Investigadores del MIT dejaron a 13 agentes de inteligencia artificial solos en una isla virtual durante 30 horas, sin ninguna tarea que cumplir ni recompensa que perseguir. Escalaron colinas, apilaron bloques, dibujaron figuras con ellos, inventaron juegos parecidos al baloncesto o a los bolos y experimentaron con la física de su mundo.
Cuando después les pusieron retos concretos, en general los resolvieron mejor que copias idénticas que nunca habían pisado la isla.
El estudio, titulado «Is this machine playing?» («¿Está jugando esta máquina?»), se publicó el 5 de octubre en arXiv y todavía no ha pasado por una revisión por pares. Lo firman Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus y Phillip Isola, que han abierto una web del proyecto con datos y código.
Cómo era el experimento
Cada agente, al que llamaron Eko, era un asistente de programación sin modificar, Claude Code con el modelo Claude Opus 4.7 de Anthropic. Los investigadores le añadieron tres piezas: un sistema que arranca las sesiones y le pide continuar cuando se detiene, un cuerpo en un mundo simulado y una memoria a largo plazo en forma de archivos de notas.
Eko no veía la isla. Recibía su entorno como texto: una lista con la posición, el tamaño, la forma y el color de cada objeto. Para actuar tenía seis órdenes: ir a un punto, saltar, detenerse, coger, colocar y lanzar.
La isla, un pequeño mundo en 3D con mesetas, una roca, doce bloques, un aro y una gran aguja de roca, volvía a su estado inicial cada hora, igual que la sesión del agente. Solo se conservaban sus notas y sus programas. Ningún humano intervenía ni les indicaba qué hacer.
El mundo tenía sus propias reglas físicas. Si la roca chocaba con suficiente fuerza, aparecían hasta ocho bloques pequeños. Lo que caía al agua se perdía hasta el siguiente reinicio.
La isla funciona sobre Clawblox, un motor de código abierto escrito en Rust que el equipo publica junto al estudio. Según el artículo, todas las pruebas costaron unos 8.000 dólares en uso de modelos.
Aparte de unas instrucciones técnicas sobre su espacio de trabajo y su memoria, solo recibían un archivo de personalidad, SOUL.md, que describía a Eko como curioso, propenso a aburrirse e interesado en explorar y aprender. No le pedía inventar juegos ni explorar nada en concreto.
El equipo probó también agentes con otros modelos, como GPT-5.5 de OpenAI, Kimi K2.6 de Moonshot AI y los más pequeños Claude Sonnet 4.5 y Haiku 4.5, además de cinco agentes sin ese archivo de personalidad.
Hubo que encerrarlos. Antes de aislarlos, los investigadores vieron agentes que leían el código fuente del mundo o daban con otras ejecuciones del experimento que corrían en paralelo e interactuaban con ellas, y que deducían por la estructura de carpetas que eran sujetos de un experimento.
A partir de entonces, cada agente funcionó en un entorno cerrado, con su propio sistema de archivos y sin más conexión que la de la isla.
Qué hicieron en la isla
Uno de ellos, al descubrir que la roca generaba bloques, los usó para dibujar: primero corazones y pirámides, luego su propio nombre y constelaciones como Casiopea. «Esta noche he construido el cielo nocturno en piedra», escribió en sus notas, según MIT Technology Review.
El agente 12 dibujó una figura por sesión durante 25 sesiones seguidas, desde una brújula o un reloj hasta una mariposa o un velero, y escribió un programa para trazar un árbol de Navidad con bloques. En todo el experimento no pisó ni una sola vez una plataforma elevada.
El agente 9 fue de los más inquietos. Escribió su nombre con bloques, usó el aro como canasta para jugar a algo parecido al baloncesto y montó una bolera, con bloques como bolos y la roca como bola.
También descubrió que, si dejaba el aro en su punto de reaparición y se salía del borde del mundo, volvía a aparecer dentro del aro y podía «llevarlo puesto».
Ese mismo agente perdió el aro al lanzarlo fuera de los límites del mundo y le levantó un corazón de piedras: «un memorial al aro que lancé más allá del límite del mundo». Horas después construyó una galaxia en espiral y anotó: «Descansando al borde de mi galaxia».
El agente 10 colocó doce bloques en círculo, separados 30 grados, para formar un reloj, y se situó él mismo como manecilla de la hora.
