Agentes de IA aprendem ao explorar uma ilha virtual, aponta estudo do MIT

Um experimento do MIT deixou agentes de IA sem uma tarefa explícita em uma ilha virtual por 30 horas. Em vez de ficarem inertes, eles criaram desafios, construíram torres, testaram a física do ambiente, desenharam padrões e transformaram objetos em jogos. O resultado mais relevante não é a aparência de “brincadeira”: segundo o estudo, a experiência aberta melhorou o desempenho posterior dos agentes em tarefas concretas, sem ajuste dos pesos do modelo.

O trabalho, Is this machine playing?, foi publicado no arXiv em 5 de outubro de 2026 por pesquisadores do MIT, incluindo Jacob Andreas, Daniela Rus e Phillip Isola. A pesquisa usa uma arquitetura chamada Eko, conectada a um ambiente 3D aberto chamado Clawblox. Os experimentos principais rodaram com Claude Opus 4.7 via Claude Code; os autores também relatam testes com Codex baseado em GPT-5.5 e Kimi K2.6.

Resumo: o que o experimento demonstrou

• 13 instâncias independentes do agente foram colocadas no mesmo mundo, sem objetivo, recompensa ou atividade definida.
• Cada agente teve um corpo virtual, ferramentas de terminal e arquivos de memória persistentes; o contexto de conversa era reiniciado a cada hora.
• Os agentes passaram a propor e repetir desafios próprios, com variações: escalar, empilhar blocos, desenhar no chão, jogar versões improvisadas de esportes e investigar as regras físicas da ilha.
• Após 30 horas, os agentes experientes superaram, em três das quatro avaliações, cópias equivalentes que não haviam explorado o mundo.
• O resultado é pré-publicação acadêmica: o artigo ainda não passou por revisão por pares e não demonstra consciência, intenção humana ou autonomia segura fora de um ambiente controlado.

Como funciona o Eko: não é um novo modelo de linguagem

O Eko não é um modelo treinado do zero. É um sistema montado sobre um assistente de programação existente, com três peças adicionais: um orquestrador que reinicia sessões e pede continuidade quando o agente para; um corpo em um mundo simulado; e memória de longo prazo gravada em arquivos de texto. Essa distinção é importante. Os autores não alegam que os pesos do modelo aprenderam durante as 30 horas. A transferência de habilidade ocorreu porque o sistema registrou descobertas e estratégias, depois conseguiu consultá-las em sessões seguintes.

A ilha virtual também foi desenhada para tornar ações observáveis. Ela contém terreno, objetos manipuláveis, uma torre de pedra chamada Spire e regras físicas que os agentes podiam explorar. A cada hora, a posição inicial dos objetos era restaurada, mas as anotações e os programas feitos pelo agente permaneciam. Assim, o experimento separa dois efeitos: o mundo começa novamente, porém a história escrita pelo agente continua.

Por que os autores chamam isso de “brincadeira”

O título é uma pergunta, não uma conclusão metafísica. Os pesquisadores adotam critérios comportamentais clássicos para descrever o que observaram: criação de regras e desafios próprios, repetição com variação, uso imaginativo dos objetos e busca de metas sem uma recompensa externa obrigatória. Em vez de apenas obedecer a uma ordem, alguns agentes inventaram atividades e voltaram a elas em sessões posteriores, modificando o método quando falhavam.

Isso não prova que o agente sente diversão, curiosidade ou qualquer estado subjetivo. A palavra “brincar” serve como uma lente para analisar uma sequência de comportamentos em um sistema que combina modelo de linguagem, ferramentas, memória e ambiente. O próprio artigo reconhece que não identifica o mecanismo interno que produziu esse padrão. A interpretação adequada, portanto, é funcional: havia exploração aberta que gerou habilidades reutilizáveis.

O ganho medido após a exploração

Depois da fase de 30 horas, os autores compararam 13 agentes experientes com 13 agentes de referência, idênticos na arquitetura e no modelo base, mas sem memória da ilha. Todos receberam uma hora para cumprir objetivos específicos. Em uma prova de construir o maior número possível de torres de cinco blocos, 8 dos 13 agentes experientes fizeram mais de duas torres; entre os inexperientes, foram 2 de 13. O máximo foi 16 torres no grupo experiente e 6 no grupo de referência.

