Pretplatite se na dnevni bilten Popular Science za prekretnice, otkrića i savjete za DIY dostavljene šest dana u sedmici. Napredak u modelima umjetne inteligencije (AI) često se ilustrira njihovom igračkom vještinom. IBM-ov Deep Blue šokirao je svijet 1997. godine pobjedom nad šahovskim velemajstorom Garijem Kasparovom, a gotovo dva desetljeća kasnije, Googleov AlphaGo pobijedio je ljudskog šampiona u Goi—nekada smatrano nemogućim. Od tada, AI je napredovala od društvenih igara do videoigara, koristeći učenje putem potkrepljenja, tehniku koja je također ključna za obuku chatbota poput ChatGPT-a, omogućivši mašinama da ovladaju Atari igrama i složenim strategijskim naslovima poput Dota 2 i Starcraft II. Međutim, AI i dalje teško brzo uči razne otvorenije igre—područje u kojem su ljudi veoma vješti. Kada se suoče s nepoznatom igrom, ljudski igrači brzo shvate njene osnove, dok modeli AI često posrnu, što je istaknuto u nedavnom radu profesora računalnih znanosti na NYU, Juliana Togeliusa, i njegovih kolega. Ovaj jaz ističe temeljnu razliku između ljudske inteligencije i trenutnih sposobnosti AI-a, naglašavajući da AI još uvijek ima dug put prije nego što postigne ili premaši pravu razinu ljudske inteligencije. Dugogodišnje testiranje AI-a obavljalo se kroz igre zbog njihovih predvidivih pravila, definiranih ciljeva i mehanika, što se dobro uklapa u učenje putem potkrepljenja: modeli igraju igre u simulacijama ponovo i ponovo, pokušavajući i pogreškom naučiti. Ovaj pristup omogućio je 2015. godine DeepMind-u da savlada Atari igre, a danas velikim jezičnim modelima treniranim na masovnim podacima s interneta. Međutim, ti modeli su uspješni samo kod određenih zadataka s jasnim ograničenjima; male promjene u dizajnu igre mogu narušiti njihovu učinkovitost. Iako AI može postići superljudske vještine u određenoj igri, teško se snalazi s improvizacijom. Ovo ograničenje postaje još očitije kako modernije igre postaju sve otvorenije i apstraktne.

Za razliku od šaha, igre poput otvorenog svijeta „Red Dead Redemption“ imaju složene ciljeve povezane s utjelovljenjem moralno konfliktnog lika, a ne s jednostavnim zadacima. Ljudi intuitivno razumiju te nijanse; strojevi nisu u stanju. Čak i u jednostavnijim sandbox igrama poput „Minecrafta“, AI može obavljati osnovne radnje poput skoka, ali bez razumijevanja njihovog konteksta. Autori naglašavaju da dobro dizajnirane igre u skladu su s ljudskom intuicijom, zdravim razumom i iskustvom—koje ljudi skupljaju kroz godine interakcije s realnim svijetom. Na primjer, bebe počinju prepoznavati predmete već između 18 i 24 mjeseca, jednostavno kroz iskustvo, dok strojevi zahtijevaju mnogo više vođenog učenja. Ovaj iskustveni unabhängig omogućava ljudima brže savladavanje novih igara. Istraživanja pokazuju da AI komplementiran istraživanjem i učenjem putem potkrepljenja može za približno četiri miliona stiska tipki—što je otprilike 37 časova neprekinutog igranja—dovršiti igru, dok većina ljudi shvati nove mehanike u manje od 10 sati. Ipak, AI napreduje u općoj igri. U 2023. godini, Google DeepMind predstavio je SIMA 2, model koji kombinuje postojeće AI sposobnosti sa razmišljanjem iz Gemini velikog jezičnog modela, omogućavajući bolje razumijevanje i interakciju sa 3D igrama—čak i onima na kojima nije specifično treniran. Ipak, Togelius i saradnici upozoravaju da AI još uvijek ima značajne prepreke prije nego što dostigne ljudsku prilagodljivost. Predlažu neki standard po kojem bi model mogao igrati i osvojiti prvih 100 igara na Steamu ili App Store-u bez prethodne obuke na njima—i to otprilike u vremenu koje bi čovjek potrošio. Ovo ostaje izazov za AI koje trenutne metode nisu ni blizu rješenja, niti im se ozbiljno rade. Postizanje ovakvog nivoa generalizacije zahtijevalo bi od AI-a da pokaže pravu kreativnost, daljinsko planiranje i apstraktno razmišljanje—osobine koje su svojstvene isključivo ljudskoj inteligenciji. Na kraju, pravi test za AI koji dostigne „ljudsku razinu inteligencije“ možda neće biti u kreiranju dubfakesa ili pisanju plitkih romana, već u njegovoj sposobnosti da ovlada širokim spektrom raznolikih igara s brzinom učenja i razumijevanjem sličnim ljudskom.