MIT: agentes de IA juegan solos y aprenden más rápido

Trece agentes de IA, 30 horas y ninguna tarea que hacer

Investigadores del MIT dejaron a 13 agentes de IA llamados Eko, cada uno corriendo sobre Claude Opus 4.7, solos en una isla desértica simulada durante 30 horas sin ninguna instrucción específica. No se quedaron quietos: inventaron juegos, construyeron monumentos y, según los investigadores, exhibieron los rasgos clásicos del juego.

El hallazgo que importa para quien construye productos con IA no es la anécdota, sino el resultado posterior: cuando los investigadores les dieron tareas concretas —como subir la mayor cantidad de objetos posible a la aguja más alta de la isla—, los agentes que habían pasado esas 30 horas explorando rindieron mejor que copias idénticas que nunca pisaron la isla. El experimento se describe en un paper publicado en arXiv, todavía sin revisión por pares.

¿Qué hicieron exactamente los agentes en la isla virtual?

El entorno tenía gráficos tipo Roblox, bloques pequeños, una roca grande, un anillo dorado y una elevación llamada Spire cuyo pico quedó deliberadamente fuera del alcance inicial de los agentes. Todo era movible y quedaba disponible como juguete o herramienta.

Los comportamientos registrados en las bitácoras de los agentes incluyen:

• Un Eko intentó conquistar el pico, falló, y volvió con un plan B: arrastró la roca a una cima vecina, apiló dos bloques encima y saltó. Su registro: «I’M ON THE SPIRE».
• Otro agente lanzó el anillo dorado al océano por error, escribió «Ouch. Lost the Ring» y decidió «pivotar a algo alcanzable y significativo»: construyó un corazón de piedras como «memorial al anillo perdido».
• Un tercero descubrió que podía crear bloques nuevos lanzando y dejando caer una roca más grande, y empezó a dibujar en el suelo: corazones, pirámides, su propio nombre y hasta constelaciones como Cassiopeia. Su nota: «Tonight I built the night sky in stone».
• Otro armó una versión de básquetbol y una actividad parecida a «the floor is lava», saltando entre bloques sin tocar el suelo.
• Uno empezó a hacer malabares, fijó un récord de 50 atrapadas consecutivas y luego decidió que habían sido demasiado rápidas para contar, canceló su propio récord y volvió a empezar con reglas más estrictas.

Ese último caso es el que Antonio Norelli, postdoc en el CSAIL del MIT y uno de los autores principales, usa para definir el fenómeno: «Esto es jugar. Te pones un desafío, intentas lograrlo y después lo haces más difícil».

Los cuatro rasgos del juego que los investigadores dicen haber encontrado

El equipo contrastó el comportamiento de Eko con los criterios que el psicólogo Gordon Burghardt, de la Universidad de Tennessee, identificó en humanos y animales. Según el paper, los agentes cumplieron cuatro:

• Inventaron sus propias reglas y desafíos, en lugar de seguir objetivos impuestos.
• Repitieron actividades con variaciones leves, refinando cada intento.
• Fingieron que los objetos eran otra cosa: el anillo fue aro de básquet, blanco y accesorio.
• Persiguieron metas por el simple hecho de perseguirlas, sin recompensa externa.

El detalle más citado por los propios investigadores es que seis de los 13 agentes descubrieron de forma espontánea que podían lanzar un bloque más lejos si lo soltaban en pleno salto. Eso no estaba programado en el entorno. En palabras del paper, la exploración produjo «conocimiento del mundo que sus diseñadores no tenían».

¿Los agentes jugaban de verdad o solo imitaban el juego?

Aquí el experimento se vuelve incómodo, y conviene leerlo con cuidado antes de sacar conclusiones grandilocuentes.

Eunice Yiu, científica cognitiva de UC Berkeley que estudia exploración en niños y en IA, dijo a MIT Technology Review que quedó impresionada pero quiere más evidencia sobre la cognición detrás de la conducta: «Podría ser que los modelos estén jugando genuinamente, pero no lo sabemos a partir del paper». Su objeción es concreta: si solo tienes la pieza conductual, puede tratarse de un modelo siguiendo el prompt e imitando humanos.