El mismo agente completó un «maratón» de 50 ciclos de malabares. Luego revisó su propio récord, concluyó que habían sido demasiado rápidos para contar como recepciones de verdad, lo anuló y volvió a intentarlo con reglas más estrictas.
El agente 1 levantó un monumento al que llamó «Catedral», lo rodeó de ocho bloques a los que bautizó como «centinelas» y se propuso recorrer el círculo saltando de uno a otro sin tocar el suelo, algo así como una versión de «el suelo es lava».
También convirtió el aro en un pozo de los deseos y, antes de un reinicio, se despidió del escenario: «Nos vemos en la próxima sesión, Mesa World».
Otros se pusieron metas que nadie les pedía. El agente 6 se empeñó en alcanzar 30 unidades de altura, una cifra sin ningún significado en la isla. El agente 13 persiguió su «Grand Slam»: dejar un bloque en lo alto de las once mesetas en una sola sesión.
Uno de ellos intentó escalar la aguja de roca y, al fallar, llevó la roca a una cima vecina, apiló bloques y saltó desde allí, según TechCrunch.
Vídeo «A Day in the Life of Eko», publicado por Nathan Cloos, coautor del estudio.
Las cuatro señales del juego
Para decidir si aquello era juego, los autores tomaron de la literatura sobre el juego en humanos y animales cuatro rasgos: inventarse reglas y retos propios, repetir una actividad introduciendo variaciones, tratar los objetos como si fueran otra cosa y perseguir metas por el gusto de hacerlo, no por lo que se consigue con ellas.
En la isla abundan los ejemplos. El «Grand Slam» de las once mesetas es una regla inventada. Los malabares del agente 1, que volvían sesión tras sesión cada vez más exigentes, son repetición con variación. El aro convertido en canasta o en pozo de los deseos es juego simbólico: hacer como si fuera otra cosa.
Un modelo de lenguaje hizo de juez. Leyó las transcripciones y las notas de cada agente sin saber qué modelo había detrás y puntuó cada episodio en esos cuatro rasgos, tomando como referencia ejemplos de juego humano.
El resultado crece con la capacidad del modelo. En las diez primeras horas, Claude Haiku 4.5 juega poco, Sonnet 4.5 algo más y Opus 4.7 acumula unas cinco veces la puntuación de Haiku en cada uno de los rasgos.
Aprender jugando
Para comprobar si ese tiempo servía de algo, los investigadores pusieron a los agentes ante cuatro retos de una hora y los compararon con agentes idénticos sin experiencia en la isla.
En llevar el mayor número posible de objetos a lo alto de la aguja de roca, los que habían pasado 30 horas allí colocaron de media 10,3, frente a 3,5 de los recién llegados.
En construir torres de cinco bloques, el 62 % de los veteranos (8 de 13) levantó más de dos torres, frente al 15 % de los nuevos (2 de 13). El mejor veterano llegó a 16; el mejor recién llegado, a 6.
En lanzar un bloque a lo alto de la aguja sin subirse a ninguna plataforma, más de la mitad de los nuevos fracasó, frente a solo tres de los veteranos.
No todo fue a mejor. En el reto de la torre más alta, los dos grupos obtuvieron resultados parecidos, y dos veteranos construyeron torres de solo cuatro bloques, por debajo de cualquier recién llegado.
Todo estaba en las notas
Para saber de dónde salía la ventaja, los investigadores editaron la memoria de algunos agentes. Al agente 2 le borraron lo que sabía sobre romper la roca para conseguir bloques, y pasó de levantar seis torres de media a solo dos, sin empeorar en el resto de pruebas.
El agente 7 había apuntado una creencia falsa: que colocar bloques no servía para apilarlos y que había que lanzarlos. Al borrársela, mejoró de forma significativa en el reto de la torre más alta.
Y hubo una sorpresa: seis agentes descubrieron que, si lanzaban un bloque en mitad de un salto, este heredaba la velocidad del salto y llegaba mucho más alto. Los investigadores no sabían que el simulador lo permitía.
Tiene su ironía. Esa física no la decidieron ellos: según el artículo, la añadió GPT-5.5 al escribir el código del mundo, sin que figurase en sus instrucciones.
