Ondanks de snelle vooruitgang op het gebied van kunstmatige intelligentie (AI), blijven mensen superieur als het gaat om het snel onder de knie krijgen van nieuwe videogames. Hoewel AI uitblinkt in games met gedefinieerde regels en doelen – zoals schaken of bepaalde strategietitels – worstelt het met open, onvoorspelbare omgevingen die intuïtie en aanpassingsvermogen vereisen. Dit is niet alleen een gaming-gril; het benadrukt fundamentele verschillen tussen de manier waarop machines en mensen leren, en onthult mogelijk waarom echte ‘intelligentie op menselijk niveau’ ongrijpbaar blijft voor AI.
Het AI-voordeel: specificiteit boven generalisatie
Decennia lang heeft AI games als proeftuin gebruikt. Modellen als IBM’s Deep Blue (schaken) en Google’s AlphaGo (Go) demonstreerden het vermogen van AI om te domineren in gestructureerde omgevingen door middel van versterkend leren – herhaaldelijk vallen en opstaan. Dezelfde methode drijft nu AI-chatbots aan en blinkt uit in het beheersen van Atari-spellen, Dota 2 en Starcraft II.
Dit succes is echter afhankelijk van duidelijke beperkingen. AI verplettert mensen bij deze spellen omdat de regels rigide zijn en de doelstellingen gedefinieerd zijn. Zelfs kleine variaties in het spelontwerp kunnen een AI-model kapotmaken, dat gedijt bij herhaling, niet bij improvisatie. In tegenstelling tot mensen leren AI-modellen niet te generaliseren; ze worden uitzonderlijk goed in één specifieke taak.
Waarom mensen nog steeds sneller leren
Het belangrijkste verschil ligt in de manier waarop mensen nieuwe ervaringen benaderen. Een mens kan een willekeurig spel oppakken en de mechanismen veel sneller begrijpen dan AI, zelfs in complexe titels als Red Dead Redemption. Mensen begrijpen intuïtief dubbelzinnige doelen – zoals het belichamen van een moreel dubbelzinnige bandiet – terwijl AI worstelt met abstracte concepten.
Onderzoekers van de New York University benadrukken dat goed ontworpen games inspelen op de menselijke capaciteiten: intuïtie, gezond verstand en geleefde ervaring. Een menselijke baby leert binnen enkele maanden objecten herkennen, simpelweg door in de wereld te bestaan; AI vereist uitgebreide training. Uit onderzoek blijkt dat AI-modellen 37 uur ononderbroken spelen (vier miljoen toetsenbordinteracties) nodig hebben om een game uit te spelen, terwijl een menselijke gamer dit vaak binnen de 10 uur doorheeft.
De maatstaf voor echte AI-intelligentie
SIMA 2 van Google DeepMind vertegenwoordigt vooruitgang en integreert de redeneermogelijkheden van het Gemini-model om AI te helpen beter te communiceren met nieuwe omgevingen. Maar zelfs deze doorbraak is niet genoeg. De auteurs stellen een maatstaf voor echte AI-intelligentie voor: het verslaan van de top 100 games op Steam of de iOS App Store zonder voorafgaande training, in ongeveer dezelfde tijd als een mens.
Deze uitdaging blijft onopgelost en de huidige methoden zijn mogelijk niet geschikt om deze op te lossen. Om dit te bereiken zou AI blijk moeten geven van creativiteit, vooruitziende planning en abstract denken, eigenschappen die uniek menselijk blijven.
De echte test voor ‘intelligentie op menselijk niveau’ komt misschien niet van deepfakes of romans, maar van het beheersen van de onvoorspelbare chaos van videogames.
Het vermogen om zich snel aan nieuwe situaties aan te passen, een vaardigheid die is aangescherpt door jarenlang navigeren in een complexe wereld, is wat menselijke en machine-intelligentie scheidt. Totdat AI dit aangeboren aanpassingsvermogen kan repliceren, zal het eerder een gespecialiseerd hulpmiddel blijven dan een echte cognitieve peer.
