Абонирайте се за ежедневния бюлетин на Popular Science за пробиви, открития и съвети за самостоятелна работа, който се изпраща шест дни в седмицата. Напредъкът при модели на изкуствен интелект (ИИ) често се илюстрира чрез тяхната игрова сила. IBM’s Deep Blue удиви света през 1997 година, побеждавайки шахмата майстор Гарри Каспаров, а почти две десетилетия по-късно, AlphaGo на Google надбяга човешки шампион в играта Го — нещо, смятано за невъзможно. Оттогава ИИ напредна от настолните игри към видеоигрите, използвайки усилващо обучение, техника, която е важна и за трениране на чатботове като ChatGPT, позволяваща на машините да усвоят Atari игри и сложни стратегии като Dota 2 и Starcraft II. Въпреки това, ИИ все още се затруднява с бързото научаване на различни по-отворени игри — област, в която човешките умения са безспорни. Когато се сблъска с непозната игра, човешките играчи бързо усвояват основите, докато моделите на ИИ често се провалят, както беше изтъкнато в последната статия на професора по компютърни науки в NYU, Джулиан Тогелиу и неговите колеги. Тази разлика подчертава основната разлика между човешкия интелект и настоящите възможности на ИИ и показва, че изкуственият интелект има дълъг път за вършене, преди да достигне или надмине човешкия интелект. Дълго време игрите са били идеално поле за тестове на ИИ заради предвидимите правила, ясните цели и механики, които съвпадат добре с усилващото обучение: моделите играят многократно игри в симулации, за да се усъвършенстват чрез проби и грешки. Този подход позволи на DeepMind през 2015 да овладее Atari игри и оказва влияние и днес върху големите езикови модели, обучавани върху огромни количества интернет данни. Въпреки това, тези модели се справят добре само със задачи с ясни ограничения; малки промени в дизайна на играта могат да нарушат производителността на ИИ. Докато ИИ може да постигне суперхуманни умения в конкретна игра, то се затруднява при импровизация. Този лимит става още по-очевиден, като се има предвид, че съвременните игри стават все по-отворени и абстрактни. За разлика от шаха, игри като „Red Dead Redemption“ отворен свят имат сложни цели, свързани с изпълнение на ролята на морално конфликтен персонаж, а не просто с постигане на определени резултати.

Човекът интуитивно разбира тези нюанси, а машините — не. Дори в по-прости пясъчни игри като „Minecraft“, ИИ може да извършва основни действия като скачане, без да разбира техния контекст. Авторите подчертават, че добре проектираните игри съвпадат тясно с човешката интуиция, здрав разум и житейски опит — всичко натрупано чрез години на взаимодействие с реалния свят. Например, бебетата научават да разпознават предмети около 18-24 месеца само чрез опит, докато машините изискват много по-насочено обучение. Този опит дава човека предимство да учи нови игри по-бързо. Проучвания показват, че AI, базирано на любопитство и усилващо обучение, може да трябват около четири милиона натискания на клавиши или приблизително 37 непрекъснати часа, за да завърши една игра, докато средният човек геймър често усвоява нови механики за по-малко от 10 часа. Въпреки това, ИИ напредва и в общото игрово поведение. През 2023 година, DeepMind на Google представи SIMA 2 — модел, който комбинира съществуващи възможности на ИИ с разсъждения от големия езиков модел Gemini, позволявайки по-добро разбиране и взаимодействие с 3D игри — дори и с тези, на които не е бил специално обучаван. Въпреки това, Тогелиу и колегите го предупреждават, че ИИ все още има значителен напредък пред себе си, преди да достигне човешката гъвкавост. Те предлагат benchmarks, при които модел може да играе и да спечели топ 100 игри в Steam или App Store без предварително обучение за тях — и то за приблизително време, което човек би отнело. Това остава сериозно предизвикателство, което текущите методи на ИИ не само че не могат да решат, но и трудно започват да се опитват. Постигането на такова ниво на обща способност би изисквало ИИ да демонстрира истинска креативност, предвидливо планиране и абстрактно мислене — качества, които са уникално характерни за човешкия интелект. В крайна сметка, най-важното изпитание за ИИ да достигне „човешко ниво“ на интелигентност може да не бъде създаването на дълбоки фалшификати или писането на повърхностни романи, а способността му да овладее широка гама от различни игри с човешка скорост на учене и разбиране.