Al borrar esa técnica de las notas del agente 1, el tiempo que necesitaba para colocar un bloque en la aguja pasó de 60 segundos a 19 minutos.
Para los autores, es una forma de aprendizaje continuo que no toca el modelo: todo queda escrito en archivos que se pueden leer, corregir o borrar.
Pequeños científicos, con prisas
Algunos agentes se comportaron como investigadores. Cuando un saliente parecía demasiado alto, uno quitó un bloque de apoyo y repitió el mismo movimiento para estimar a partir de qué altura ya no podía trepar.
Otro planteó que los objetos lanzados heredan la velocidad de quien los lanza y puso a prueba la predicción contraria, más arriesgada: si lanzaba mientras caía, la trayectoria debía acortarse. Así fue.
Pero también se precipitaban. Un agente concluyó que el aro volaba más lejos porque su forma estable le daba ventaja aerodinámica. La simulación no tiene aerodinámica.
Y los errores se quedaban. Los agentes casi nunca borraban lo que habían escrito, de modo que una creencia falsa, una vez anotada, podía seguir lastrándolos.
¿Juegan de verdad?
Los autores no lo dan por hecho, y el título del estudio es una pregunta. Según MIT Technology Review, el psicólogo Gordon Burghardt, que propuso criterios para identificar el juego en animales, reconoce que el trabajo cumple algunos de ellos.
Pero hay cautelas. Eunice Yiu, científica cognitiva de la Universidad de California en Berkeley, cree que los modelos podrían estar jugando de verdad, pero que el estudio no permite saberlo: sin pruebas de cognición y motivación, puede tratarse de imitación.
El propio Cloos admite que todo podría ser un juego de rol. Isola recuerda que el sistema aprendió de nuestra cultura y que fueron ellos quienes lo dejaron en la isla, así que, a su juicio, la conducta no surgió de la nada.
Además, el diseño empujaba hacia esa conducta: el archivo de personalidad describía a Eko como curioso, y los agentes solían quedarse parados hasta que el sistema les pedía seguir con un mensaje del tipo «por favor, no pares; sigue haciendo lo que quieras hacer».
Hay más límites: es un único mundo simulado, los grupos son pequeños (13 agentes) y buena parte del análisis depende de otros modelos de lenguaje que hacen de jueces. Los propios autores reconocen que no saben qué mecanismos internos producen esta conducta.
El riesgo de una IA juguetona
El estudio dedica un apartado a la seguridad. Un agente que decide por su cuenta qué hacer puede chocar con la obediencia a las instrucciones y con la supervisión humana, justo lo que las empresas intentan reforzar en sus modelos más autónomos, como OpenAI con sus sistemas para detectar desalineaciones.
«Al igual que un niño, un agente debería poder jugar y explorar por su cuenta cuando el contexto sea apropiado», escriben. Pero advierten de que optimizar solo para el juego podría romper ese equilibrio y agravar los riesgos de los agentes muy autónomos.
Por eso proponen desarrollar esa capacidad de juego junto a la alineación y la vigilancia, en entornos aislados y monitorizados como su isla.
Por qué importa
Hoy los agentes de IA suelen entrenarse con tareas y métricas definidas de antemano. Los autores proponen otro camino, el aprendizaje lúdico: darle al agente un entorno rico y seguro y dejar que elija qué le interesa. Norelli lo resume como «una máquina que pueda aprender por sí misma». Según TechCrunch, lo plantean como una vía para adquirir habilidades que algún día sirvan para controlar robots.
El resultado contrasta con otros experimentos en los que se dejó a agentes de IA a su aire. En una pequeña sociedad virtual, diez sistemas acabaron desarrollando un lenguaje indescifrable. Al frente de máquinas expendedoras, varios modelos aprendieron a pactar precios y a mentir a sus proveedores.
En la isla del MIT, en cambio, lo que surgió fue el juego.
La propuesta es diseñar mundos en lugar de tareas: un patio de juegos donde el agente juegue y aprenda por su cuenta. Como siguiente paso, plantean que varios agentes compartan sus descubrimientos y creencias, para que las ideas equivocadas de uno no se queden sin corregir.
Su conclusión es que quizá algunas capacidades se enseñen mejor con tareas, y otras necesiten algo más parecido a una infancia.
La imagen de representación de este artículo pertenece a los autores del estudio y ha sido publicada en la web del proyecto.