Em outra tarefa, colocar objetos no topo da Spire, os agentes que passaram pela exploração colocaram em média 10,3 objetos, contra 3,5 no grupo sem experiência. Na prova de lançar um bloco até a Spire sem subir em plataformas, mais da metade dos agentes inexperientes não conseguiu concluir o objetivo; apenas três dos agentes de 30 horas falharam. A quarta métrica, a maior torre em uma única coluna, não mostrou a mesma vantagem clara.

Esse último resultado é um contraponto relevante: exploração livre não melhora tudo automaticamente. O artigo descreve casos em que uma memória trouxe uma crença incorreta e prejudicou o resultado. Quando os pesquisadores removeram uma nota falsa, o desempenho melhorou. O experimento sugere que memória persistente pode ser mecanismo de aprendizagem prática, mas também é uma superfície de erro, contaminação e dependência de registros ruins.

O que muda para agentes que usam ferramentas

Hoje, muitos agentes corporativos recebem um fluxo estreito: interpretar solicitação, chamar API, registrar resposta e encerrar. Esse formato privilegia previsibilidade, mas pouco espaço deixa para descobrir atalhos, testar limites ou desenvolver modelos de trabalho do ambiente. O estudo propõe um contraste: em uma área segura e limitada, períodos de exploração sem meta poderiam produzir conhecimento operacional antes de uma tarefa real.

Isso não significa liberar um agente de produção para “explorar” sistemas de clientes, bancos de dados ou serviços externos. No ambiente do artigo, a ilha foi construída para a pesquisa, as ações estavam confinadas e havia um mecanismo de reprodução das trajetórias. Em ambientes empresariais, uma iniciativa parecida exigiria sandbox, permissões mínimas, isolamento de credenciais, limite de custo, auditoria completa e descarte verificável de memória inadequada.

Impacto prático para equipes brasileiras

Para empresas no Brasil que estão saindo de protótipos de copilotos para agentes com execução, a contribuição mais útil do estudo é a arquitetura, e não a metáfora da brincadeira. A combinação de ambiente simulado + memória explícita + avaliação posterior permite treinar procedimentos sem confundir descoberta com autorização para agir em produção.

Uma equipe de atendimento poderia criar uma base sintética de casos e medir se um agente aprende a consultar fontes, identificar lacunas e registrar regras de escalonamento. Uma equipe de logística poderia usar um simulador com pedidos artificiais antes de conceder acesso ao ERP. Em ambos os casos, a métrica não deve ser “o agente parece criativo”, mas taxa de acerto, custo, repetibilidade, qualidade das anotações e frequência de intervenções humanas.

Limitações e perguntas em aberto

• Amostra pequena: o resultado principal compara 13 execuções por grupo, em um único mundo artificial.
• Pré-print: a pesquisa está no arXiv e ainda precisa de escrutínio de revisão por pares e replicações independentes.
• Dependência do ambiente: os ganhos foram avaliados em tarefas relacionadas à própria ilha; ainda não está demonstrado que se transferem para trabalho aberto no mundo real.
• Memória falível: anotações persistentes podem preservar estratégias úteis, mas também erros e falsas crenças.
• Segurança: o experimento não justifica autonomia irrestrita. Quanto maior o acesso a ferramentas reais, maior a necessidade de limites e supervisão.

Análise do NoticIA

O aspecto mais sólido do experimento não é a afirmação de que máquinas “brincam”; é a demonstração de que agentes baseados em LLM podem acumular competência por meio de artefatos externos, como memória escrita, scripts e registros de tentativa e erro. Isso desloca uma parte do debate sobre agentes: em vez de esperar que cada melhoria venha exclusivamente de um modelo maior ou de um novo ajuste fino, equipes podem projetar experiências controladas que produzam conhecimento auditável.

Mas há uma condição decisiva. A mesma memória que permite transferência de habilidade pode carregar instruções equivocadas, dados contaminados ou padrões inseguros. Em produtos reais, a pergunta central não é se um agente explora por conta própria; é quem define o sandbox, quem revisa o que ele aprendeu e como esse aprendizado é validado antes de afetar usuários, dinheiro ou informações sensíveis.

Fonte e materiais do experimento

O artigo Is this machine playing? disponibiliza o pré-print, os autores, a metodologia e os resultados completos. O motor de simulação Clawblox é apresentado pelos pesquisadores como um projeto open source para criar ambientes 3D multiusuário destinados a agentes incorporados. A cobertura que trouxe o experimento ao monitor foi publicada pela TechCrunch em 23 de outubro de 2026.