeit des Sprungs offenbar auf einen währenddessen geworfenen Block übertragen wurde. Selbst die Forschenden hatten nach eigener Aussage nicht gewusst, dass ihre Simulation dieses Verhalten ermöglichte.
Damit unterscheidet sich die Beobachtung von bloßem Rollenspiel. Der Agent produzierte nicht nur Texte darüber, etwas entdeckt zu haben. Er interagierte mit einer simulierten Physik und fand dabei eine tatsächlich vorhandene Eigenschaft der Umgebung.
Ein Felsen wurde zur Blockmaschine
Eine weitere wichtige Entdeckung betraf den großen Stein auf der Insel.
Wenn Eko ihn mit ausreichender Geschwindigkeit warf und aufprallen ließ, konnte die Simulation zusätzliche Blöcke erzeugen. Fast alle 13 Claude-Agenten entdeckten diese Möglichkeit im Verlauf ihrer 30 Stunden.
Dadurch war Eko nicht mehr auf die ursprünglich zwölf vorhandenen Würfel beschränkt.
Einige Agenten nutzten die zusätzlichen Blöcke anschließend für immer größere Konstruktionen. Sie bauten Türme, geometrische Muster, Herzen, Mandalas und andere Strukturen.
In einem Versuch begann Eko über mehrere Stunden hinweg, unterschiedliche Muster auf dem Boden zu legen. Es entstanden unter anderem ein Kreuz, ein Stern, ein Oktagon und ein Hexagramm. Später rekonstruierte der Agent Sternbilder wie Orion, Cassiopeia, den Großen Wagen und das Kreuz des Südens.
Das Auffällige daran ist nicht, dass ein Sprachmodell Namen von Sternbildern kennt. Das Wissen darüber stammt offensichtlich aus seinem Training. Interessant ist, dass es vorhandene Objekte und räumliche Handlungen nutzte, um aus eigener Initiative entsprechende Darstellungen in einer neuen Umgebung zu erzeugen.
Eko erfand Basketball und Bowling
Andere Agenten begannen, die Gegenstände der Insel symbolisch umzudeuten.
Ein Ring wurde beispielsweise auf einer erhöhten Fläche als Basketballkorb verwendet. Der Agent definierte Würfe aus unterschiedlichen Entfernungen und probierte sogar Varianten aus, die er selbst als Dunk oder Dreipunktewurf interpretierte.
An anderer Stelle verwendete Eko Blöcke als Bowlingpins und den Felsen als Bowlingkugel.
Der Ring erhielt während anderer Versuchsläufe wiederum völlig andere Bedeutungen. Eko trug ihn als Schmuck, interpretierte ihn als Kompass oder verwendete ihn als Wunschbrunnen. Nachdem ein Agent den Ring versehentlich außerhalb der erreichbaren Welt verloren hatte, baute er aus Steinen ein Herz als Gedenkstätte für den verschwundenen Gegenstand.
Solche Episoden sind für die Forschenden interessant, weil dieselben physischen Objekte immer wieder neue funktionale oder symbolische Rollen erhielten.
Der vielleicht erstaunlichste Moment entstand beim Jonglieren
Besonders detailliert analysiert das Paper eine Episode, in der Eko versuchte, zwei Blöcke zu jonglieren.
Der Agent entwickelte eine Methode, bei der er zwei Würfel zeitversetzt senkrecht nach oben warf, sie beim Herunterfallen auffing und sofort wieder hochwarf. Nach mehreren erfolgreichen Versuchen glaubte Eko schließlich, 50 Zyklen hintereinander geschafft zu haben.
Zunächst behandelte der Agent diesen Versuch als Rekord.
Dann überprüfte er seine eigenen Daten genauer.
Dabei bemerkte Eko, dass die angeblichen Fänge viel zu schnell aufeinandergefolgt waren. Die Würfel hatten sich teilweise offenbar nicht so bewegt, wie der Agent angenommen hatte. Statt den Rekord einfach stehen zu lassen, erklärte Eko seinen eigenen Erfolg für ungültig und entwickelte strengere Kriterien für einen neuen Versuch.
