Abonează-te la newsletter-ul zilnic Popular Science pentru ultimele descoperiri, inovații și sfaturi DIY livrate șase zile pe săptămână. Progresul modelelor de inteligență artificială (IA) este deseori ilustrat prin performanțele lor în jocuri. Deep Blue de la IBM a șocat lumea în 1997, când a învins campionul de șah Garry Kasparov, iar aproape două decenii mai târziu, AlphaGo de la Google a învins un campion uman în Go — o realizare considerată cândva imposibilă. De atunci, IA a avansat de la jocurile de societate la jocurile video, folosind învățarea prin întărire, o tehnică esențială și pentru antrenarea chatboților precum ChatGPT, care permite mașinilor să stăpânească jocuri Atari și titluri strategice complexe precum Dota 2 și Starcraft II. Totuși, IA întâmpină dificultăți în învățarea rapidă a diverselor jocuri mai deschise — un domeniu în care oamenii excelează. Atunci când se confruntă cu un joc necunoscut, jucătorii umani înțeleg rapid elementele de bază, în timp ce modelele IA adesea eșuează, așa cum evidențiază un studiu recent al profesorului de informatică de la NYU, Julian Togelius, și colegilor săi. Această diferență subliniază faptul că există o diferență fundamentală între inteligența umană și capacitățile actuale ale IA, demonstrând că drumul spre atingerea sau depășirea inteligenței umane reale este încă lung. Jocurile au fost mult timp terenuri ideale pentru testarea IA datorită regulilor lor predictibile, obiectivelor și mecanicilor bine definite, care se potrivesc cu învățarea prin întărire: modelele joacă repetat în simulări pentru a învăța din greșeli și a se perfecționa. Această metodă a permis DeepMind să stăpânească jocurile Atari în 2015 și influențează modelele mari de limbaj de astăzi, antrenate pe volume uriașe de date de pe internet. Totuși, aceste modele excelează doar în sarcini specifice, cu constrângeri clare; mici modificări ale designului jocului pot destabiliza performanța AI-ului. Deși AI poate ajunge la abilități superumane în anumite jocuri, întâmpină dificultăți în improvizație. Această limitare devine și mai evidentă pe măsură ce jocurile moderne devin tot mai open-ended și abstracte. Spre deosebire de șah, jocuri precum „Red Dead Redemption” oferă obiective complexe, legate de interpretarea unui personaj moralmente conflictat, mai degrabă decât de ținte simple.

Oamenii înțeleg aceste subtilități intuitiv; mașinile nu. Chiar și în jocuri sandbox mai simple, precum „Minecraft”, IA poate efectua acțiuni de bază, cum ar fi sări, fără a înțelege sensul acestor acțiuni. Autorii subliniază faptul că jocurile bine proiectate se aliniază strâns cu intuiția umană, cu bunul simț și cu experiența trăită — experiență acumulată de oameni în ani de interacțiune cu lumea reală. De exemplu, bebelușii încep să recunoască obiecte în jurul vârstei de 18 până la 24 de luni, doar din experiență, în timp ce mașinile necesită mult mai mult ghidaj. Această avantaj experiențial permite oamenilor să învețe noi jocuri mai rapid. Cercetările arată că IA bazată pe învățare prin întărire, condusă de curiozitate, poate avea nevoie de aproximativ patru milioane de apăsări de taste — sau în jur de 37 de ore continue — pentru a finaliza un joc, în timp ce jucătorii umani obțin de obicei înțelesurile noilor mecanici în mai puțin de 10 ore. Cu toate acestea, IA evoluează în domeniul jocului general. În 2023, Google DeepMind a introdus SIMA 2, un model care combină IA existentă cu capacități de raționament din modelul său de limbaj Gemini, permițând o înțelegere și o interacțiune mai bună cu jocurile 3D — chiar și cele pentru care nu a fost special antrenat. Totuși, Togelius și colegii adaugă că IA are încă mult de parcurs înainte de a ajunge la nivelul adaptabilității umane. Ei propun un benchmark în care un model ar putea juca și câștiga în top 100 de jocuri de pe Steam sau App Store fără a fi fost pregătit în prealabil pentru niciunul dintre ele — și în aproximativ același timp în care o face un jucător uman. Acest obiectiv rămâne o provocare dificilă pentru metodele actuale de IA, care nici nu sunt aproape să-l rezolve sau să-l abordeze serios. Realizarea acestui nivel de generalizare ar necesita ca IA să demonstreze adevărată creativitate, planificare avansată și gândire abstractă — calități caracteristice exclusiv inteligenței umane. În cele din urmă, adevăratul test pentru atingerea „inteligenței umane” în IA nu va fi crearea de deepfakes sau redactarea unor romane superficiale, ci capacitatea de a stăpâni o gamă largă de jocuri diverse, cu o viteză de învățare și înțelegere asemănătoare celei umane.