구글에서 선호하는 출처로 추가
AI 에이전트 13개, 가상 섬 탐색 뒤 3개 과제서 앞서
서지우 기자
MIT 연구진은 에이전트 13개를 가상 섬에서 30시간 탐색하게 한 뒤 과제를 수행시켰다. 탐색 집단은 네 과제 중 세 과제에서 대조군보다 높은 성적을 냈다.
토포AI로 이 기사 더 깊이 읽기
MIT 연구진이 인공지능(AI) 에이전트 13개를 가상 섬에서 30시간 동안 탐색하게 한 뒤 네 가지 과제를 수행시켰다. 탐색을 거친 에이전트들은 세 과제에서 섬을 경험하지 않은 대조군보다 높은 성적을 냈다.
연구진은 10월 5일 공개한 논문에서 ‘에코(Eko)’라는 에이전트의 행동과 후속 과제 결과를 제시했다. 논문은 아직 동료 심사를 거치지 않았다.
에코는 앤트로픽(Anthropic)의 클로드 오퍼스 4.7을 사용한 코딩 에이전트다. 연구진은 같은 초기 조건에서 출발한 에이전트 13개를 각각 별도의 가상 섬에 배치했다. 섬에는 블록 12개와 바위, 고리가 있었고, 정해진 목표나 점수는 주어지지 않았다.
에이전트들은 높은 지형에 오르고 블록을 쌓거나 물건을 던졌다. 한 에이전트는 고리를 바다에 빠뜨린 뒤 블록으로 하트 모양을 만들었고, 다른 에이전트들은 고리를 농구 골대처럼 사용했다. 연구진은 스스로 규칙을 정하고 행동을 반복하거나 변형하는 등 놀이와 닮은 양상을 관찰했다고 설명했다.
연구진은 탐색을 마친 에이전트 13개와 섬을 경험하지 않은 에이전트 13개를 비교했다. 각 에이전트는 새로 시작한 섬에서 한 시간 동안 네 과제를 수행했다. 두 집단은 같은 AI 모델을 사용했고, 탐색 중 작성한 기억 파일의 내용이 달랐다.
블록 다섯 개짜리 탑을 두 개 넘게 쌓은 에이전트는 탐색 집단에서 13개 중 8개, 대조군에서 13개 중 2개였다. 가장 높은 바위 봉우리에 올린 물체 수는 탐색 집단이 평균 10.3개, 대조군이 3.5개였다. 봉우리에 블록을 던지는 과제에서도 탐색 집단의 실패가 더 적었다.
반면 가장 높은 탑 하나를 쌓는 과제에서는 두 집단의 성적이 비슷했다. 탐색 집단이 모든 과제에서 앞선 것은 아니다.
에이전트들은 탐색 중 알아낸 방법을 텍스트 파일에 기록했다. 연구진이 한 에이전트의 파일에서 특정 방법을 지우자 관련 과제 성적이 떨어졌고, 잘못 기록한 방법을 지운 뒤 성적이 오른 사례도 있었다. 경험을 기록하는 방식이 수행에 영향을 줄 수 있음을 보여준다.
이번 연구는 가상 섬에서 블록과 물체를 다루는 과제를 평가했다. 연구진은 관찰한 행동을 놀이의 양상으로 설명했지만, 그 행동을 일으킨 AI 내부 작동 방식까지 규명하지는 못했다고 밝혔다. 가상자산 거래 에이전트의 성능으로 확대해 해석할 근거도 제시하지 않았다.
가상 환경에서 AI 에이전트의 행동과 수행 능력을 살피는 연구는 거래 성능 평가와는 구별된다. 본지는 앞서 바이낸스가 AI 에이전트에 주문 권한을 연 사례를 보도했지만, 이번 연구의 과제는 거래가 아닌 가상 섬 탐색과 물체 조작이었다.
Comment 0
불러오는 중…