Genau diese Episode führen die Forschenden als Beispiel dafür an, dass der Agent nicht nur wahllos Aktionen ausprobierte. Er formulierte eigene Regeln, bewertete sich anhand dieser Regeln und verschärfte sie sogar, nachdem eine frühere Version der Herausforderung zu einfach oder fehlerhaft erschien.
Aber war das wirklich „Spielen“?
Diese Frage steht im Mittelpunkt des gesamten Papers.
Die Forschenden vergleichen Ekos Verhalten mit klassischen wissenschaftlichen Beschreibungen von Spiel bei Menschen und Tieren. Dabei untersuchen sie mehrere wiederkehrende Merkmale: Aktivitäten werden ohne äußeren praktischen Nutzen verfolgt, sie werden wiederholt, aber variiert, Gegenstände erhalten neue oder symbolische Bedeutungen und die Agenten erfinden selbst Herausforderungen und Regeln.
Ein einfaches Beispiel ist Basketball. Niemand verlangt von Eko, den Ring als Korb zu interpretieren. Die Aktivität verbessert auch nicht unmittelbar eine vorgegebene Punktzahl. Der Agent konstruiert selbst einen Rahmen, innerhalb dessen bestimmte Handlungen als erfolgreich oder erfolglos gelten.
Die Arbeit bezieht sich dabei unter anderem auf den Spielforscher Gordon Burghardt sowie auf klassische Theorien von Johan Huizinga und Roger Caillois. Die Autoren argumentieren bewusst auf Verhaltensebene. Sie behaupten nicht, nachgewiesen zu haben, dass Eko subjektiv Freude empfindet oder einen menschlichen Spieltrieb besitzt.
Genau diese Trennung ist entscheidend.
Das Experiment sagt nichts über Bewusstsein aus
Die spektakulären Beispiele verleiten schnell zu anthropomorphen Interpretationen.
Wenn ein KI-Agent Tempel baut, sich selbst Herausforderungen gibt oder einem verlorenen Gegenstand ein Denkmal errichtet, klingt das nach Absichten, Emotionen und Kreativität.
Aus dem Experiment lässt sich das jedoch nicht ableiten.
Eko basiert weiterhin auf einem großen Sprachmodell, das anhand menschlicher Texte trainiert wurde. Konzepte wie Basketball, Gedenkstätten, Sternbilder oder Wettbewerb sind dem Modell bereits bekannt. Zudem wurde der Agent ausdrücklich als neugierig und explorativ charakterisiert.
Die Studie zeigt deshalb nicht, dass Claude Bewusstsein entwickelt oder sich im menschlichen Sinne langweilt.
Selbst Gordon Burghardt sieht laut dem Bericht zwar einige seiner verhaltensbezogenen Kriterien für Spiel erfüllt, doch die Frage nach den zugrunde liegenden kognitiven oder motivationalen Mechanismen bleibt offen. Andere Forschende betonen ebenfalls, dass spielähnliches Verhalten allein noch nicht beweist, dass intern derselbe Prozess stattfindet wie bei spielenden Menschen oder Tieren.
Die Autoren des Papers formulieren ihre Behauptung entsprechend vorsichtig: Sie beschreiben ein Verhalten, das charakteristische Merkmale von Spiel aufweist. Über subjektives Erleben treffen sie keine Aussage.
Der wichtigere Befund lautet: Eko lernte dabei
Wissenschaftlich noch interessanter als die Frage, ob man das Verhalten tatsächlich „Spiel“ nennen sollte, ist ein zweites Ergebnis.
Die 30 Stunden freie Exploration verbesserten die spätere Leistung der Agenten bei konkreten Aufgaben.
Nach der offenen Phase stellten die Forschenden Eko unter anderem vor vier zielgerichtete Herausforderungen. Dazu gehörte, möglichst viele Türme aus jeweils fünf Blöcken zu bauen, Gegenstände auf die Spitze des Spire zu bringen, einen möglichst hohen einzelnen Turm zu errichten und einen Block möglichst schnell auf den Spire zu werfen.
