Quando a inteligência artificial sobra tempo, ela começa a brincar

Há uma ideia antiga e profundamente arraigada na forma como treinamos agentes de inteligência artificial: você deve dizer à máquina exatamente o que praticar, definir métricas claras de sucesso e medir cada passo em direção ao objetivo. Esse paradigma, que combina aprendizado supervisionado e reforço, tem sido incrivelmente eficaz — mas também limita drasticamente o repertório do que um agente é capaz de aprender. Um experimento conduzido por pesquisadores do MIT desafia diretamente essa lógica e oferece um terceiro caminho, um que lembra menos a engenharia tradicional e mais a infância humana.

O experimento

O que os pesquisadores fizeram foi simples em sua brutalidade conceitual: deixaram 13 agentes de IA, cada um executando o modelo Claude Opus 4.7 da Anthropic, completamente sozinhos em uma ilha desértica simulada por 30 horas. Sem instruções, sem recompensas externas, sem nenhum objetivo atribuído. A única característica incorporada a cada agente, inserida em um arquivo de prompt que os pesquisadores chamam de "alma", era a curiosidade natural.

O ambiente virtual — baseado loosely no motor do Roblox — era rico o suficiente para sustentar exploração genuína. E foi exatamente isso que aconteceu.

Na primeira hora, um dos agentes analisou suas próprias limitações e tentou escalar o pico mais alto da ilha. Falhou. Em vez de parar, desenvolveu um plano alternativo: arrastou uma rocha até um cume vizinho, empilhou dois blocos em cima e pulou de lá. Seu registro de atividade: "EU ESTOU NO SPIRE". Outra tentativa envolveu testar o quão longe podia arremessar um anel dourado — o que resultou no anel caindo no oceano. "Ouch. Perdi o Ring", registrou, antes de decidir "mudar para algo alcançável e significativo" e construir um coração feito de pedras, "um memorial ao Ring perdido".

Mas o momento mais revelador veio quando o jogo resetou o anel. O agente não apenas o usou como aro de basquete e alvo, mas quando o jogo não permitiu que colocasse o anel ao redor do próprio corpo, descobriu uma solução alternativa: cair da borda do penhasco faria o agente reaparecer na mesma área do anel, permitindo que ele simplesmente passasse por ele e declarasse: "Estou vestindo o Ring".

Seis dos 13 agentes descobriram sozinhos que podiam arremessar blocos mais longe soltando-os durante o salto — uma mecânica física que os próprios criadores do ambiente nunca programaram.

Por que isso importa

Aqui está o que faz desse experimento algo diferente de simples curiosidade de laboratório: quando os pesquisadores testaram os agentes em tarefas estruturadas — como colocar o máximo de objetos possível no pico mais alto da ilha —, aqueles que haviam passado 30 horas brincando na ilha superaram consistentemente cópias idênticas dos mesmos agentes que nunca tinham explorado o ambiente. A exploração sem objetivo produziu conhecimento real.

"Normalmente desenvolvemos agentes artificiais decidindo antecipadamente o que eles devem praticar, o que devem otimizar e o que conta como progresso", escreveram os pesquisadores. "O brincar sugere outro regime: dê ao agente um mundo suficientemente rico e seguro, deixe-o escolher o que é interessante e permita que conhecimento útil se acumule a partir da história que se segue."

Eunice Yiu, cientista cognitiva da Universidade da Califórnia em Berkeley, disse ao MIT Technology Review que ficou impressionada, mas pediu mais evidências da cognição por trás do comportamento. "Pode ser que os modelos estejam realmente brincando, mas não sabemos com base no artigo", afirmou. A questão fundamental é se os agentes estavam genuinamente engajados em um estado de jogo ou apenas performando imitando padrões de linguagem que associam "brincar" com exploração autônoma.

O futuro do aprendizado por brincadeira

Independentemente da questão filosófica, os resultados práticos são sugestivos. A indústria da robótica gasta bilhões tentando treinar agentes para ambientes físicos — e a maioria dos métodos atuais depende de simulações altamente estruturadas onde cada skill é definida, cada recompensa programada. O aprendizado por brincadeira propõe exatamente o oposto: um ambiente rico, sem objetivos pré-definidos, onde o agente descobre sozinho o que vale a pena aprender.

Trabalhos anteriores nessa linha, como o framework RATs (Robotics Agent Teams) publicado no arXiv em 2025, já mostraram que agentes robóticos podem usar autoexploração lúdica como etapa de aquisição de habilidades antes de tarefas reais. O experimento do MIT vai um passo além, porque usa agentes baseados em modelos de linguagem de última geração — o Claude Opus 4.7 — e mostra que o mesmo princípio se aplica mesmo quando o agente não tem corpo físico.

Se deixar agentes de IA sozinhos por 30 horas faz com que aprendam habilidades que nenhum programador explicitamente lhes ensinou, a pergunta que fica é: quanto mais tempo e quanto mais liberdade eles precisariam para desenvolver capacidades que nem imaginamos?

Fontes: TechCrunch, MIT Technology Review, Welcome.AI

✓ Fontes independentes cruzadas e verificadas antes da publicação