Naročite se na dnevno glasilo Popular Science za prelomne najdbe, odkritja in nasvete za samoupravljanje, ki ga dostavljamo šest dni v tednu. Napredek modelov umetne inteligence (UI) je pogosto prikazan s svojo veščino v igrah. IBM-ova Deep Blue je leta 1997 osupnila svet s tem, da je premagala šahovskega mojstra Garija Kasparova, skoraj dve desetletji pozneje pa je Googleov AlphaGo premagal človeka šampiona v igri Go—nekaj, kar je bilo prej mislili nemogoče. Od takrat se je UI razvila od namiznih iger do video iger, pri čemer je uporabljala pospeševanje učenja, tehniko, ki je prav tako ključna za usposabljanje klepetalnih robotov, kot je ChatGPT, in s tem omogoča strojem, da osvojijo igre Atari ter kompleksne strategijske naslove, kot sta Dota 2 in Starcraft II. Vendar se UI še vedno težko nauči različnih bolj odprtih iger—področja, kjer sodijo ljudje. Ko se soočijo z nepoznano igro, ljudski igralci hitro razumejo njene osnove, medtem ko modeli UI pogosto odpovejo, kar poudarjajo v nedavnem dokumentu profesor Julian Togelius z NYU in njegovi sodelavci. Ta vrzel poudarja temeljno razliko med človeškim razumom in trenutnimi sposobnostmi UI, kar kaže, da ima UI še dolgo pot pred seboj, preden doseže ali preseže resnično človeško raven inteligence. Igre so že dolgo časa odlično področje za testiranje UI zaradi svojih predvidljivih pravil, opredeljenih ciljev in mehaniko, kar se dobro ujema z metodo pospeševanja učenja: modeli večkrat igrajo igre v simulacijah, da se izboljšajo skozi poskus in napako. Ta pristop je omogočil, da je DeepMind leta 2015 osvojil igre Atari, danes pa vpliva na velike jezikovne modele, ki so jih trenirali na ogromnih internetnih podatkih. Vendar ti modeli dobro delujejo le pri specifičnih nalogah z jasnimi omejitvami; rahle spremembe v zasnu igre lahko onemogočijo njihovo delovanje. Medtem ko UI lahko doseže nadčloveške veščine v določeni igri, se težko znajde v improvizaciji. Ta omejitev je še posebej opazna, ko se sodobne igre vse bolj odpirajo in postajajo bolj abstraktne. Za razliko od šaha, igre, kot je odprti svet “Red Dead Redemption”, vsebujejo kompleksne cilje, povezane z igranjem moralno spornega lika, namesto da bi imeli preproste cilje.

Ljudje intuitivno razumejo takšne nianse; stroji jih ne. Tudi v enostavnejših sandbox igrah, kot je “Minecraft”, UI lahko opravlja osnovne aktivnosti, na primer skok, brez razumevanja njihovega konteksta. Avtorji poudarjajo, da so dobro zasnovane igre tesno povezane z človeško intuicijo, zdravim razumom in izkušnjo, ki jo ljudje nabirajo skozi leta dejanskega sodelovanja z življenjem. Na primer, do približno 18 do 24 mesecev starosti se dojenčki naučijo prepoznati predmete zgolj z izkušnjo, medtem ko stroji potrebujejo veliko več usmerjene podpore. Ta izkušnja ljudem omogoča hitrejše učenje novih iger. Raziskave kažejo, da UI, ki temelji na radovednosti in pospešuje učenje, lahko za dokončanje igre potrebuje približno štiri milijone stiskov tipk—oziroma približno 37 ur neprekinjenega igranja, medtem ko povprečni ljudski igralci pogosto osvojijo nove mehanike v manj kot 10 urah. Kljub temu se UI napreduje na področju splošnega igranja iger. V letu 2023 je Google DeepMind predstavil SIMA 2, model, ki združuje obstoječo UI z razmišljalnimi zmožnostmi velikega jezikovnega modela Gemini, kar omogoča boljše razumevanje in sodelovanje v 3D igrah—tistih, za katere ni bilo posebej usposobljenega. Vendar Togelius in njegovi sodelavci opozarjajo, da UI še nima dovolj velikega napredka, da bi dosegla človeško prilagodljivost. Predlagajo merilno lestvico, kjer bi model lahko igral in zmagal na 100 najboljših igrah na Steamu ali iOS App Store brez predhodnega usposabljanja na katerih koli od njih—in približno enakem času, ki ga potrebuje človek. To ostaja velik izziv, ki ga trenutne metode UI še niso na približno poti do rešitve ali pa se nanj resno ne trudijo. Doseg tega nivoja splošnosti bi od UI zahteval, da pokaže resnično ustvarjalnost, napredno načrtovanje in abstraktno razmišljanje—lastnosti, ki so edinstvene za človeško inteligenco. Na koncu bi lahko pravi izziv za UI, da doseže “človeško raven inteligence”, predstavljal ne le ustvarjanje deepfake posnetkov ali pisanje plitkih romanov, temveč tudi sposobnost obvladovanja širokega spektra raznolikih iger z učnim tempom in razumevanjem, podobnim človeškemu.