Prihláste sa na denný newsletter Popular Science a získavajte informácie o prelomoch, objavoch a návodoch na opravy a vylepšenia, ktoré vám budú chodiť šesť dní v týždni. Pokrok modelov umelej inteligencie (UI) sa často ilustruje ich schopnosťou hrať hry. IBM-ov Deep Blue v roku 1997 ohromil svet tým, že porazil šachového veľmajstra Garryho Kasparova, a takmer dve desaťročia neskôr Google AlphaGo zdolal ľudského šampióna v Go — čo sa kedysi považovalo za nemožné. Od toho času AI pokročila od stolných hier k videohreám, využívajúc techniku posilňovacieho učenia, ktorá je tiež kľúčová pri tréningu chatbotov ako ChatGPT, umožňujúc strojom zvládnuť Atari hry a zložité stratégie ako Dota 2 a Starcraft II. Napriek tomu má AI stále problém s rýchlym osvojovaním si rôznych, často otvorenejších hier — oblastí, v ktorých vynikajú ľudia. Keď narazia na neznámu hru, ľudskí hráči rýchlo pochopia jej základy, zatiaľ čo modely umelej inteligencie často zlyhajú, ako zdôrazňuje nedávna práca profesora počítačovej vedy z NYU Juliana Togeliusa a jeho kolegov. Tento rozdiel poukazuje na základný rozdiel medzi ľudskou inteligenciou a aktuálnymi schopnosťami umelej inteligencie a naznačuje, že cesta k dosiahnutiu alebo prekročeniu ľudskej úrovne inteligencie je ešte dlhá. Hry sú už dlho ideálnym testovacím prostredím pre AI vďaka ich predvídateľným pravidlám, jasne stanoveným cieľom a mechanikám, ktoré sa dobre hodia k posilňovaciemu učeniu: modely opakovane hrajú hry v simuláciách, čím sa zlepšujú formou pokusov a omylov. Tento prístup umožnil DeepMind-u v roku 2015 zvládnuť Atari hry a dnes ovplyvňuje veľké jazykové modely trénované na obrovskom množstve internetových dát. Avšak, tieto modely excelujú len pri určitých úlohách s jasnými obmedzeniami; malé zmeny v dizajne hry môžu narušiť ich výkon. Hoci môže AI dosiahnuť zručnosti nad ľudské v konkrétnej hre, má problém s improvizáciou. Táto obmedzenosť je ešte zreteľnejšia, keď sa moderné hry stávajú čoraz viac otvorenými a abstraktnými. Na rozdiel od šachu, hry ako “Red Dead Redemption” s otvoreným svetom majú zložité ciele viazané na stvárňovanie morálne komplikovanej postavy, namiesto priameho cieľa.

Ľudia tieto nuansy intuitívne chápeme; stroje nie. Aj v jednoduchších sandboxových hrách ako “Minecraft” môže AI vykonávať základné akcie, ako je skákanie, bez pochopenia ich kontextu. Výskumníci zdôrazňujú, že dobre navrhnuté hry sú v úzkom súlade s ľudskou intuíciou, zdravým rozumom a životnou skúsenosťou — ktorú si ľudia budujú roky interakcie s reálnym svetom. Napríklad deti sa naučia rozpoznávať objekty približne v veku 18 až 24 mesiacov len na základe skúseností, zatiaľ čo stroje vyžadujú oveľa viac vedeného učenia. Táto skúsenostná výhoda umožňuje ľuďom rýchlejšie sa učiť nové hry. Výskum ukazuje, že AI založená na zvedavosti a posilňovacom učení potrebuje približne štyri milióny stlačení kláves alebo približne 37 hodín nepretržitej hry na zvládnutie hry, zatiaľ čo priemerní ľudskí hráči pochopia nové mechaniky za menej než 10 hodín. Napriek tomu sa AI vyvíja aj v oblasti všeobecnej hrania hier. V roku 2023 Google DeepMind predstavil SIMA 2, model, ktorý kombinuje existujúcu AI s reasoningovými schopnosťami svojho veľkého jazykového modelu Gemini, čím lepšie rozumie a komunikuje aj v 3D hrách — aj tých, na ktoré nebol špecificky trénovaný. Napriek tomu Togelius a jeho kolegovia varujú, že AI má pred sebou ešte významný kus cesty predtým, než dosiahne ľudskú prispôsobivosť. Navrhujú mlečbec, kde by model mohol hrať a vyhrať top 100 hier na Steame alebo v iOS App Store bez predchádzajúceho tréningu na ktorúkoľvek z nich — a to približne v rovnakom čase, aký by potreboval človek. Toto zostáva obrovskou výzvou, na ktorú súčasné metódy AI ešte nie sú ani blízko, ani vážne nepripravné. Dosiahnutie takejto úrovne generalizácie by vyžadovalo, aby AI preukázala skutočnú kreativitu, schopnosť predvídať a pracovať s abstraktnými konceptmi — vlastnostiam, ktoré sú výhradne znakom ľudskej inteligencie. Nakoniec, skutočná skúška pre AI na dosiahnutie „ľudskej úrovne inteligencie“ možno nebude v tvorbe deepfakes alebo písaní plytkých románov, ale v jej schopnosti ovládnuť širokú škálu rozličných hier s rýchlosťou učenia a pochopenia podobnou človeku.