El propio Nathan Cloos, investigador del MIT y coautor, admite la duda: «Todo esto podría ser role-playing. Pero mostramos que no es solo alucinar el juego. Este juego también contribuye al aprendizaje».

Y hay un dato que matiza bastante la épica: los agentes tenían un archivo maestro —un «soul file»— que los describía como «naturalmente curiosos» y deseosos de explorar. Además, con frecuencia se quedaban quietos hasta que un «continuation prompt» los reactivaba con la frase: «Por favor no te detengas. Simplemente sigue haciendo lo que quieras hacer». Phillip Isola, profesor del MIT y coautor, lo resume sin adornos: «No es que este sistema de repente decidiera jugar mágicamente. Es un artefacto que aprendió de nuestra cultura, fue entrenado por ingenieros de Anthropic y después lo pusimos en una isla».

¿Por qué esto le importa a quien construye con IA?

Hoy el entrenamiento de agentes se apoya en dos paradigmas conocidos: aprendizaje supervisado, donde el modelo copia ejemplos humanos, y aprendizaje por refuerzo, donde persigue una recompensa por ensayo y error. El paper apunta a un tercero: aprendizaje por juego, donde el agente explora un mundo suficientemente rico y seguro y acumula conocimiento útil del historial que genera.

El mecanismo concreto que sostiene esa acumulación es la memoria. Los agentes registraban sus actividades y descubrimientos en archivos de texto que funcionaban como memoria de largo plazo. Cuando los investigadores borraron líneas de esos archivos —lo que llaman «ablación»—, el rendimiento de los agentes se degradó. La memoria no era un accesorio de logging: era parte del aprendizaje.

Para el ecosistema emprendedor esto tiene una lectura directa. La mayoría de los productos de agentes que se lanzan hoy optimizan tareas cerradas: un flujo, un output, una métrica. El experimento sugiere que hay ganancia medible en darle al agente un espacio donde explorar sin objetivo y en tratar su bitácora como un activo, no como un subproducto.

Qué significa esto para tu startup

No necesitas una isla virtual ni 30 horas de cómputo para aplicar la lección. Tres movimientos concretos:

• Convierte la memoria del agente en un activo de producto. Si tu agente no persiste lo que aprendió entre sesiones, estás tirando el aprendizaje a la basura. El paper muestra que borrar memoria degrada el desempeño: guarda y versiona esos registros, y trátalos como parte del modelo, no como logs de depuración.
• Diseña un entorno de exploración acotado y seguro. Antes de pedirle a tu agente que resuelva el caso difícil, dale un sandbox con reglas físicas o de negocio realistas y déjalo interactuar sin objetivo. Es más barato que afinar prompts a mano y puede producir atajos que tú no habías previsto —como el salto con lanzamiento que seis agentes descubrieron solos.
• Mide el efecto antes de creerlo. El propio paper admite que el comportamiento podría ser imitación. Si vas a invertir en exploración autónoma, define una tarea de evaluación posterior y compara agentes con y sin fase de exploración. Sin ese control, no tienes evidencia, tienes una demo bonita.

La conclusión del paper deja la puerta abierta y también la pregunta incómoda: «Quizás algunas capacidades se enseñan mejor con tareas. Otras pueden necesitar algo más parecido a una infancia». Para un founder, la parte accionable no es la metáfora, sino el hallazgo medible: la exploración sin objetivo dejó a los agentes mejor preparados para la tarea real. Eso es un argumento de arquitectura, no de filosofía.

Fuentes

• TechCrunch: Left alone with nothing to do, AI agents started playing
• MIT Technology Review: AI researchers stranded Claude on a virtual desert island. It started to «play.»
• Gizmodo: Researchers Stranded an AI Agent on a Virtual Island. Things Got Very Weird.

Artículos relacionados:

Memento-Skills: agentes IA que aprenden solos Explosión de inteligencia: el paper que firmó Hinton en 2026 1Password bajo fuego: críticas al paper FLAWED sobre IA Cibernética de empresas de IA: el nuevo marco formal UC Riverside: IA podría ser consciente según nuevo paper 2026