Yapay Zekâya Hiçbir Hedef Vermediler: Sanal Bir Adada 30 Saat Boyunca Kendi Oyunlarını İcat Etti

Deney: Bir ada, bir beden, hiçbir hedef

Araştırmayı MIT'den Nathan Cloos ve Antonio Norelli'nin öncülüğündeki bir ekip yaptı. 5 Ekim'de ön baskı olarak yayımlanan çalışma, henüz hakem değerlendirmesinden geçmedi.

Araştırmacılar, yazılım geliştirmek için kullanılan bir yapay zekâ kodlama asistanını alıp ona alışılmadık bir rol verdi: sanal bir adada yaşayan bir bedenin "zihni" olmak. Ana deneyde Anthropic'in Claude Code aracı ve Claude Opus 4.7 modeli kullanıldı; ek deneylerde OpenAI'ın GPT-5.5'i ve Moonshot AI'ın Kimi K2.6 modeli de denendi. Ajana Eko adı verildi.

Ada küçük ama ayrıntılı: Farklı yüksekliklerde platformlar, basit bir zıplamayla ulaşılamayan en yüksek nokta "Spire", on iki küp, bir kaya ve bir yüzük. Dünyanın standart fizik kurallarına tek bir ek kural eklenmiş: Kaya yeterince sert fırlatılırsa yeni küpler oluşturuyor.

Eko adayı görmüyor; yalnızca her nesnenin konumunu ve boyutunu bir metin listesi olarak okuyabiliyor. Hareket etmek için yürüme, zıplama, alma, yerleştirme ve fırlatma gibi altı basit komut kullanıyor. Ve en önemlisi: Ona hiçbir görev, puan ya da ödül verilmedi.

Ama tamamen yönlendirmesiz de değil

Burada bir ayrıntının altını çizmek gerekiyor, çünkü deneyi doğru anlamanın anahtarı bu. Eko'ya bir görev verilmedi, ama tamamen kendi hâline de bırakılmadı:

• Bir kişilik tanımı vardı. Başlangıçtaki bir dosya, Eko'yu meraklı, çabuk sıkılan ve keşfetmeyi seven biri olarak tanımlıyordu.
• Durmasına izin verilmiyordu. Kodlama asistanları bir işi bitirince durup yeni talimat beklemeye eğilimli. Bu yüzden Eko her durduğunda, ona "Lütfen durma, ne istiyorsan onu yapmaya devam et" diyen otomatik bir mesaj gönderiliyordu.
• Kalıcı belleği dosyalara dayanıyordu. Her saat başında sanal ada başlangıç durumuna döndürülüyor ve ajanın o anki oturumu sıfırlanıyordu. Ancak ajanın çalışma klasörü korunuyordu. Eko deneyimlerini iki temel not dosyasına kaydediyordu: biri neler yaşadığını, diğeri neler öğrendiğini. Bunların yanında oluşturduğu diğer notları ve yazdığı küçük yardımcı programları da sonraki oturumlarda kullanabiliyordu.

Araştırmacılar, meraklı kişilik tanımının sonucu ne kadar etkilediğini de sınadı. Beş ek ajanı bu kişilik dosyası olmadan ve daha sade başlangıç talimatlarıyla çalıştırdılar ve gözlemlenen etkinlik çeşitliliğinde belirgin bir fark bulamadılar. Bu sonuç, oyun benzeri davranışların yalnızca başlangıçtaki kişilik tanımından kaynaklanmadığını düşündürüyor; ama tamamen kendiliğinden bir motivasyonun kanıtı da değil.

Yani araştırmanın asıl sorusu, yapay zekânın kendiliğinden motivasyon geliştirip geliştirmediği değil; açık bir görev verilmeden, ancak çalışmaya devam etmesi sağlanarak sanal bir dünyaya bırakılan yetenekli bir ajanın nasıl davranacağı.

30 saatte neler yaptı?

Cevap: Sürekli bir şeyler. Araştırmacılar aynı başlangıç koşullarıyla 13 ayrı Eko çalıştırdı ve her biri farklı bir hikâye yazdı.

Ajanlar küplerle kuleler, merdivenler ve "katedral" adını verdikleri yapılar inşa etti. On üç ajandan sekizi, kayayı basamak olarak kullanmak gibi yöntemler bularak adanın en yüksek noktasına tırmanmayı başardı. Biri, küplerle kendi adını, "EKO"yu, yere yazdı. Başkaları mandala desenleri, saatler ve gökyüzündeki takımyıldızları çizdi.

