麻省理工学院计算机科学与人工智能实验室把13个基于Claude Opus 4.7的智能体“埃科”单独丢到虚拟荒岛上，各运行30小时，不给任何任务或奖励。这些智能体自发发明篮球、“地板是熔岩”等游戏，为一枚掉进海里的金戒指建石心纪念，还用方块拼出星座，事后在指定任务上明显跑赢从未上岛的同款智能体。

该项目惊艳的地方在于“玩”如何变成可迁移技能。智能体只通过文本指令控制虚拟身体，世界以JSON描述呈现，长期记忆全写在可编辑的文本文件里。30小时后，上过岛的智能体在“把尽可能多物体搬上最高尖塔”任务上，平均放上10.3个物体，对照组只有3.5个；在多塔搭建基准上，62%的经验体建出超过两座塔，最高16座，对照组仅15%、峰值6座。删掉记忆文件里的一行关键技术笔记，性能立刻回落——学习发生在外部记忆，而不是模型权重。六成智能体还自己发现了“起跳中途松手可把方块扔得更远”这种设计者事先不知道的物理窍门。论文作者把这种行为对照动物玩耍的经典标准：自定规则、重复变体、假装、无功利目标。

这更像一次被文化先验与“保持好奇”提示词共同塑造的角色扮演，而非机器突然长出童年。真正的信号是：开放环境加可写记忆，能在不更新参数的前提下积累可编辑的技能资产。未来机器人若要应对未知场景，或许不必事事给奖励函数，先给一片安全沙盒让它自己玩一阵，可能比堆任务数据更有效。