چرا هوش مصنوعی هنوز در برخی ویدیوگیمها حریف انسان نمیشود؟
چرا تجربه زیسته انسان، یادگیری بازیهای پیچیده را برای ما سریعتر از پیشرفتهترین مدلهای هوش مصنوعی میکند؟
به گزارش چابک آنلاین، به احتمال زیاد میدانید که هوش مصنوعی در سال ۱۹۹۷ «گری کاسپاروف»، استادبزرگ شطرنج، را شکست داد؛ در چند بازی دیگر نیز این فناوری امتیازهای فوقالعادهای کسب کرده است؛ اما واقعیت این است که بهرغم قدرت پردازش خارقالعاده، تراشههای سیلیکونی هنوز در برابر یک ویژگی ساده انسانی کم میآورند و در برخی ویدیوگیمها حریف ما نمیشوند.
دهههاست که بازیها میدان نبرد هوش مصنوعی و انسان بودهاند. در سال ۱۹۹۷، شکستدادن گری کاسپاروف توسط Deep Blue جهان را تکان داد. دو دهه بعد، مدل دیپمایند با نام AlphaGo نیز قهرمان بازی GO را شکست داد. هوش مصنوعی با استفاده از روش «یادگیری تقویتی» در بازیهای استراتژیک سنگینی مثل Dota 2 و Starcraft II نیز به مقام استادی رسیده است. اما یک نکته ظریف وجود دارد: AI در بازیهایی قهرمان است که قوانین سفتوسخت و اهداف کاملاً مشخصی دارند.
محققان میگویند هنوز یک حوزه در گیمینگ باقی مانده است که، حداقل درحالحاضر، کامپیوترها در آن به گرد پای انسانهای گوشت و پوست و استخواندار نمیرسند: هوش مصنوعی هنوز در یادگیری سریع انواع مختلف بازیهای جدید (مخصوصاً اگر قواعد خاصی نداشته باشند یا جهانباز باشند) عملکرد خوبی ندارد. برای مثال اگر شما به فروشگاهی بروید و یک بازی را به تصادف بردارید، بسیار سریعتر از پیشرفتهترین مدلهای هوش مصنوعی قلق آن بازی را یاد میگیرید.
تقابل هوش مصنوعی و انسان در ویدیوگیم
«جولیان توگلیوس»، استاد علوم کامپیوتر دانشگاه نیویورک، معتقد است که اگر یک مدل زبانی بزرگ (LLM) را با بازیای روبهرو کنید که قبلاً در دادههایش ندیده است، شکست آن تقریباً قطعی است.
تفاوت اصلی در «تعمیمدهی» است. یک مدل هوش مصنوعی ممکن است در یک نسخه خاص از بازی فوقانسانی عمل کند، اما با کوچکترین تغییری در طراحی محیط، کاملاً فلج شود. در مقابل، ذهن انسان توانایی عجیبی در بداههپردازی دارد. ما میدانیم پیروزی در یک بازی جهانباز (مثل Red Dead Redemption) فقط به کشتن دشمنان نیست، بلکه درک مفاهیم انتزاعیتری مثل اخلاق و بقا است؛ مفاهیمی که ماشین هنوز درکی از آنها ندارد.
دراینباره آمارها خیرهکنندهاند: تحقیقات نشان میدهد یک هوش مصنوعی برای تمامکردن یک بازی ممکن است به ۴ میلیون تعامل با کلیدها (معادل ۳۷ ساعت بازی مداوم) نیاز داشته باشد تا فقط مکانیکهای پایه را بفهمد. درحالیکه یک انسان بهطور متوسط در کمتر از ۱۰ ساعت، نهتنها مکانیکها را یاد میگیرد، بلکه استراتژیهای پیچیده را هم پیادهسازی میکند.
دلیل این برتری، تجربه زیسته ماست. نوزاد انسان از بدو تولد با لمس اشیا و مشاهده جهان، فیزیک و منطق پدیدهها را میآموزد. ما وقتی در بازی دکمه «پرش» را میزنیم، مفهوم پرتابشدن در فضا را درک میکنیم، اما هوش مصنوعی فقط جابجایی پیکسلها از نقطه A به B را میبیند.
تلاشهایی مثل پروژه SIMA 2 از گوگل دیپمایند، سعی دارند با ترکیب استدلال مدلهای زبانی (مثل Gemini) با محیطهای سهبعدی، این شکاف را پر کنند. بااینحال، تا زمانی که یک ماشین نتواند ۱۰۰ بازی برتر فروشگاه استیم را بدون آموزش قبلی و در مدتزمانی مشابه یک انسان بازی کند، نمیتوان از «هوش مصنوعی در سطح انسان» سخن گفت.