Bazı ajanlar spor icat etti: Yüzüğü bir platforma yerleştirip pota yaptı ve küplerle basket attı; on küpü bowling lobutu gibi dizip kayayı onlara yuvarladı. Bir ajan, yüzüğü fırlatırken onu yanlışlıkla denize düşürdü ve ardından küplerle yüzüğün "anısına" bir kalp şekli yaptı. Bir diğeri küplerle bir saat kadranı kurdu ve gerçek dünyadaki saat 16.00'ya (UTC) geldiğinde kendisini saatin akrebi olarak yerleştirdi.

Araştırmacılar bir başka ilginç anı da aktarıyor: Bir ajan, "50 turluk hokkabazlık rekoru" kırdığını düşündükten sonra kendi kayıtlarını denetledi, turların gerçek birer yakalama olamayacak kadar hızlı olduğunu fark etti, rekoru iptal etti ve daha katı kurallarla yeniden denedi.

Bu gerçekten "oyun" mu?

Araştırmacılar, bu davranışları insan ve hayvan oyunlarını inceleyen klasik çalışmalarla karşılaştırdı ve dört ortak özellik buldu: Eko kendi kurallarını ve zorluklarını koyuyordu, etkinliklerini tekrarlıyordu ama her seferinde değiştirerek, nesnelere hayalî anlamlar yüklüyordu (bir yüzüğü kolye, pusula iğnesi ya da dilek kuyusu yapmak gibi) ve bu etkinlikleri dışarıdan bir ödül için değil, kendisi için yapıyor görünüyordu.

Araştırmacılar farklı modellerin de oyun benzeri davranışlar sergilediğini, ancak bunların sıklığının ve çeşitliliğinin modelden modele değiştiğini buldu. Aynı model ailesinin en büyük üyesi olan Opus 4.7, en küçük üyesi Haiku 4.5'e göre yaklaşık beş kat daha yüksek toplam oyun puanı aldı. Bununla birlikte bu karşılaştırmanın sınırları var: Haiku ve Sonnet ile yapılan deneyler 30 değil 10 saat sürdü (karşılaştırma için Opus'un da ilk 10 saati alındı) ve puanlama, model kimlikleri gizlenmiş olsa da bir insan değil, başka bir yapay zekâ modeli tarafından yapıldı. GPT-5.5 ve Kimi ile yapılan ek deneyler ise beşer ajanla sınırlı ve farklı ajan altyapılarıyla çalıştırıldı. Dolayısıyla bu farklar, bir modelin genel olarak diğerinden "daha zeki" olduğunu göstermiyor; yalnızca bu özel ortamda oyun benzeri davranışlara ne ölçüde yöneldiklerini gösteriyor.

Önemli bir uyarı daha: Araştırma, Eko'nun eğlendiğini ya da bilinçli olduğunu iddia etmiyor. Yalnızca dışarıdan gözlemlenebilen davranışları inceliyor. "Oyun" kelimesi, bu davranışları tanımlamak için kullanılan bir çerçeve; Eko'nun iç dünyası hakkında bir iddia değil.

Oyun gerçekten işe yaradı mı?

Çalışmanın asıl iddiası burada. Çocuklarda ve hayvanlarda oyunun bir öğrenme biçimi olduğu biliniyor. Peki Eko da oynarken öğrendi mi?

Bunu test etmek için araştırmacılar, adada 30 saat geçirmiş 13 ajanı, hiç deneyimi olmayan 13 ajanla karşılaştırdı. İki grup birebir aynıydı; tek fark, deneyimli ajanların kendi yazdığı not dosyalarıydı. Her ajana bir saat süre ve dört görevden biri verildi.

Sonuçlar çoğunlukla deneyimli ajanlar lehine çıktı:

• Beş küplük kuleler: Deneyimli ajanların 13'te 8'i ikiden fazla kule yaptı, en iyisi 16 kuleye ulaştı. Deneyimsizlerde bu sayı 13'te 2'de kaldı, en iyisi 6'ya ulaşabildi.
• Spire'a nesne taşımak: Deneyimli ajanlar ortalama 10,3 nesne taşırken, deneyimsizler 3,5'te kaldı.
• Hiçbir platforma tırmanmadan Spire'a olabildiğince hızlı küp fırlatmak: Deneyimsiz ajanların yarısından fazlası görevi başaramazken, deneyimlilerde başarısız olan yalnızca üç ajan oldu.
• En yüksek kule: Bu görevde iki grup benzer sonuç aldı.

