Видеоигры десятилетиями служат площадкой для тестирования искусственного интеллекта — от шашек до шахмат и го. Однако, как отмечается в новом исследовании Нью-Йоркского университета, успехи ИИ в отдельных играх не означают приближения к человеческому разуму.
Ключевая проблема: современные системы ИИ хорошо справляются с задачами, для которых их специально обучили, но теряют эффективность при малейших изменениях условий. Например, смена цвета или положения элементов на экране может резко снизить производительность обученного агента.
Исследователи разобрали основные подходы к обучению ИИ и их ограничения. Обучение с подкреплением дает прорывы, но приводит к переобучению и слабой обобщаемости. Системы планирования универсальнее, но требуют точного моделирования, что сложно в реальном мире. Языковые модели сильны в логике и программировании, но слабы в незнакомых играх из-за обучения на текстах.
Авторы подчеркивают, что настоящий прорыв потребует принципиально нового подхода.
Для по-настоящему универсальных игровых навыков потребуется нечто совершенно иное: искусственный интеллект, способный освоить новую игру с нуля примерно за то же время, за которое ее осваивает опытный игрок, — возможно, за десятки часов, но полагаясь на предыдущий опыт или масштабное моделирование
Этот вызов имеет значение далеко за пределами игровой индустрии: способность адаптироваться к незнакомым ситуациям — основа концепции общего искусственного интеллекта. По мнению исследователей, игры должны оставаться ключевым тестом для ИИ — не как отдельной задачи, а как экосистема для проверки адаптивности и креативности.
Ранее Наука Mail рассказывала, что российские ученые нашли способ в 30 раз ускорить движения роботов.
