¿Qué hace un agente de IA cuando tiene un mundo que explorar, pero no una misión que cumplir? El estudio Is this machine playing? describe actividades parecidas al juego y una transferencia de conocimientos a tareas posteriores. Su evidencia es conductual: no demuestra que la máquina sienta diversión o tenga una experiencia consciente.
1. La pregunta: ¿qué aprende quien no recibe una misión?
Imagina que dejas a alguien en una pequeña isla con cubos, una roca y un aro. No le pides construir una torre ni alcanzar una cima. Puede probar, inventar reglas o cambiar de actividad. Más tarde, cuando sí le encargas una tarea, quizá descubras que ya aprendió algo que le sirve.
Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus y Phillip Isola trasladan esa pregunta a un agente de IA llamado Eko. Lo sitúan en un mundo digital desconocido y observan qué hace. Después comparan su rendimiento con el de agentes que todavía no han explorado la isla.
La pregunta tiene dos partes que conviene mantener separadas: ¿su conducta se parece al juego?, ¿su experiencia produce conocimientos reutilizables? Que un agente diga «me divierto» no resolvería ninguna por sí solo.
Fuentes de este apartado
Fuente: resumen, introducción y sección 5.1.
2. La dificultad: reconocer juego sin leer una mente
Una máquina puede describir una aventura con palabras humanas y no experimentar lo que esas palabras sugieren. Los autores buscan por eso señales observables: retos autoimpuestos, repetición con variaciones, objetos reinterpretados y actividades que parecen valer por sí mismas.
Un aro puede ser un objeto con una posición en el simulador y, en el juego improvisado, una canasta. Esa diferencia ayuda a entender la interpretación simbólica; no prueba que exista imaginación consciente detrás de ella.
También hay que distinguir adquirir una técnica de narrar que se adquirió. Un cuaderno lleno de descubrimientos aparentes no basta: los autores evalúan tareas nuevas e intervienen sobre recuerdos específicos para comprobar si cambian las capacidades.
Fuentes de este apartado
Fuente: introducción, secciones 4 y 5.2.
3. El punto de partida: aprender para un objetivo fijado
En muchos sistemas de IA, una persona define la tarea, proporciona ejemplos o diseña una recompensa. Incluso el autojuego puede tener un objetivo muy preciso: ganar una partida. Que dos agentes jueguen entre sí no significa que hayan elegido por sí mismos qué actividad merece la pena.
La introducción sitúa el trabajo junto a investigaciones sobre curiosidad, exploración y aprendizaje abierto. No presenta la exploración autónoma como una idea que nunca se hubiera estudiado. Su pregunta es qué puede hacer un asistente de programación actual cuando dispone de cuerpo, memoria y continuidad sin una tarea concreta.
Eko no parte de cero ni está libre de instrucciones. Usa un modelo ya entrenado, herramientas, indicaciones de funcionamiento y, en la condición principal, un archivo que lo describe como curioso. «Sin misión» significa sin una tarea específica asignada, no sin contexto ni intervención de diseño.
Fuentes de este apartado
Fuente: introducción, secciones 2.1, 2.3 y 6.
4. El giro: una misma isla, historias diferentes
El experimento principal reunió trece agentes basados en Claude Code con Claude Opus 4.7. Cada uno empezó con la misma isla y espacio de trabajo y funcionó durante treinta horas de reloj. El mundo y el contexto de sesión se reiniciaban cada hora; los archivos de memoria, notas y programas permanecían.
Los registros muestran construcciones, ascensos, figuras en el suelo, deportes improvisados y pruebas de la física del simulador. Los recorridos no fueron idénticos. Un agente descubrió cómo combinar salto y desplazamiento; otro pasó mucho tiempo dibujando patrones y no llegó a pisar una plataforma elevada.
Los autores relacionan esas actividades con cuatro firmas de juego:
- Inventar reglas o desafíos.
- Volver a una actividad variándola.
- Dar significados simbólicos a objetos.
- Mantener metas subordinadas a la propia actividad.
