Čovek protiv mašine: Zašto veštačka inteligencija i dalje „gubi partiju“ u nepoznatim svetovima

Kada bi vas neko zamolio da nacrtate hronologiju razvoja veštačke inteligencije (AI), verovatno biste počeli od igara. IBM-ov Deep Blue je 1997. šokirao svet pobedivši Garija Kasparova u šahu. Skoro dve decenije kasnije, Google-ov AlphaGo je trijumfovao nad šampionom drevne igre Go – podvig koji su mnogi smatrali nemogućim za našu generaciju.

Danas, AI modeli više ne pomeraju samo drvene figure. Zahvaljujući metodu učenja potkrepljivanjem (reinforcement learning), mašine su savladale legendarne Atari naslove, a zatim i nezamislivo kompleksne strateške igre poput Dota 2 i StarCraft II. Ipak, postoji jedna tvrđava koju AI još uvek ne može da osvoji: sposobnost brzog učenja potpuno nove, nepoznate igre.

Moć ljudske intuicije naspram „sirove“ obrade podataka

Nova studija koju je predvodio profesor kompjuterskih nauka sa Univerziteta u Njujorku, Džulijan Togelijus, baca novo svetlo na ovu bitku. Iako AI ima timove inženjera i milione dolara podrške, ljudi imaju nešto moćnije – proživljeno iskustvo i superiorne veštine učenja.

„Ako stavite najnapredniji veliki jezički model (LLM) pred igru koju nikada ranije nije video, rezultat je skoro siguran neuspeh“, navode autori studija. Dok AI briljira u igrama sa fiksnim pravilima, on se „guši“ u onim naslovima koji zahtevaju improvizaciju i zdrav razum.

Šah protiv Divljeg zapada: Problem apstrakcije

Razlika postaje jasna kada uporedite šah sa modernim naslovima poput Red Dead Redemption 2.

• U šahu, pravila su kruta, a cilj je linearan: matirati kralja.

• U vestern sagi, ciljevi su apstraktni. Šta znači „pobediti“ u igri gde je glavni motiv moralna transformacija odmetnika?

Mašina može naučiti da u milisekundi pogodi metu u igri, ali ona nema koncept o tome šta znači „skakati“ ili „bežati“. Za nju su to samo promene koordinata na ekranu. Za čoveka, to su radnje koje razumemo iz stvarnog sveta. Ljudska deca nauče da identifikuju objekte u prostoru već sa 18 meseci prostim postojanjem u svetu. Mašinama je, s druge strane, potrebno „držanje za ruku“ kroz milione simulacija.

Statistika koja ide u korist ljudi:

• AI modelu je često potrebno oko 4 miliona interakcija (što je ekvivalentno sa 37 sati neprekidnog igranja) da bi savladao osnove nove igre koristeći radoznalost kao pokretač.

• Prosečan igrač će pohvatati konce i najkompleksnije nove mehanike za manje od 10 sati.

SIMA 2: Korak ka ljudskom načinu razmišljanja

Ipak, Google DeepMind ne miruje. Prošle godine predstavljen je model SIMA 2, koji predstavlja značajan iskorak. Ovaj model kombinuje sposobnost igranja 3D igara sa moćima rezonovanja koje poseduje Gemini (veliki jezički model). Ideja je da AI počne da koristi logiku i jezik kako bi razumeo nove okoline, slično kao što mi čitamo uputstva ili intuitivno zaključujemo čemu služi određeni predmet u igri.

Uprkos napretku, Togelijus postavlja surov izazov za buduće AI modele: „Steam 100 Benchmark“. Da bi se smatrala inteligentnom na ljudskom nivou, veštačka inteligencija bi morala da uđe na platformu Steam, nasumično odabere bilo koju od top 100 najprodavanijih igara i savlada je u istom vremenskom roku kao i čovek, bez prethodnog treninga.

Zašto je ovo važno van gejminga?

Ovo nadmetanje nije samo zabava. Sposobnost generalizacije – primene znanja iz jedne situacije na potpuno drugu – ključ je istinske kreativnosti, planiranja i apstraktnog razmišljanja. To su osobine koje nas čine ljudima.

Zaključak: Pravi test veštačke inteligencije neće biti generisanje lažnih fotografija ili pisanje eseja. Prava granica između „algoritma koji ponavlja“ i „bića koje misli“ povući će se u nepredvidivim, haotičnim i prelepim svetovima video-igara.

Dok god AI ne može da „oseti“ igru i improvizuje onako kako to radi prosečan tinejdžer u svojoj sobi, ljudska inteligencija ostaje neprikosnoveni šampion digitalnih svetova.

Foto: Freepik

Autor: Portal ObjektivNI.rs