Підписуйтеся на щоденну розсилку Popular Science, щоб отримувати новини про прориви, відкриття та поради для самостійного виготовлення, шостий день тижня. Прогрес моделей штучного інтелекту (ШІ) часто ілюструють їхніми досягненнями у грі. У 1997 році IBM’s Deep Blue здивувала світ, перемігши в шахах гросмейстера Гаррі Каспарова, а майже через два десятиліття Google’s AlphaGo перемогла людського чемпіона в Го — те, що вважалося неможливим. Відтоді ШІ просунувся від настільних ігор до відеоігор, використовуючи підкріплювальне навчання, техніку також важливу для тренування чат-ботів як ChatGPT, що дозволяє машинам опанувати ігри на зразок Atari та складні стратегічні тайтли, такі як Dota 2 і Starcraft II. Однак ШІ ще досі має труднощі із швидким навчанням різноманітних більш відкритих ігор — сфери, в яких переважають люди. Коли стикаються з незнайомою грою, людські гравці швидко засвоюють її основи, тоді як моделі ШІ часто зазнають невдачі, що підкреслює в останньому дослідженні професора комп’ютерних наук Нью-Йоркського університету Джуліана Тогеліусу та його колег. Ця різниця підкреслює фундаментальну відмінність між людським інтелектом і потенціалом сучасного ШІ, наголошуючи, що шляху до досягнення чи перевершення людського рівня інтелекту ще дуже багато. Ігри давно є ідеальним полігоном для тестування ШІ завдяки їхнім передбачуваним правилам, визначеним цілям і механікам, що добре поєднується з підкріплювальним навчанням: моделі грають у симуляціях, щоб покращувати свої навички через проби і помилки. Цей підхід дозволив DeepMind у 2015 році осягнути майстерність у Atari та впливає на сучасні великі мовні моделі, навчені на величезних обсягах інтернет-даних. Проте ці моделі добре справляються лише з конкретними завданнями, що мають чіткі межі; будь-які незначні зміни в дизайні гри можуть порушити їхню роботу. Хоча ШІ може досягти надлюдських навичок у окремій грі, він все ще має труднощі з імпровізацією. Ця обмеженість стає більш очевидною з розвитком сучасних ігор, що набирають відкритості та абстрактності. На відміну від шахів, ігри на кшталт відкритого світу «Red Dead Redemption» мають складні цілі, пов’язані з втіленням у персонажа з моральними конфліктами, а не простими задачами.

Люди інтуїтивно розуміють такі нюанси, машини — ні. Навіть у простіших пісочницях, таких як «Minecraft», ШІ може виконувати базові дії, наприклад, стрибки, без розуміння їхнього контексту. Автори підкреслюють, що добре продумані ігри тісно пов’язані з людською інтуїцією, здоровим глуздом і життєвим досвідом, які люди накопичують протягом років реального життя. Наприклад, немовлята навчаються розпізнавати предмети вже у 18–24 місяці, просто через досвід, тоді як машини потребують набагато більше керованого навчання. Цей досвід дає людині перевагу у швидкому опановуванні нових ігор. Дослідження показують, що curiosity-driven підкріплювальне навчання для ШІ може знадобитися близько чотирьох мільйонів натискань клавіш — приблизно 37 годин безперервної гри — тоді як середні людські гравці часто опановують нову механіку менше ніж за 10 годин. Попри це, ШІ рухається вперед у загальному геймплеї. У 2023 році Google DeepMind представила SIMA 2 — модель, яка поєднує існуючий ШІ з можливостями логічного мислення від її великої мовної моделі Gemini, що дозволяє краще розуміти і взаємодіяти з 3D-іграмами — навіть тими, що її спеціально не навчали. Але Тогеліус і його колеги застерігають, що ШІ ще має багато роботи, щоб наздогнати людську здатність до адаптації. Вони пропонують еталон, за яким модель могла б грати та вигравати у 100 найкращих ігор на Steam або у додатку iOS без попереднього тренування на якихось з них — і при цьому зробити це приблизно за той самий час, що і людина. Це залишається складним завданням, яке наразі і сучасні методи ШІ не здатні розв’язати або навіть активно намагаються. Досягти такого рівня узагальнення означало б, що ШІ продемонструє справжню креативність, здатність до передбачення і абстрактного мислення — якості, що є унікальними для людського інтелекту. Зрештою, справжнім випробуванням для ШІ у досягненні “рівня людського інтелекту” може бути не створення фейків або написання поверхневих романів, а здатність опановувати широкий спектр різноманітних ігор з швидкістю та розумінням, подібним до людського.