მომხმარებლისთვის ყოველდღიური „პოპულარ საინსის“ ბიულეტენის გამოწერა დააწესეთ, სადაც ექსკლუზივები, აღმოჩენები და DIY რჩევები ექვსი დღის განმავლობაში მიწოდება ხდება. ხელოვნური ინტელექტის (AI) მოდელების პროგრესს ხშირად აჩვენებს მათი თამაშის უნარი. IBM-ის Deep Blue-მა 1997 წელს მსოფლიო გაოცება გამოიწვია, როდესაც მან შახმისტრა გარი კასპაროვი დაამარცხა, და თითქმის ორმოცწლიანი გაჭირვების შემდეგ, Google-ის AlphaGo-მ ადამიანის ჩემპიონი მოუგო თამაში GO-ში—რაც ადრე შეუძლებლად იყო მიჩნეული. მას შემდეგ, AI-ს დონე გადაინაცვლა საბაჟო თამაშებიდან ვიდეო თამაშებამდე, სადაც ის იყენებს გამაძლიერებელ სწავლებას, ტექნიკისაც კი, რაც მნიშვნელოვანია ჩეთბოტების, როგორებიცაა ChatGPT, მოსამზადებლად, რაც საშუალებას აძლევს მანქანებს იზეიმონ Atari-ს თამაშები და რთული სტრატეგიული სათამაშოები, როგორიცაა Dota 2 და Starcraft II. თუმცა, AI ჯერ კიდევ מתקשה სწრაფად ისწავლოს სხვადასხვა უფრო ღია თამაშები—განხორციელების სფერო, სადაც ადამიანებს უჭირთ ვერილს. როდესაც მოხვდებიან უცნობ თამაშზე, ადამიანი სწრაფად ხვდება ძირითად წესებს, ხოლო AI-ს მოდელები ხშირად იწურებიან ან ვერ აღწევენ მიზანს, როგორც ეს ირკვევა NYU-ს კომპიუტერული მეცნიერების პროფესორ Julian Togelius და მისი კოლეგების ახლანდელი ნაშრომიდან. ეს ხარვეზი ხაზს უსვამს ძირითdvით გამორჩეულ განსხვავებას ადამიანის გონებასა და AI-ს შესაძლებლობებს შორის, მიუთითებს რომ AI-ს სჭირდება დიდი გზა, სანამ სრულფასოვნად მიაღწევს ან გადააჭრის ნამდვილ ადამიანურ გონებას. შეხვედრები დიდ დროს სჭირდებათ თამაშების გამოცდაზე, რადგან მათში წესები წინასწარ გამოთვლილი და დასაშვებია, რაც თავსებადია გამაძლიერებელი სწავლების ტექნიკის გამოყენებასთან: მოდელები განმეორებით თამაშობენ თამაშებს სემულაციებში და სწავლობენ შეცდომებისგან. ეს მიდგომა დაარწმუნა DeepMind-ის 2015 წლის Atari თამაშების წლების გამართვაში და გავლენას ახდენს დღევანდელ დიდ ენის მოდელებზე, რომლებიც ტრენინგდებიან მასივის ინტერნეტ მონაცემებზე. მიუხედავად ამისა, ეს მოდელები ეფექტურია მხოლოდ კონკრეტულ საკითხებზე, სადაც თამაშის წესები ნათელია; ნებისმიერი თამაში, რომელსაც შეუსაბამო ცვლილებები ახლავს, შესაძლოა, AI-ს მარცხი მოუტანოს. בעוד AI შესაძლოა მიაღწიოს სუპერმანქანურ ნიჭს ერთ თამაშში, ის უჭირს მერყეობა და improvisation. ეს შეზღუდვა განსაკუთრებით ჩანს, როცა თანამედროვე თამაშები სულ უფრო ღია და აბსტრაქტული ხდება. მაგალითად, შახმისგან განსხვავებით, „Red Dead Redemption“-ის მსგავს თამაშებს აქვს რთული მიზნები, რომლებიც დაკავშირებულია მორალურ ღირებულებებთან და ნამდვილი მიზნებისთვის, სადაც ადამიანთა ინტუიციას უჭირავთ უპირატესობა.

