人工知能を考えると、問題を解決できる超グレープマシンを想像する傾向があります。ただし、90年代の有名なビデオゲームでの最近の実験は、このアイデアに挑戦しています。子ども向けに設計された環境で怒りを覆うことはできますか？その結果、私たちはまだ本当に自律的な知性からはほど遠いことが明らかになりました。
©Bos Navarit – Pexels
大きな欠点を明らかにした簡単な使命
AIのトレーニングは、単にデータを教えることで構成されているわけではありません。それは、推論を学ぶためにそれを導くことを意味します。 ChatGptなどのモデルは複雑なライティング、計算、または検索タスクを支配していますが、快適ゾーンの外で問題に直面すると依然として失敗します。予想外の例は、任天堂の古典：レッドポケモンにあります。
研究者のグループは、このビデオゲームを、SO -CALLED DREAMERV3のテストフィールドとして使用することにしました。目標は、ゲームの第3都市であるセレステシティを達成することでした。人間のプレイヤーは1時間でそれを達成することができますが、どこに行くべきかを知っていれば平均的でさえ – 彼は50時間かかりました。以前の助けや知識がなければ、彼は証明とエラーを通してゼロから学ばなければなりませんでした。
最も明らかなことは、課題は戦闘を得ることではなく、ゲームの世界を単に移動し、メニューを理解し、キャラクターと対話し、決定を下すことでした。 AIはマップを認識しておらず、ドアの描画が「入ることができる」ことを意味することも知りませんでした。各アクションは発見を暗示しました。
なぜ子供向けゲームはAIにとってそんなに難しかったのですか？
重要なのは、記憶と推論の違いです。 AIのモデルは、何百万ものチェスゲームを記憶し、完璧なプレイを計算できます。しかし、視覚パターンを特定し、識別し、複数のオプションから選択し、明示的な指示なしに適応する必要があるオープンな環境の前に、苦しみます。 Pokémonは、経験のない子供でさえ直感的に前進できるように設計されましたが、Dreamerv3は環境との対話方法を発見するために何百もの試みを必要としました。
さらに、ゲームには戦略的な意思決定を行うことが含まれます。クリーチャーがキャッチするもの、使用する攻撃、タイプを組み合わせる方法。強力な攻撃が失敗する可能性があること、または前進するために特定のスキルが必要であることを理解し、単なるデータの再現よりも深い推論を要求します。
©Erik McLean – Pexels
本当の挑戦：考えてはいけません
この実験は、多くの人が理解せずに記憶する学生として働くという考えを強化します。自律運転や医療支援などのコンテキストでは、その違いが重要です。 AIは、数百万のエラーから単純に学ぶことはできません。現実の世界では、1つの機会しかないことがあります。
本当にインテリジェントなモデルが必要な場合は、分析だけでなく、直観を開発する必要があります。したがって、彼の子供時代の外観を持つポケモンは、AIが優れた模倣者以上のものでなければならない未来の驚くべきテストになります。最高のものは今までになりますか？あなたが最初に誰のようにプレイすることを学んだかの場合のみ。
#人工知能の弱点を明らかにした予期しないビデオゲーム