Cuando la inteligencia artificial tiene tiempo libre, comienza a jugar

Existe una idea antigua y profundamente arraigada en cómo entrenamos agentes de inteligencia artificial: debes decirle a la máquina exactamente qué practicar, definir métricas claras de éxito y medir cada paso hacia el objetivo. Este paradigma, que combina aprendizaje supervisado y refuerzo, ha sido notablemente efectivo — pero también limita drásticamente lo que un agente puede aprender. Un experimento conducido por investigadores del MIT desafía directamente esta lógica y ofrece un tercer camino, uno que se parece menos a la ingeniería tradicional y más a la infancia humana.

El experimento

Lo que los investigadores hicieron fue simple en su brutalidad conceptual: dejaron 13 agentes de IA, cada uno ejecutando el modelo Claude Opus 4.7 de Anthropic, completamente solos en una isla desértica simulada durante 30 horas. Sin instrucciones, sin recompensas externas, sin ningún objetivo asignado. La única característica incorporada a cada agente, insertada en un archivo de prompt que los investigadores llaman "alma", era la curiosidad natural.

El entorno virtual — basado libremente en el motor de Roblox — era lo suficientemente rico para sustaining exploración genuina. Y eso fue exactamente lo que sucedió.

Dentro de la primera hora, uno de los agentes evaluó sus propias limitaciones e intentó escalar el pico más alto de la isla. Falló. En lugar de detenerse, desarrolló un plan alternativo: arrastró una roca hasta un cumbre vecina, apiló dos bloques encima y saltó desde allí. Su registro de actividad decía: "ESTOY EN EL SPIRE". Otro intento involucró probar cuán lejos podía lanzar un anillo dorado — lo que resultó en que el anillo cayera al océano. "Ouch. Perdí el Ring", registró, antes de decidir "cambiar a algo alcanzable y significativo" y construir un corazón hecho de piedras, "un memorial al Ring perdido".

Pero el momento más revelador llegó cuando el juego reinició el anillo. El agente no solo lo usó como aro de básquetbol y blanco, sino que cuando el juego no le permitió ponerse el anillo alrededor del cuerpo, descubrió una solución alternativa: caer del borde del acantilaco haría reaparecer al agente en la misma área del anillo, permitiéndole simplemente pasar a través de él y declarar: "Estoy usando el Ring".

Seis de los 13 agentes descubrieron por su cuenta que podían lanzar bloques más lejos soltándolos durante el salto — una mecánica física que los propios creadores del entorno nunca programaron.

Por qué importa

Aquí está lo que hace de este experimento algo diferente de simple curiosidad de laboratorio: cuando los investigadores probaron a los agentes en tareas estructuradas — como colocar el máximo número de objetos en el pico más alto de la isla —, aquellos que habían pasado 30 horas jugando en la isla superaron consistentemente copias idénticas de los mismos agentes que nunca habían explorado el entorno. La exploración sin objetivo produjo conocimiento real.

"Normalmente desarrollamos agentes artificiales decidiendo anticipadamente qué deben practicar, qué deben optimizar y qué cuenta como progreso", escribieron los investigadores. "Jugar sugiere otro régimen: darle al agente un mundo suficientemente rico y seguro, dejar que elija lo que es interesante y permitir que conocimiento útil se acumule a partir de la historia que se sigue."

Eunice Yiu, científica cognitiva de la Universidad de California en Berkeley, dijo al MIT Technology Review que quedó impresionada, pero pidió más evidencias de la cognición detrás del comportamiento. "Podría ser que los modelos estén realmente jugando, pero no sabemos basado en el artículo", afirmó. La cuestión fundamental es si los agentes estaban genuinamente comprometidos en un estado de juego o simplemente realizando un mimetismo de patrones de lenguaje que asocian "jugar" con exploración autónoma.

El futuro del aprendizaje por jugar

Independientemente de la cuestión filosófica, los resultados prácticos son sugerentes. La industria de la robótica gasta miles de millones intentando entrenar agentes para entornos físicos — y la mayoría de los métodos actuales dependen de simulaciones altamente estructuradas donde cada habilidad es definida, cada recompensa programada. El aprendizaje por juego propone exactamente lo opuesto: un entorno rico, sin objetivos predefinidos, donde el agente descubre por sí mismo lo que vale la pena aprender.

Trabajos anteriores en esta línea, como el framework RATs (Robotics Agent Teams) publicado en el arXiv en 2025, ya mostraron que agentes robóticos pueden usar autoexploración lúdica como etapa de adquisición de habilidades antes de tareas reales. El experimento del MIT va un paso más allá, porque usa agentes basados en modelos de lenguaje de última generación — el Claude Opus 4.7 — y muestra que el mismo principio se aplica incluso cuando el agente no tiene cuerpo físico.

La pregunta ya no es si los agentes pueden aprender sin instrucción explícita — la evidencia se acumula rápidamente. Se trata de si estamos preparados para dejar de decirles qué practicar y comenzar a confiar en que, dejados a sí mismos, encontrarán lo que más importa.

Fuentes: TechCrunch, MIT Technology Review, Welcome.AI

✓ Fuentes independientes cruzadas y verificadas antes de la publicación