Несмотря на стремительный прогресс в области искусственного интеллекта (ИИ), люди по-прежнему превосходят ИИ в скорости освоения новых видеоигр. В то время как ИИ преуспевает в играх с чёткими правилами и целями – например, в шахматы или некоторые стратегии – он испытывает трудности в открытых, непредсказуемых мирах, требующих интуиции и адаптивности. Это не просто прихоть игровой индустрии; это подчёркивает фундаментальные различия в том, как машины и люди учатся, потенциально раскрывая, почему истинный «человеческий уровень интеллекта» остаётся неуловимым для ИИ.
Преимущество ИИ: Специализация Вместо Обобщения
Десятилетиями ИИ использовал игры в качестве полигона для испытаний. Модели, такие как Deep Blue от IBM (шахматы) и AlphaGo от Google (го), продемонстрировали способность ИИ доминировать в структурированных средах благодаря обучению с подкреплением – многократному методу проб и ошибок. Этот же метод сейчас лежит в основе ИИ-чатботов и превосходно справляется с освоением игр Atari, Dota 2 и Starcraft II.
Однако этот успех зависит от чётких ограничений. ИИ побеждает людей в этих играх, потому что правила жёсткие, а цели определены. Даже незначительные изменения в игровом дизайне могут сломать ИИ-модель, которая процветает за счёт повторения, а не импровизации. В отличие от людей, ИИ-модели не умеют обобщать; они становятся исключительно хорошими в одной конкретной задаче.
Почему Люди Учатся Быстрее
Ключевое различие заключается в том, как люди подходят к новым задачам. Человек может быстро освоить случайную игру и понять её механику быстрее, чем ИИ, даже в сложных проектах, таких как Red Dead Redemption. Люди интуитивно понимают неоднозначные цели – например, воплощение морально неоднозначного преступника – в то время как ИИ испытывает трудности с абстрактными понятиями.
Исследователи из Нью-Йоркского университета подчёркивают, что хорошо разработанные игры учитывают человеческие возможности: интуицию, здравый смысл и жизненный опыт. Человеческий младенец учится распознавать объекты в течение нескольких месяцев, просто находясь в мире; ИИ требуется обширное обучение. Исследования показывают, что ИИ-моделям может потребоваться 37 часов непрерывной игры (четыре миллиона взаимодействий с клавиатурой), чтобы закончить игру, в то время как геймер-человек часто понимает, как это сделать, менее чем за 10 часов.
Эталон Истинного ИИ
SIMA 2 от Google DeepMind представляет собой прогресс, интегрируя возможности рассуждения из своей модели Gemini, чтобы помочь ИИ лучше взаимодействовать с новыми средами. Однако даже этого прорыва недостаточно. Авторы предлагают эталон истинного ИИ: победить 100 лучших игр в Steam или App Store без предварительной подготовки, примерно за то же время, что и человек.
Эта задача остаётся нерешённой, и существующие методы могут быть к ней не приспособлены. Достижение этого потребует от ИИ проявления креативности, дальновидного планирования и абстрактного мышления, качеств, которые остаются уникально человеческими.
Истинное испытание «человеческого уровня интеллекта», возможно, придёт не от дипфейков или романов, а от освоения непредсказуемого хаоса видеоигр.
Способность быстро адаптироваться к новым ситуациям, отточенная годами жизни в сложном мире, является тем, что отличает человеческий и машинный интеллект. Пока ИИ не сможет воспроизвести эту врождённую адаптивность, он останется специализированным инструментом, а не полноценным когнитивным аналогом человека.
