冲绳科学技术大学院大学的一个科学家和研究人员团队开发了一个项目，其中包含虚拟机器人，其神经网络受人类大脑启发。该系统引入了一种内置的“好奇心奖励”机制，鼓励机器人探索不熟悉的物体和环境。结果，模型开始自主与新的实体互动，从而使它们能够更快地习得语言技能。在一组48个语言结构中，它们在25%的情况下成功完成了新任务，而在180个结构的一组中，成功率提高到了85%。

这些机器人遵循了类似于儿童的学习模式。它们最初掌握了基本指令，然后遇到例外情况时遇到困难，最终学会了底层规则。研究人员将此过程比作儿童学习不规则动词时常见的U形学习曲线，即早期成功之后会出现暂时下降，然后表现再次提升。

与大多数现代语言模型（如ChatGPT）不同，这个系统是透明的。科学家可以观察机器人如何做出决策、制定计划以及决定下一步探索什么。虽然这些系统并不完全像儿童那样学习，但实验表明，好奇心驱动的行为可以显著加速新技能的习得。