Son criterios de análisis del comportamiento, no sensores de placer.
La clasificación de actividades y la puntuación de las firmas recurren a jueces basados en modelos de lenguaje. Los datos incluyen acciones y observaciones, no solo declaraciones del agente; aun así, la interpretación depende de la rúbrica y del procedimiento de clasificación.
Fuentes de este apartado
Fuente: secciones 2.3, 3 y 4; apéndices C y D.
5. La idea central: se reinicia el mundo, no el cuaderno
La persistencia cambia el significado de empezar otra vez. Si un agente descubre una ruta y la escribe, puede recuperar esa receta cuando la isla vuelva al estado inicial. El reinicio borra una torre construida; no necesariamente la técnica para reconstruirla.
Podemos imaginar el ciclo como actuar → observar → escribir → reutilizar. Es una representación explicativa del funcionamiento, no una ecuación del paper. El cuaderno ayuda a distinguir la memoria del episodio —qué ocurrió— del conocimiento reutilizable —qué parece funcionar y cómo repetirlo—.
En la evaluación, los grupos usan la misma arquitectura y el mismo modelo, sin cambios de pesos. Se diferencian por el contenido de sus archivos de memoria. El aprendizaje que se contrasta consiste en cambiar la información externa con la que actúa el sistema, no en reentrenar la red.
El estudio muestra conservación y reutilización de conocimientos en la isla. Eso no demuestra que cualquier exploración cambie permanentemente las capacidades del modelo base.
Fuentes de este apartado
Fuente: secciones 2.1, 5.1 y 5.5.
6. La prueba: tareas nuevas y recuerdos borrados
Tras la exploración, los autores comparan trece agentes con treinta horas de experiencia frente a trece sin exposición previa. Cada evaluación da una hora en una isla recién inicializada. Se plantea uno de los cuatro objetivos de la tabla; en el lanzamiento a Spire no se permite subir a plataformas.
| Tarea | Resultado descrito en la fuente |
|---|---|
| Muchas torres de cinco bloques | Ocho de trece agentes experimentados construyeron más de dos torres; dos de trece inexpertos lo consiguieron. Los máximos fueron dieciséis y seis. |
| Objetos en Spire | El grupo experimentado colocó 10,3 objetos de media, frente a 3,5 en el grupo sin experiencia. |
| Lanzar un bloque a Spire | Falló más de la mitad del grupo sin experiencia; fallaron tres agentes del grupo experimentado. |
| Torre más alta | Los grupos obtuvieron puntuaciones similares. La experiencia no produjo una ventaja general en las cuatro tareas. |
Las proporciones del primer resultado aparecen redondeadas en el paper como 62 % y 15 %. No representan una medición sobre personas ni sobre todos los agentes posibles.
En tres agentes seleccionados borran de la memoria todas las menciones de un conocimiento concreto. Repiten cinco evaluaciones de una hora por tarea y condición. No eliminan toda la experiencia: intervienen sobre una pieza de información.
Eliminar la receta para obtener cubos mediante impactos de la roca redujo el número de torres del agente 2. Sus puntuaciones en las otras tareas no cambiaron. Eliminar la técnica de lanzar mientras se salta hizo más lento el lanzamiento del agente 1 hacia Spire, pero mejoró otra tarea: colocar objetos allí. Las técnicas sirven de forma distinta según el objetivo.
Fuentes de este apartado
Fuente: secciones 5.1–5.4, figura 5 y apéndice C.8.
7. Lo inesperado: recordar también puede estorbar
El cuaderno no almacena únicamente aciertos. El agente 7 había escrito que apilar mediante la acción Place era poco fiable y que convenía lanzar los bloques. Según el estudio, esa era una creencia falsa. Cuando se borraron sus menciones, aumentó su puntuación en la tarea de construir la torre más alta.
Esto explica por qué experiencia y rendimiento no son sinónimos. Una receta útil abre posibilidades; una regla equivocada puede cerrar un camino que el agente sin experiencia todavía probaría. Persistir una nota también persiste su error.
