اشتراک در خبرنامه روزانه مجله علم مردم‌پسند برای دریافت آخرین کشف‌ها، دستاوردها و نکات DIY، شش روز در هفته. پیشرفت مدل‌های هوش مصنوعی (AI) اغلب با توانایی‌های آن‌ها در بازی‌ها نشان داده می‌شود. در سال ۱۹۹۷، آی‌بی‌ام دیپ بلو جهان را با شکست پیروزمندانه در برابر استاد بزرگ شطرنج، گری کاسپاروف، شوکه کرد و تقریباً دو دهه بعد، AlphaGo گوگل در بازی Go یک قهرمان بشری را شکست داد—کاری که پیش‌تر تصور می‌شد غیرممکن است. از آن زمان، هوش مصنوعی توسعه یافته و از بازی‌های تخته‌ای به بازی‌های ویدئویی رسیده است، و با استفاده از یادگیری تقویتی—which برای آموزش ربات چت مانند ChatGPT نیز حیاتی است—ماشین‌ها قادر به mastering بازی‌های آتاری و عناوین استراتژیک پیچیده‌ای چون Dota 2 و Starcraft II شدند. با این حال، هنوز هوش مصنوعی در یادگیری سریع انواع بازی‌های بازتر مشکل دارد—دامنه‌ای که انسان‌ها در آن برتری دارند. هنگامی که با بازی ناشناخته‌ای روبرو می‌شوند، بازیکنان انسانی سریع قواعد اولیه را درک می‌کنند، در حالی که مدل‌های هوش مصنوعی غالباً شکست می‌خورند، همان‌طور که در مقاله‌ای اخیر توسط ژولیان تگلوس، استاد علوم کامپیوتر دانشگاه نیویورک، و همکارانش ذکر شده است. این فاصله نشان‌دهنده تفاوت بنیادی بین هوش انسانی و توانایی‌های فعلی هوش مصنوعی است، و مشخص می‌کند که راه درازی در پیش است تا AI به سطح هوش انسانی برسد یا از آن عبور کند. بازی‌ها مدت‌هاست که به عنوان میدان‌های آزمایش ایده‌آل برای هوش مصنوعی شناخته می‌شوند، چرا که قوانینشان قابل پیش‌بینی، اهدافشان مشخص و مکانیزم‌هایشان ساده است، و این امر با یادگیری تقویتی سازگار است: مدل‌ها بازی‌ها را در شبیه‌سازی‌ها تکرار می‌کنند تا بهبود یابند از طریق آزمون و خطا. این رویکرد، تسلط دیپ‌مایند در بازی‌های آتاری در سال ۲۰۱۵ را ممکن ساخت و امروزه بر مدل‌های زبانی بزرگ که بر حجم وسیعی از داده‌های اینترنت آموزش دیده‌اند تأثیر می‌گذارد. اما این مدل‌ها تنها در وظایف خاص با محدودیت‌های واضح برتری دارند؛ تغییرات کمی در طراحی بازی می‌تواند عملکرد هوش مصنوعی را مختل کند. در حالی که AI ممکن است در یک بازی خاص مهارت فوق‌انسانی داشته باشد، در اجرای خلاقانه و بی‌مقدمه مشکل دارد. این محدودیت در حالی آشکارتر می‌شود که بازی‌های مدرن بیشتر و بیشتر باز و انتزاعی می‌شوند. بر خلاف شطرنج، بازی‌هایی مانند جهان باز “Red Dead Redemption” اهداف پیچیده‌تری دارند که به شخصیت درگیر در تضادهای اخلاقی مربوط است نه اهداف ساده.

انسان‌ها این جزئیات را ناخودآگاه درک می‌کنند؛ اما ماشین‌ها چنین قابلیتی ندارند. حتی در بازی‌های ساده‌تر در فضای sandbox مانند “Minecraft”، هوش مصنوعی ممکن است Actions پایه‌ای مانند پریدن را انجام دهد، ولی مفهومی از زمینه آن ندارد. نویسندگان تأکید می‌کنند که بازی‌های طراحی شده خوب، ارتباط نزدیکی با شهود، عقل سلیم و تجربه‌های زندگی دارند—مواردی که انسان‌ها در طول سال‌ها تعامل با دنیای واقعی جمع‌آوری می‌کنند. به عنوان مثال، نوزادان تا حدود ۱۸ تا ۲۴ ماهگی، اشیاء را فقط از طریق تجربه تشخیص می‌دهند، در حالی که ماشین‌ها نیازمند آموزش‌های دقیق‌تری هستند. این مزیت تجربی، انسان‌ها را قادر می‌سازد که بازی‌های جدید را سریع‌تر یاد بگیرند. تحقیقات نشان می‌دهد که هوش مصنوعی مبتنی بر کنجکاوی و یادگیری تقویتی ممکن است حدود چهار میلیون کلید فشار داده باشد—نزدیک به ۳۷ ساعت پیوسته—تا یک بازی را کامل کند، در حالی که بازیکنان بشری معمولاً در کمتر از ده ساعت، مفاهیم جدید را درک می‌کنند. با این حال، پیشرفت‌های AI در حوزه بازی‌های عمومی ادامه دارد. در سال ۲۰۲۳، دیپ‌مایند گوگل مدل SIMA 2 را معرفی کرد، دستگاهی که ترکیبی از هوش مصنوعی موجود و قابلیت‌های استدلال از مدل زبانی بزرگ Gemini است، و امکان درک و تعامل بهتر با بازی‌های سه‌بعدی—حتی آن‌هایی که به طور خاص بر روی آن آموزش ندیده است—را فراهم می‌کند. ولی تگلوس و همکاران هشدار می‌دهند که هنوز راه زیادی در پیش است تا AI با قابلیت‌های انطباق‌پذیری انسان برابری کند. آن‌ها پیشنهاد می‌کنند که معیار سنجش، بازی کردن و برنده شدن در ۱۰۰ بازی برتر Steam یا آی‌او‌اس بدون آموزش قبلی بر روی هیچ‌یک از آن‌ها است—و این را در زمانی تقریبا برابر با زمانی که یک انسان صرف می‌کند انجام دهد. این چالشی بزرگ است که روش‌های فعلی AI نه نزدیک به حل آن هستند و نه در حال تلاش جدی برای آن. رسیدن به چنین سطحی از تعمیم، نیازمند اثبات خلاقیت واقعی، برنامه‌ریزی آینده‌نگر و فکر انتزاعی است—ویژگی‌هایی که منحصر به هوش انسانی است. در نهایت، آزمون واقعی برای رسیدن AI به «هوش سطح انسانی» شاید در توانایی آن در تسلط بر مجموعه‌ای متنوع از بازی‌ها با سرعت یادگیری و درک مشابه انسان باشد، نه در ساختن دیپ‌فیک‌ها یا نگارش رمان‌های سطحی.