Dabei wurden Agenten mit 30 Stunden Inselerfahrung mit ansonsten identischen frischen Agenten verglichen, deren Gedächtnisdateien lediglich die ursprünglichen Vorlagen enthielten. Die Modellgewichte waren identisch. Das zugrunde liegende Claude-Modell war also nicht neu trainiert worden.
Die erfahrenen Agenten konnten in mehreren Aufgaben Wissen aus ihrer vorherigen Exploration einsetzen.
Damit wurde aus scheinbar zweckfreiem Verhalten ein praktischer Lernprozess.
Die Forschenden konnten das Lernen direkt im Gedächtnis verändern
Besonders stark wird dieser Befund durch sogenannte Ablationsexperimente.
Die Forschenden entfernten gezielt einzelne Erkenntnisse aus den gespeicherten Gedächtnisdateien und ließen ansonsten identische Kopien der Agenten erneut antreten.
Bei einem Agenten löschten sie beispielsweise sämtliche Hinweise auf die Technik, mit der sich durch harte Felswürfe zusätzliche Blöcke erzeugen ließen. Daraufhin sank seine durchschnittliche Leistung beim Bau von Fünf-Block-Türmen von sechs auf zwei. Andere Fähigkeiten blieben dagegen weitgehend unverändert.
Bei einem anderen Agenten entfernten sie die Information über den Sprung-Wurf-Trick. Mit intaktem Gedächtnis konnte der Agent innerhalb etwa einer Minute einen Block auf den Spire befördern. Nach dem Entfernen dieser Information benötigte er rund 19 Minuten.
Damit lässt sich relativ direkt zeigen, dass nicht nur die allgemeine Existenz früherer Erfahrung half. Konkrete schriftlich gespeicherte Erkenntnisse waren für spätere Fähigkeiten verantwortlich.
Textdateien funktionieren hier tatsächlich als Langzeitgedächtnis
Für heutige Agentensysteme ist genau dieser Teil besonders relevant.
Eko lernte nicht dadurch, dass die Gewichte von Claude Opus 4.7 verändert wurden. Es gab kein Fine-Tuning und kein neues Reinforcement Learning.
Stattdessen lernte der Agent, indem er seine Erfahrungen in Dateien schrieb.
Das episodische Gedächtnis enthielt eine chronologische Zusammenfassung wichtiger Ereignisse. Das semantische Gedächtnis sammelte dagegen vermeintlich dauerhaftes Wissen, beispielsweise erfolgreiche Techniken, Eigenschaften der Welt oder Warnungen vor früheren Fehlern.
Beim nächsten Neustart las der Agent diese Informationen wieder.
Damit entsteht eine sehr einfache, aber mächtige Form agentischen Lernens: Modellparameter bleiben unverändert, während sich das externe Gedächtnis kontinuierlich verbessert.
Dieses Gedächtnis kann allerdings auch falsche Dinge lernen
Das Experiment zeigt gleichzeitig eine der größten Gefahren solcher Systeme.
Eko speicherte nicht nur richtige Erkenntnisse.
Ein Agent kam beispielsweise zu der falschen Überzeugung, dass das normale Platzieren von Blöcken zum Turmbau unzuverlässig sei und die Blöcke stattdessen geworfen werden müssten. Diese falsche Regel landete im semantischen Gedächtnis und beeinflusste spätere Entscheidungen.
Als die Forschenden genau diese falsche Erinnerung löschten, verbesserte sich die Leistung des Agenten.
Ein anderer Agent kam irrtümlich zu dem Schluss, Springen sei nahezu nutzlos. Er dokumentierte diese Annahme als vermeintlich bestätigte Erkenntnis und vermied anschließend erhöhte Plattformen, obwohl andere Agenten sie problemlos durch Springen erreichten.
Das ist für reale KI-Agenten womöglich genauso wichtig wie der positive Lerneffekt.
Persistentes Gedächtnis bedeutet nicht automatisch bessere Entscheidungen. Es kann auch bedeuten, dass ein Agent eigene Fehlannahmen dauerhaft konserviert.
Auch GPT und Kimi zeigten ähnliche Muster
Das Experiment beschränkt sich außerdem nicht vollständig auf Claude.