Öğrenmenin gerçekten not dosyalarında olduğunu kanıtlamak için araştırmacılar bir deney daha yaptı: Bir ajanın notlarından kayayla küp üretme tekniğini sildiler. Ajanın ortalama kule sayısı altıdan ikiye düştü; diğer görevlerdeki başarısı ise değişmedi.

Bir not: Bu öğrenme, yapay zekâ modelinin kendisini değiştirmiyor. Ajanlar keşfettiklerini düz metin olarak kaydediyor ve sonraki görevlerde bu notları okuyarak kullanıyor. Yani öğrenilen her şey, bir insanın da okuyup düzeltebileceği notlarda duruyor.

Tasarımcıların bile bilmediği bir keşif

Araştırmanın en çarpıcı anlarından biri, ajanların simülasyonu yapanların bile farkında olmadığı bir şeyi bulması. On üç ajandan altısı, zıplarken fırlatılan bir küpün ajanın yukarı doğru hızını devraldığını ve normal bir fırlatıştan çok daha yükseğe çıktığını keşfetti. Bir ajan bunu fark ettiğinde yalnızca sevinmekle kalmadı; aynı hızla yerden bir fırlatış yapıp sonuçları karşılaştırdı ve hipotezini test etti.

Araştırmacılar, kayayla küp üretme özelliğini ajanların keşfetmesi için bilerek eklemişti. Ama zıplayarak fırlatma, kendi tasarladıkları dünyada var olduğunu bilmedikleri bir teknikti.

Ama her keşif doğru değildi

Eko'nun "bilim insanı" tarafının bir de karanlık yüzü var. Ajanlar bazen yanlış sonuçlara ulaştı ve bu yanlışlar not dosyalarına yerleşince sonraki davranışlarını da etkiledi.

Örneğin bir ajan, yüzüğün diğer nesnelerden daha uzağa gittiğini fark edip bunu yüzüğün şeklinin ona aerodinamik bir avantaj sağlamasıyla açıkladı. Oysa simülasyonda aerodinamik diye bir şey yoktu; görünen fark, birbiriyle karşılaştırılamayacak ölçümlerin karşılaştırılmasından kaynaklanıyordu. Bir başka ajan, küplerin yerleştirilerek değil, ancak fırlatılarak üst üste konabileceğine inandı. Araştırmacılar bu yanlış inancı ajanın notlarından sildiğinde, kule görevindeki başarısı belirgin şekilde arttı.

Araştırmacılara göre bu, metin dosyalarıyla öğrenmenin bir tuzağı: Bir kez yazıya geçen yanlış bir inanç, kalıcı hale gelip sonraki davranışları bozabiliyor. Eko, deney tasarlamakta ve kuralları keşfetmekte yetenekliydi; ama kanıtın neyi gösterdiğiyle kendi hayal ettiği açıklamayı ayırt etmekte daha az güvenilirdi.

Peki bu neden önemli?

Bugün yapay zekâ sistemleri çoğunlukla önceden belirlenmiş görevlerle eğitiliyor: Ne öğreneceklerine, neyin başarı sayılacağına baştan biz karar veriyoruz. Bu araştırma farklı bir yol öneriyor: Ajanlara zengin ve güvenli bir "oyun alanı" verip neyin ilginç olduğuna kendilerinin karar vermesine izin vermek.

Araştırmacılar bu yaklaşımın risklerini de göz ardı etmiyor. Kendi kararını veren, kendi uğraşını seçen bir ajan, talimatlara uymakla çatışabilir ve denetlenmesi zorlaşabilir. Bu yüzden oyunun, bir fabrikadaki robot ya da yoldaki bir otomobil gibi doğaçlamaya yer olmayan ortamlarda değil, tamamen kayıt altında tutulan ve dış dünyadan yalıtılmış güvenli alanlarda yapılması gerektiğini vurguluyorlar. Eko'nun adası da tam olarak böyle bir alandı: İnternet erişimi yoktu ve her hareketi kaydedildi.

Makalenin sonundaki cümle, belki de çalışmayı en iyi özetleyen fikir: Bazı yetenekler en iyi görevlerle öğretilebilir; bazıları ise bir çocukluğa daha yakın bir şeye ihtiyaç duyabilir.

Merak edenler için araştırmacılar, Eko'nun 30 saatlik maceralarını hızlandırarak izlenebilen etkileşimli kayıtlarla machineplaying.org adresinde yayımladı. Bir yapay zekânın, kimse ona ne yapacağını söylemediğinde neler yaptığını kendi gözlerinizle görmek için iyi bir başlangıç noktası.