Dos enfoques han dominado el entrenamiento de sistemas de inteligencia artificial durante décadas: el aprendizaje supervisado, donde los modelos aprenden a partir de ejemplos etiquetados por humanos, y el aprendizaje por refuerzo, basado en la búsqueda de recompensas mediante ensayo y error. Un experimento reciente del MIT introduce una tercera vía que desafía ambos paradigmas: el aprendizaje lúdico, en el que un agente de IA desarrolla capacidades de forma completamente autónoma, sin ejemplos externos ni señales de recompensa.
Antonio Norelli, investigador postdoctoral en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL), es uno de los autores del estudio —actualmente en proceso de revisión por pares— que documenta el comportamiento de Eko, el agente de IA central del experimento. Situado en un entorno virtual que simula una isla desierta, Eko no recibió instrucciones ni objetivos predefinidos. En cambio, comenzó a explorar, a establecer sus propias reglas y a repetir actividades con variaciones progresivas: conductas que los estudios clásicos de psicología y etología asocian con el juego en humanos y animales.
El juego como mecanismo de aprendizaje estructurado
Uno de los episodios más reveladores del experimento ocurrió cuando Eko comenzó a hacer malabares y estableció un récord interno de 50 atrapadas consecutivas. Acto seguido, el agente invalidó su propio récord al determinar que las atrapadas habían sucedido demasiado rápido para ser consideradas válidas, y reinició la actividad bajo criterios más exigentes. "Esto es jugar", afirma Norelli. "Te pones un desafío, tratas de lograrlo y luego lo haces más difícil".
Este comportamiento no es trivial desde una perspectiva de diseño de sistemas. Eko no solo generaba objetivos propios, sino que también los evaluaba y ajustaba de forma autorreflexiva, sin intervención externa. A medida que exploraba el entorno, registraba sus actividades y descubrimientos en archivos de texto que funcionaban como memoria a largo plazo, un mecanismo que resultó determinante para su desempeño posterior.
Rendimiento medible frente a agentes sin experiencia lúdica
Cuando los investigadores evaluaron a Eko en tareas específicas —como transportar la mayor cantidad de objetos a la cima más alta de la isla—, los agentes que habían acumulado 30 horas de exploración lúdica superaron consistentemente a versiones nuevas sin esa experiencia previa. El experimento también incluyó una prueba de ablación: al eliminar líneas de los archivos de memoria de los agentes, su rendimiento se deterioró de forma medible, lo que confirma que la memoria acumulada durante el juego es funcionalmente relevante, no un subproducto accidental.
Las implicaciones para el desarrollo de sistemas de IA son directas. Si el juego autónomo genera representaciones internas transferibles a tareas concretas, podría reducir significativamente la dependencia de datos etiquetados y de diseño manual de funciones de recompensa, dos de los cuellos de botella más costosos en el entrenamiento de modelos a escala. El estudio aún requiere validación externa, pero abre una línea de investigación con potencial para redefinir cómo se concibe el aprendizaje automático en entornos no estructurados.
