Telli ennustekiri Postituse teaduslikku lehte iga päev, kus jagatakse avastusi, läbimurdeid ja "tee ise" näpunäiteid kuus päeva nädalas. Tehisintellekti (AI) mudelite arengut illustreeritakse sageli nende mänguoskusega. IBM-i Deep Blue šokeeris maailma 1997. aastal, võites male suurmeistri Garry Kasparov, ja peaaegu kaks aastakümmet hiljem alistas Google’i AlphaGo inimese meistrivõistluse mängus Go – kunagi peetud võimatuks. Sellest ajast alates on AI liikunud lauamängudelt videomängudeni, kasutades tugevdusõppimist, tehnoloogiat, mis on oluline ka vestlusrobotite nagu ChatGPT koolitamisel, võimaldades masinatel omandada oskusi Atari mängudes ning keerulistes strateegiamängudes nagu Dota 2 ja Starcraft II. Kuid AI-l läheb endiselt raske, et kiiresti õppida erinevaid avaramat struktuuri sisaldavaid mänge – ala, kus inimesed on eriti osavad. Kui inimene satub tundmatu mängu ette, õpib ta kiiresti selle põhialused selgeks, samas kui AI-mudelil jääb tihtipeale tulemata, nagu rõhutab hiljutine NYU arvutiteaduse professor Julian Togeliuse ja tema kolleegide artikkel. See erinevus näitab põhjalikult erinevust inimese intelligentsi ja praeguste AI võimete vahel ning kinnitab, et tehisintellektil on ees pikk tee, enne kui see suudab jõuda või ületada inimese taseme intelligentsust. Mängud on juba ammu olnud ideaalsed testi-platvormid AI-le, tänu oma ennustatavatele reeglitele, määratletud eesmärkidele ja mehhanismidele, mis sobivad hästi tugevduse õppimisega: mudelid mängivad korduvaid mänge simulatsioonides, õpides läbi katse ja eksituse. See lähenemine aitas DeepMindil 2015. aastal omandada Atari mänge ning mõjutab tänapäevaseid suuri keelemooduleid, mis on treenitud tohutul hulgal internetiandmeid. Kuid need mudelid on osavad ainult konkreetsetes ülesannetes ja kindlate piirangutega; väikesed muudatused mängu disainis võivad AI tegevust häirida. Kuigi AI võib saavutada superinimliku oskuse kindlas mängus, on tal raskusi improvisatsiooniga. See piirang muutub veelgi nähtavamaks, kuna kaasaegsed mängud muutuvad järjest avatumaks ja abstraktsemaks.

Erinevalt maleprindist koosnevatest mängudest, nagu “Red Dead Redemption”, mille eesmärgid on seotud moraalselt konfliktse tegelaskujuga, on nende puhul tegutsemine palju keerulisem ja nüansirikkam. Inimesed mõistavad selliseid peenushäireid intuitiivselt, masinad mitte. Isegi lihtsamates “sandbox” mängudes nagu “Minecraft” võib AI teha põhilisi tegevusi, näiteks hüpata, ilma nende konteksti mõistmata. Autorid rõhutavad, et hästi disainitud mängud sobituvad inimese intuitsiooni, terve mõistuse ja kogetu elukogemusega, mida inimesed koguvad aastate jooksul reaalses maailmas suhteldes. Näiteks õpivad beebid umbes 18-24 kuu vanuselt objektide äratundmist pelgalt kogemuse kaudu, samas kui masinad vajavad selleks palju rohkem juhiseid ja õpetust. See kogemuspõhine eelis võimaldab inimestel uusi mänge kiiremini õppida. Uuringud näitavad, et uudishimust juhitud tugevdusõppe AI võib olla vaja umbes nelja miljoni klahvivajutuse – umbes 37 järjestikust tundi –, et mängu lõpetada, samas kui keskmine inimene õpib uusi mehhanisme tavaliselt alla 10 tunni. Siiski areneb AI ka üldisemal mängima õppimisel. 2023. aastal tutvustas Google DeepMind SIMA 2 mudelit, mis ühendab olemasoleva AI ning mõistmisvõimega selle Gemini suure keelemudeli abil, võimaldades paremat mõistmist ja koostööd ka 3D-mängudega, isegi neis, millele ta pole varem spetsiaalselt treenitud. Kuid Togeliuse ja kolleegide sõnul on AI-il endiselt oluline arenguruum enne, kui see suudab jõuda inimese kohanemisvõimesse. Nad pakuvad välja mõõduka standardi, mille kohaselt mudel võiks mängida ja võita 100 parimat mängu Steamis või iOS-i App Store’is, ilma nendel eelnevalt treenimata ning seda umbes samas ajas, mis inimene. See on endiselt tohutu väljakutse, millele praegused AI meetodid ei lähene ega püüa tõsiselt vastu astuda. Sellise üldistamise saavutamiseks vajaks AI tõelist loovust, etteplaneerimist ja abstraktset mõtlemist – omadusi, mis on inimese intelligentsuse eristatav iseloom. Lõppkokkuvõttes võib AI “inimtaseme” intelligentsusse jõudmise tõeline katsumus mitte olla mitte süvafake'ide loomine ega pintslitega väikeste romaanide kirjutamine, vaid selle võime omandada mitmekesine mängumaailm just inimese sarnaselt õppimiskiirusega ja mõistmisega.