लोकप्रिय विज्ञान दैनिक न्यूज़लेटर की सदस्यता लें जिसमें छह दिन प्रतिदिन प्रगति, खोजें और DIY टिप्स जारी की जाती हैं। कृत्रिम बुद्धिमत्ता (एआई) मॉडल की प्रगति का अक्सर उनके गेमिंग कौशल से संकेत मिलता है। IBM का Deep Blue 1997 में विश्व को स्तब्ध कर गया जब उसने शतरंज के ग्रैंडमास्टर गैरी कास्पारोव को हराया, और लगभग दो दशक बाद, Google का AlphaGo एक मानव चैंपियन को गो में हराने में सफल रहा—जिसे कभी असंभव माना जाता था। तभी से, एआई ने बोर्ड गेम से वीडियो गेम तक प्रगति की है, रिइनफोर्समेंट लर्निंग का उपयोग करके, जो चैटबॉट्स जैसे ChatGPT को प्रशिक्षण देने के लिए भी महत्वपूर्ण है, और मशीनों को Atari गेम्स और डोटा 2 जैसे जटिल रणनीति खेलों में महारत हासिल करने में मदद करता है। हालांकि, एआई अभी भी जल्दी से विभिन्न अधिक खुली-ended गेम सीखने में संघर्ष करता है—एक ऐसा क्षेत्र जहां मनुष्यों का वर्चस्व है। जब किसी अज्ञात खेल का सामना होता है, तो मनुष्यों को जल्दी ही उसकी मूल बातें समझ आ जाती हैं, जबकि AI मॉडल अक्सर असफल रहते हैं, जैसा कि NYU के कंप्यूटर साइंस प्रोफेसर जूलियन टोगेलियस और सहयोगियों ने अपने हालिया पेपर में बताया है। यह अंतर मानवीय बुद्धिमत्ता और AI की वर्तमान क्षमताओं के बीच मौलिक फर्क को उजागर करता है, और यह दर्शाता है कि AI के पास अभी मानव स्तर या उससे ऊपर पहुंचने से पहले लंबा रास्ता तय करना है। खेल लंबे समय से AI के लिए आदर्श परीक्षण मैदान रहे हैं क्योंकि इनमें नियम predictable होते हैं, लक्ष्य स्पष्ट होते हैं, और मैकेनिक्स भी, जो रिइनफोर्समेंट लर्निंग के अनुकूल हैं—मॉडल बार-बार खेल खेलते हैं, और परीक्षण और त्रुटि के माध्यम से सुधार करते हैं। इस दृष्टिकोण ने DeepMind को 2015 में Atari खेलों में महारत हासिल करने में मदद की, और आज के बड़े भाषा मॉडल भी विशाल इंटरनेट डेटा पर प्रशिक्षित होते हैं। लेकिन, ये मॉडल केवल विशिष्ट कार्यों में ही अच्छा प्रदर्शन करते हैं जिनमें स्पष्ट सीमाएं होती हैं; खेलने में मामूली बदलाव से AI की प्रदर्शन क्षमता प्रभावित हो सकती है। जबकि AI किसी खास गेम में सुपरह्यूमन कौशल हासिल कर सकता है, तो भी उसे सुधार करना कठिन होता है। यह सीमा तब अधिक स्पष्ट हो जाती है जब आधुनिक गेम अधिक open-ended और अमूर्त हो जाते हैं। शतरंज की भांति, “Red Dead Redemption” जैसे ओपन-वर्ल्ड गेम्स में जटिल उद्देश्य होते हैं, जो सीधे लक्ष्यों की तुलना में नैतिक संघर्षों को दर्शाते हैं। मनुष्यों को इन सभी नुकीले पहलुओं को समझने में सहजता होती है; मशीनें ऐसा नहीं कर पातीं। यहां तक कि “Minecraft” जैसे सरल सैंडबॉक्स गेम्स में भी, AI बेसिक क्रियाएँ जैसे कूदना कर सकता है, लेकिन उसकी समझ सीधी नहीं होती। लेखक मानते हैं कि अच्छी तरह से डिजाइन किए गए खेल मानव की सहज बुद्धिमत्ता, सामान्य ज्ञान और अनुभव के साथ मेल खाते हैं—जो मनुष्यों ने वर्षों के वास्तविक दुनिया के अनुभव से अर्जित किया है। उदाहरण के लिए, बच्चे लगभग 18 से 24 महीनों के बीच वस्तुओं को पहचानना सीख लेते हैं, बस अनुभव के आधार पर, जबकि मशीनों को इसमें बहुत अधिक मार्गदर्शन चाहिए होता है। यह अनुभव आधारित श्रेष्ठता मनुष्यों को नए खेल तेजी से सीखने की अनुमति देती है। शोध से पता चलता है कि जिज्ञासा-प्रेरित रिइनफोर्समेंट लर्निंग वाला AI लगभग चार मिलियन कुंजी प्रेस—या लगभग 37 लगातार घंटे—में एक खेल पूरा कर सकता है, जबकि सामान्य मनुष्यों को नए यांत्रिकी को समझने में आमतौर पर 10 घंटे से भी कम लगते हैं। फिर भी, AI सामान्य गेमप्ले में प्रगति कर रहा है। 2023 में, Google DeepMind ने SIMA 2 नामक मॉडल लॉन्च किया, जो मौजूदा AI को उसके Gemini बड़े भाषा मॉडल से सोचने-समझने की क्षमता जोड़ता है, जिससे यह बेहतर तरीके से 3D खेलों को समझने और उनमें इंटरैक्ट करने में सक्षम हो गया—उन खेलों में भी, जिनमें वह विशेष रूप से प्रशिक्षित नहीं था। फिर भी, टोगेलियस और उनके सहयोगी चेतावनी देते हैं कि AI को मानव संवेगशीलता के स्तर पर पहुंचने से पहले अभी बहुत क्षेत्र तय करना है। वे एक मानक स्थापित करने का प्रस्ताव करते हैं, जिसमें ऐसा मॉडल हो जो बिना किसी पूर्व प्रशिक्षण के स्ट्रीम या iOS ऐप स्टोर पर टॉप 100 खेल खेलने और जीतने में सक्षम हो—और वह भी लगभग उतना ही समय में जितना एक मनुष्य लेता है। यह अभी भी एक कठिन कार्य है, जिसे वर्तमान AI तकनीकें न तो हल कर पा रही हैं और न ही शायद ही गंभीरता से प्रयास कर रही हैं। इस स्तर की सामान्यता प्राप्त करने का मतलब है कि AI को असली रचनात्मकता, आगे की योजना बनाना, और अमूर्त सोच दिखानी होगी—जो विशेष रूप से मानव बुद्धिमत्ता की विशेषताएं हैं। अंततः, “मानव-स्तरीय बुद्धिमत्ता” तक पहुँचने के लिए AI का असली परीक्षा कभी गहरे नकली (Deepfakes) बनाने या उथले उपन्यास लिखने में नहीं बल्कि विभिन्न और विविध खेलों को मनुष्यों जैसी सीखने की गति और समझ के साथ mastering करने में हो सकती है।