Незважаючи на стрімкий прогрес у галузі штучного інтелекту (ІІ), люди, як і раніше, перевершують ІІ у швидкості освоєння нових відеоігор. У той час як ІІ досягає успіху в іграх з чіткими правилами та цілями – наприклад, у шахи або деякі стратегії – він відчуває труднощі у відкритих, непередбачуваних світах, які потребують інтуїції та адаптивності. Це не просто забаганка ігрової індустрії; це підкреслює фундаментальні відмінності в тому, як машини та люди навчаються, потенційно розкриваючи, чому справжній «людський рівень інтелекту» залишається невловимим для ІІ.
Перевага ІІ: Спеціалізація Замість Узагальнення
Десятиліттями ІІ використовував ігри як полігон для випробувань. Моделі, такі як Deep Blue від IBM (шахи) та AlphaGo від Google (го), продемонстрували здатність ІІ домінувати у структурованих середовищах завдяки навчанню з підкріпленням – багаторазовому методу спроб та помилок. Цей метод зараз лежить в основі ІІ-чатботів і чудово справляється з освоєнням ігор Atari, Dota 2 і Starcraft II.
Однак цей успіх залежить від чітких обмежень. ІІ перемагає людей у цих іграх, бо правила жорсткі, а цілі визначені. Навіть незначні зміни в ігровому дизайні можуть зламати ІІ модель, яка процвітає за рахунок повторення, а не імпровізації. На відміну від людей, ІІ-моделі не вміють узагальнювати; вони стають винятково хорошими в одному конкретному завданні.
Чому Люди Навчаються Швидше
Ключова відмінність полягає в тому, як люди підходять до нових завдань. Людина може швидко освоїти випадкову гру і зрозуміти її механіку швидше, ніж ІІ, навіть у складних проектах, таких як Red Dead Redemption. Люди інтуїтивно розуміють неоднозначні цілі – наприклад, втілення морально неоднозначного злочинця – тоді як ІІ має труднощі з абстрактними поняттями.
Дослідники з Нью-Йоркського університету наголошують, що добре розроблені ігри враховують людські можливості: інтуїцію, здоровий глузд і життєвий досвід. Людське немовля вчиться розпізнавати об’єкти протягом кількох місяців, просто перебуваючи у світі; ІІ потрібне широке навчання. Дослідження показують, що ІІ-моделям може знадобитися 37 годин безперервної гри (чотири мільйони взаємодій із клавіатурою), щоб закінчити гру, в той час як геймер-людина часто розуміє, як це зробити, менш ніж за 10 годин.
Еталон Істинного ІІ
SIMA 2 від Google DeepMind є прогресом, інтегруючи можливості міркування зі своєї моделі Gemini, щоб допомогти ІІ краще взаємодіяти з новими середовищами. Однак, навіть цього прориву недостатньо. Автори пропонують еталон справжнього ІІ: перемогти 100 найкращих ігор у Steam або App Store без попередньої підготовки, приблизно за той самий час, що й людина.
Це завдання залишається невирішеним, і існуючі методи можуть бути до неї не пристосовані. Досягнення цього вимагатиме від ІІ прояву креативності, далекоглядного планування та абстрактного мислення, якостей, що залишаються унікально людськими.
Справжнє випробування «людського рівня інтелекту», можливо, прийде не від дипфейків чи романів, як від освоєння непередбачуваного хаосу відеоігор.
Здатність швидко адаптуватися до нових ситуацій, відточена роками життя у складному світі, є тим, що відрізняє людський та машинний інтелект. Поки ІІ не зможе відтворити цю вроджену адаптивність, він залишиться спеціалізованим інструментом, а не повноцінним когнітивним аналогом людини.