Otra técnica sorprendió incluso a los diseñadores: lanzar un bloque durante el salto transmite parte de la velocidad del cuerpo al objeto. Los autores distinguen ese hallazgo de la mecánica de obtener cubos con la roca, que sí habían introducido deliberadamente. La sorpresa es relativa a lo que los diseñadores sabían que permitía su simulador, no a una ley física descubierta fuera de él.
El apéndice también matiza la precisión del agente. Eko llamó «óptimo» a un momento de lanzamiento que solo era el más temprano de los probados; algunos intentos tuvieron fallos. La explicación cualitativa podía ser correcta sin que la calibración estuviera establecida.
Fuentes de este apartado
Fuente: secciones 5.3 y 5.4; apéndice F.
8. Las consecuencias: explorar con memoria, dentro de límites
La experiencia descrita sugiere una vía para acumular habilidades externas sin fijar de antemano cada tarea. También deja una pregunta de mantenimiento: ¿cómo impedir que una afirmación falsa se vuelva una instrucción duradera?
[Inferencia] Para sistemas que aprenden mediante notas, separar observaciones, hipótesis y recetas verificadas podría facilitar su revisión. Esta es una orientación derivada de la lectura, no una estrategia cuya eficacia se haya evaluado aquí.
La muestra principal usa un modelo concreto y un único entorno. Hay condiciones adicionales con otros modelos y sin el archivo de personalidad. Eso no demuestra que todas las IA vayan a explorar del mismo modo. En cinco ejecuciones sin SOUL.md y con un prompt reducido no observaron una diferencia clara en la variedad de actividades. Esa observación no establece equivalencia universal entre instrucciones.
Tampoco se compara el juego con cualquier entrenamiento alternativo de igual duración. Las intervenciones apoyan el papel de conocimientos escritos en casos seleccionados; no separan todos los efectos de juego, exploración, planificación y tiempo disponible. El aprendizaje medido permanece en tareas del mismo mundo, no en una batería general de capacidades fuera de él.
La discusión de seguridad es concreta: un coche en circulación o un robot de fábrica no son lugares para improvisar. El experimento contiene al agente en una isla simulada y aislada. Explorar sin un objetivo particular no implica actuar sin controles.
Fuentes de este apartado
Fuente: secciones 5, 7.1 y 7.3; apéndices A.5, C.4 y C.8.
9. La lección: el cuaderno vale tanto como sus correcciones
El título pregunta si la máquina juega. Las acciones muestran firmas conductuales asociadas al juego; parte de la experiencia escrita influye en tareas posteriores. La cuestión de si siente diversión sigue abierta.
La próxima torre depende de los cubos, de las técnicas conservadas y de las reglas equivocadas que aún contenga la memoria. El experimento de borrar una creencia falsa deja una tarea concreta: comprobar también lo que el cuaderno presenta como sabido.
Fuentes de este apartado
Fuente: conclusiones y sección 5.3.
Fuente y límites de esta lectura
- Se consultó el HTML completo de https://machineplaying.org/paper/ el 21 de octubre de 2026. La página no identifica una versión, DOI, arXiv o fecha bibliográfica propia; esos campos se conservan desconocidos.
- Los números y episodios se atribuyen a los autores. No se ejecutaron Clawblox, experimentos, transcripciones originales ni pruebas estadísticas independientes.
- Las firmas de juego no son evidencia de consciencia. El modelo estaba entrenado y recibió contexto e instrucciones generales; los agentes no partían de una mente vacía.
- El aprendizaje evaluado usa memoria externa sin actualizar pesos. No se demuestra transferencia a otros mundos ni superioridad frente a todas las formas de práctica dirigida.
- La viñeta es una explicación visual original. No reproduce capturas del experimento ni inventa mediciones adicionales.
Referencia: Cloos, N.; Norelli, A.; Durbin, D.; Andreas, J.; Rus, D.; e Isola, P. Is this machine playing? Manuscrito web, sin fecha o versión declaradas en la página consultada. Artículo original.