ადამიანი ხვდება ამ ნიუანსებს; მანქანებს არა. ისეთ მარტივ sandbox თამაშებშიც, როგორიცაა „Minecraft“, AI შესაძლოა აკეთოს საყრელად პირდაპირი მოქმედებები, როგორიცაა გადახტა, მაგრამ არ შეიგნოს მათი კონტექსტი სრულად. მატყობინებელია, რომ კარგად შექმნილი თამაშები ძალიან ახლოსაა ადამიანის ინტუიციასთან, სენსიწესთან და გამოცდილებასთან, რასაც ადამიანი YEARS-ის განმავლობაში აგროვებს ჩვეულებრივი ურთიერთობა-მომწოდებელი. მაგალითად, პატარები სწავლობენ საგნების ცნობადობის, დაახლოებით 18-24 თვის ასაკში, გამოცდილების საშუალებით, ხოლო მანქანებს ეს ძალიან სჭირდება. ეს გამოცდილების უპირატესობა ადამიანებს საშუალებას აძლევს უფრო სწრაფად ისწავლონ ახალი თამაშები. კვლევები აჩვენებს, რომ curiosity-driven reinforcement learning AI-ისთვის საჭიროა დაახლოებით ოთხი მილიონი კლავიატურის დაჭერა, ანუ დაახლოებით 37 საათი უწყვეტი თამაში, რათა ბოლომდე მიაღწიოს თამაშს, როცა საშუალო ადამიანი ითვისებს ახალი მექანიკებს 10 საათში ნაკლებად. თუმცა, AI-ს პროგრესი გრძელდება ზოგად თამაშებში, სადაც ის ძლიერია. 2023 წელს Google DeepMind-მა წარადგინა SIMA 2 — მოდელი, რომელიც აერთიანებს არსებული AI-ს და სამგანზომილებით თამაშებთან ურთიერთობაშიც კი უკეთეს თუ ეს არ იყო სპეციალურად ტრენინგზე. მიუხედავად ამისა, Togelius და მისი კოლეგები ნაამბობდნენ, რომ AI-ს ჯერ კიდევ დიდი გზა აქვს გასავლელი ადამიანური მოქნილობის მისაღწევად. მოდელის შექმნა, რომელიც შეძლებს და მოიპოვებს იმის უფლებას, რომ ათი საუკეთესო თამაში Steam-ზე ან iOS-ის აპლიკაციების ფასადზე ითამაშოს და გაიმარჯვოს, არცთუ ისე რთული ჩანს, თუ მას წინასწარ არ აქვს სწავლა ამ თამაშებზე—და ამას გააკეთებს დაახლოებით ისეთ დროს, რასაც ადამიანის დასჭირდება. ეს რჩება სერიოზულ გამოწვევად, რომელზეც არსებულ AI მეთოდებს ჯერაც არ აქვთ პასუხი და არც სერიოზულად ცდილობენ. ამ დონეზე გლობალური გამომწვევი ნამდვილად ჭირდება AI-ს, რათა აჩვენოს ნამდვილ შემოქმედებას, წინასწარ დაგეგმვას და აბსტრაქტულ აზროვნებას—ეს არის უნარები, რომლებიც ადამიანის გონებას უნიკლურად ახასიათებს. საბოლოოდ, გამორჩეული გამოცდა „ადამიანურ დონეზე გონების“ მოსახდენად არ იქნება მხოლოდ ვირტუალურ ფეღიკებს და სუბსპანულ რომანებს შექმნის, არამედ სულ უფრო მრავალფეროვანი თამაშების გასაგებად და თამაშში ადამიანის მსგავსად სწავლას, რაც სწრაფი და ხმადოვებული იქნება.