يستطيع الذكاء الاصطناعي التغلب على أساتذة الشطرنج، لكنه لا يستطيع التكيف مع ألعاب الفيديو الحديثة

على الرغم من كل الضجيج المحيط بتغلب الذكاء الاصطناعي على لعبة الشطرنج، وحتى البرمجة الآن، لا يزال هناك ضعف صارخ يختبئ خلف تلك الانتصارات. لا يزال الذكاء الاصطناعي سيئًا جدًا في التعامل مع لعبة فيديو جديدة لم يسبق له مثيل من قبل.

تتحدث الحجة الأساسية لورقة بحثية جديدة صادرة عن جامعة نيويورك عن كيف رسمت هذه المعالم التي احتلت العناوين الرئيسية صورة مضللة عن مدى قرب الآلات من الذكاء العام الحقيقي.

التمييز مهم حقا.

تعد لعبة الشطرنج ولعبة Go من الإنجازات المثيرة للإعجاب، ولكنها ألعاب ذات قواعد ثابتة وبيئة منظمة، مقارنة بألعاب الفيديو الحديثة المعقدة. وتشير جامعة نيويورك إلى أن الذكاء الاصطناعي لم يتقن بعد الذكاء الشبيه بالإنسان لأنه لا يستطيع التكيف بشكل جيد.

حيث لا يزال هناك نقص في الذكاء الاصطناعي

وفقًا للباحثين، فإن العديد من أكبر نجاحات الذكاء الاصطناعي في الألعاب تعتمد على أنظمة تم ضبطها بدقة للعبة واحدة محددة. وفي تلك الحدود المحددة، يمكن للذكاء الاصطناعي أن يصبح في الأساس إنسانًا خارقًا. ولكن بمجرد حدوث تغييرات طفيفة في القواعد أو البيئات، يمكن أن ينهار أدائها الرائع.

هذا هو المكان الذي تأتي فيه ألعاب الفيديو كاختبار حقيقي لذكائهم. الألعاب ليست ذات بعد واحد، وغالبًا ما تتطلب مجموعة واسعة من المهارات، بما في ذلك التفكير المكاني، والتخطيط طويل المدى، والتعلم عن طريق التجربة والخطأ، وحتى الحدس الاجتماعي. ويدعي التقرير أن هذا التنوع يجعل الألعاب مقياسًا أفضل بكثير للذكاء المرن مقارنة بالمهام المعيارية المعزولة.

لقد اصطدم كل من التعلم المعزز والماجستير في القانون بحائط

وتضيف الورقة البحثية أن التعلم المعزز يمكن أن يؤدي إلى نتائج مبهرة، ولكن الأهداف المقبولة لا تتحقق إلا بعد ملايين أو مليارات من عمليات التشغيل المحاكاة. وبذلك يصبح النظام خبيرًا في الموقف الدقيق الذي تم تدريبه عليه. ولكن كل هذا ينهار عندما يتم إدخال أي تغييرات. حتى شيء بسيط مثل تغيير الألوان أو تغيير موضع الكائنات على الشاشة يمكن أن يكسرها.

LLMs (نماذج اللغات الكبيرة) لا تحل هذه المشكلة أيضًا. تقول جامعة نيويورك إن أداءها كان سيئًا بشكل مدهش في الألعاب غير المألوفة. عندما يبدأ الأداء بشكل جيد، يكون ذلك عادةً في سقالات مخصصة خاصة باللعبة لتفسير حالات اللعبة وإدارة الذاكرة وتنفيذ الإجراءات. قم بإزالة هذا الدعم الإضافي، وينخفض ​​الأداء بسرعة.

المعيار الحقيقي

ويجادل الباحثون بأن الذكاء الاصطناعي الذي يمارس الألعاب الحقيقية سيحتاج إلى تعلم لعبة جديدة من الصفر في نفس الوقت تقريبًا الذي يحتاجه اللاعب الماهر. ربما عشرات الساعات، دون محاكاة ضخمة أو تعرض مسبق. وكل ذلك يتجاوز قدرات الأنظمة الحالية.

وهذا هو سبب أهمية هذا الأمر خارج نطاق الألعاب. إذا لم يتمكن الذكاء الاصطناعي من التكيف بشكل موثوق مع لعبة فيديو جديدة تمامًا، فمن غير المرجح أن يتعامل مع عدم القدرة على التنبؤ بالعالم الحقيقي. قد لا تزال لعبة الشطرنج تتصدر العناوين الرئيسية، لكن الألعاب الحديثة تُظهر إلى أي مدى لا يزال يتعين على الذكاء الاصطناعي أن يذهب.