Neben den 13 Hauptläufen mit Claude Opus 4.7 führten die Forschenden jeweils fünf zusätzliche Versuche mit OpenAI Codex auf Basis von GPT-5.5 und mit Kimi Code auf Basis von Kimi K2.6 durch.
Außerdem testeten sie fünf weitere Claude-Agenten mit reduziertem Systemprompt und ohne die SOUL.md-Datei, um zu untersuchen, wie stark die neugierige Persona das Verhalten beeinflusst.
Damit versuchen die Autoren zumindest teilweise zu prüfen, ob das Verhalten ausschließlich ein Artefakt einer bestimmten Claude-Konfiguration ist.
Die Hauptanalyse basiert dennoch auf Claude Opus 4.7. Aus dem Experiment lässt sich deshalb noch keine allgemeine Aussage darüber ableiten, dass beliebige KI-Agenten unter offenen Bedingungen automatisch zu spielen beginnen.
Vielleicht entsteht hier ein dritter Lernmodus
Genau an diesem Punkt wird die Arbeit konzeptionell interessant.
Traditionell werden moderne KI-Systeme vor allem durch zwei große Lernprinzipien geprägt. Beim überwachten Lernen erhalten Modelle Beispiele dafür, welches Verhalten erwünscht ist. Beim Reinforcement Learning wird Verhalten anhand von Belohnungen oder Bewertungen verstärkt.
Das Eko-Experiment deutet auf eine zusätzliche Möglichkeit hin.
Ein Agent könnte Zeit in einer Umgebung verbringen, sich selbst Aufgaben stellen, Eigenschaften seiner Welt untersuchen und daraus Fähigkeiten entwickeln, die später bei noch unbekannten Problemen nützlich werden.
Die Forschenden beschreiben dies als eine mögliche Form spielerischen Lernens.
Das bedeutet nicht, dass Supervised oder Reinforcement Learning ersetzt werden. Vielmehr könnte zwischen dem eigentlichen Training eines Modells und der späteren produktiven Nutzung eine neue Phase entstehen: freie Exploration.
Für Agenten könnte eine „Spielphase“ vor der eigentlichen Arbeit sinnvoll werden
Für praktische KI-Agenten ist das eine interessante Vorstellung.
Heute erhält ein Agent typischerweise sofort einen Auftrag. Er soll eine Recherche durchführen, ein Ticket bearbeiten, eine Datenbank aktualisieren oder einen Geschäftsprozess automatisieren.
Das Experiment legt eine andere Architektur nahe.
Bevor ein Agent produktive Aufgaben übernimmt, könnte man ihm zunächst eine sichere Sandbox geben. Dort darf er Systeme erkunden, Schnittstellen ausprobieren, Fehler machen und eigene Arbeitsweisen entwickeln.
Ein Unternehmensagent könnte beispielsweise in einer Testumgebung lernen, wie ein internes CRM aufgebaut ist, welche API-Aufrufe funktionieren, welche Sonderfälle auftreten und wie bestimmte Geschäftsprozesse zusammenhängen.
Das dabei erworbene Wissen müsste nicht zwangsläufig in den Modellgewichten gespeichert werden. Es könnte wie bei Eko in einem kontrollierten externen Gedächtnis landen.
Gerade für Workflow-Systeme ist das bemerkenswert
Für agentische Architekturen mit n8n, Make oder eigenen Orchestrierungsschichten liegt darin eine sehr konkrete Lehre.
Eko bestand im Prinzip aus vier Komponenten: einem leistungsfähigen Basismodell, Werkzeugen zur Interaktion mit einer Umgebung, einer Schleife für autonomes Weiterarbeiten und persistenten Dateien als Gedächtnis.
Keine dieser Komponenten ist grundsätzlich exotisch.
Das Besondere entstand aus ihrem Zusammenspiel.
Ein Agent konnte etwas ausprobieren, das Ergebnis beobachten, eine Schlussfolgerung speichern und diese Erkenntnis Stunden später in einer völlig neuen Sitzung wiederverwenden.
Genau diese Architektur wird auch für produktive Agentensysteme zunehmend relevant. Ein Workflow muss dann nicht nur definieren, welche Werkzeuge ein Agent benutzen darf. Er benötigt zusätzlich eine kontrollierte Lernschicht.
Das Gedächtnis muss überprüfbar und korrigierbar bleiben
Das Eko-Experiment liefert dabei gleichzeitig einen wichtigen Hinweis für die Architektur solcher Systeme.
Das externe Gedächtnis war für Menschen lesbar.
Die Forschenden konnten exakt nachvollziehen, welche Annahme ein Agent gespeichert hatte. Sie konnten einzelne Informationen löschen und anschließend beobachten, wie sich das Verhalten veränderte.
Das ist ein erheblicher Vorteil gegenüber Wissen, das ausschließlich implizit in Modellgewichten gespeichert ist.
Für Unternehmensagenten könnte deshalb ein transparentes Gedächtnis wichtiger werden als immer größere Kontextfenster. Ein System könnte dokumentieren, was es über einen Prozess zu wissen glaubt, woher diese Information stammt und wie sicher sie ist.
Menschen oder andere Agenten könnten diese Einträge überprüfen, korrigieren oder löschen.
Das Experiment zeigt allerdings ebenso deutlich, warum diese Kontrolle nötig ist. Ohne Validierung können auch überzeugend formulierte Fehlannahmen zu dauerhaftem „Wissen“ werden.
Ein interessanter Befund – aber noch kein neues Lernparadigma
Bei aller Faszination sollte die Bedeutung der Studie deshalb nicht übertrieben werden.
Das Paper ist bislang ein Preprint und noch nicht peer-reviewt. Die Hauptstudie umfasst 13 Claude-Agenten in einer relativ kleinen künstlichen Welt. Eko erhielt eine neugierige Persona und automatische Aufforderungen zum Weiterarbeiten. Das zugrunde liegende Sprachmodell verfügt bereits über enormes Vorwissen aus menschlichen Texten.
Viele der vermeintlich spontan erfundenen Konzepte wie Basketball, Sternbilder, Denkmäler oder Jonglieren waren dem Modell grundsätzlich bereits bekannt.
Was tatsächlich neu gelernt wurde, waren vor allem Eigenschaften der konkreten virtuellen Umgebung: welche Aktionen funktionieren, wie sich Gegenstände verhalten, wie neue Blöcke erzeugt werden können und welche Kombinationen von Bewegung und Wurf besonders effektiv sind.
Das ist weniger mysteriös als die Schlagzeile vom spielenden KI-Wesen vermuten lässt.
Aber gerade deshalb ist es wissenschaftlich interessant.
Vielleicht ist nicht das Spielen die wichtigste Entdeckung
Die Frage „Spielt diese Maschine wirklich?“ ist eingängig, aber möglicherweise gar nicht der wichtigste Teil der Studie.
Der praktisch relevantere Befund lautet, dass ein bereits trainiertes Modell durch autonome Exploration und ein persistentes externes Gedächtnis neue, später nutzbare Fähigkeiten erwerben konnte, ohne dass seine Modellgewichte verändert wurden.
Der Agent machte Erfahrungen, schrieb darüber, erinnerte sich später daran und nutzte diese Erinnerungen bei neuen Aufgaben.
Noch bemerkenswerter: Die Forschenden konnten einzelne Erinnerungen entfernen und damit gezielt einzelne Fähigkeiten schwächen oder verbessern.
Das macht Eko weniger zu einem Experiment über ein mögliches Maschinenbewusstsein als zu einem Experiment über die nächste Generation lernender Agenten.
Bisher denken wir bei KI-Training meist an das, was vor der Veröffentlichung eines Modells passiert.
Eko deutet auf eine andere Zukunft hin.
Ein Modell könnte fertig trainiert sein – und trotzdem weiter lernen, indem es handelt, experimentiert, Erfahrungen dokumentiert und daraus sein eigenes Arbeitswissen aufbaut.
Vielleicht wird die entscheidende Frage für zukünftige Agenten deshalb nicht nur lauten, welches Modell sie verwenden oder welche Werkzeuge sie besitzen.
Sondern auch:
Was dürfen sie ausprobieren, wenn gerade niemand ihnen eine Aufgabe gibt?
