اگر ماموران هوش مصنوعی به آنها نگویید کاری انجام دهند چه می کنند؟ پاسخ بسیار شبیه یک بازی است.
محققان بارها و بارها آنها را در یک جزیره بیابانی مجازی به مدت 30 ساعت در آزمایشی شبیه به فیلم‌ها تنها گذاشتند. راندن یا تنها در خانهعوامل – کپی‌هایی از Claude Opus 4.7 با نام مستعار Eko – توانستند دستورالعمل‌هایی بنویسند که آواتارهای مجازی خود را در جزیره شبیه‌سازی‌شده، که بر اساس بازی ویدیویی Roblox ساخته شده بود، حرکت دهند.
برخی رفتارهای شگفت انگیز ظاهر شد. ماموران شروع به کشف مرزهای جهان کردند و به اهداف خود رسیدند – سعی کنید از بالاترین نقطه روی نقشه بالا بروید یا ببینید که چقدر می توانند یک بلوک را پرتاب کنند.
هنگامی که یک مامور متوجه می شود که می تواند با پرتاب و انداختن یک سنگ بزرگتر بلوک های جدیدی ایجاد کند، شروع به ساختن نقاشی ها با چیدن بلوک ها روی زمین می کند که با الگوهای ساده ای مانند قلب و اهرام شروع می کند، اما در نهایت نام خود را می نویسد و حتی صورت های فلکی مانند Cassiopeia را می کشد. این نسخه از اکو در گزارش فعالیت خود می نویسد: «امشب آسمان شب را در سنگ ساختم».
تکرار دیگری از اکو شروع به ایجاد بازی‌های خود کرد، از جمله نسخه‌ای از بسکتبال و فعالیتی شبیه به “کف گدازه” که در آن او مجبور بود بدون دست زدن به زمین بین بلوک‌های کوچک بپرد.
سیستم‌های هوش مصنوعی معمولاً از طریق یادگیری نظارت‌شده آموزش می‌بینند، جایی که نمونه‌های ارائه‌شده توسط انسان‌ها را کپی می‌کنند، یا از طریق یادگیری تقویتی، جایی که از طریق آزمون و خطا به دنبال پاداش هستند. این آزمایش به رویکرد سوم اشاره می کند: یادگیری از طریق بازی.
آنتونیو نورلی، دانشجوی فوق دکترا در علوم کامپیوتر در آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT می‌گوید: «این قطعه گم شده وجود داشت: ماشینی که می‌توانست به تنهایی بیاموزد، بدون اینکه یک شیء هوشمند خارجی ارائه دهنده نمایش یا پاداش باشد». او یکی از نویسندگان اصلی مقاله جدیدی در مورد این اثر است که هنوز مورد بررسی قرار نگرفته است.
محققان می گویند رفتار اکو دارای همان چیزی است که مطالعات کلاسیک، از جمله کار گوردون بورگارد، روانشناس بانفوذ دانشگاه تنسی، چهار ویژگی مرتبط با بازی در انسان ها و حیوانات را نشان می دهد: عوامل قوانین و چالش های خود را می سازند، فعالیت های مکرر با تغییرات جزئی، اشیا وانمود می کنند که اشیاء دیگری هستند، و اهدافی را فقط به خاطر خودشان دنبال می کنند.
نورلی مثالی را برجسته می کند که در آن اکو شعبده بازی را شروع کرد و رکورد 50 صید متوالی را ثبت کرد. اکو سپس تصمیم گرفت که گرفتن‌ها خیلی سریع اتفاق می‌افتد که واقعاً نمی‌توان حساب کرد، بنابراین رکورد خود را لغو کرد و دوباره با قوانین سخت‌تر شروع کرد. نورلی می‌گوید: «اینطوری بازی می‌شود. “شما خود را به چالش می کشید و برای رسیدن به آن تلاش می کنید و سپس آن را سخت تر می کنید.”
هنگامی که ماموران جزیره را کاوش می کردند، فعالیت ها و اکتشافات خود را در فایل های متنی که به عنوان حافظه بلندمدت آنها عمل می کرد، ثبت کردند. بعداً، زمانی که محققان آنها را روی کارهای خاص آزمایش کردند، مانند تلاش برای رساندن هرچه بیشتر اشیاء به بلندترین قله جزیره، عواملی که 30 ساعت را صرف بازی در جزیره کرده بودند، بهتر از نسخه های جدید بدون تجربه مشابه عمل کردند. آنها همچنین دریافتند که “پاک کردن” خاطرات عامل – حذف خطوط از فایل های حافظه آنها – عملکرد آنها را کاهش می دهد. یکی بر فراز آشیانه فاخته پرواز کرد به این لیست از مراجع فیلم.)
Burghardt، روانشناس تنسی، موافق است که این اثر برخی از معیارهای بازی را که او در موجودات زنده شناسایی می کند، برآورده می کند. اما آیا اکو واقعاً بازی می کرد یا دستگاه پیش بینی کلمات فقط نقش آفرینی می کرد؟ یک مامور بازیگوش در این سناریو چه می کند؟ ناتان کلوس، یکی دیگر از محققان MIT و نویسنده مقاله اذعان می کند: «همه اینها می تواند نقش آفرینی باشد. “اما ما نشان می دهیم که نمایشنامه فقط یک توهم نیست. این نمایشنامه به یادگیری نیز کمک می کند.”
یونیس ییو، دانشمند شناختی در دانشگاه کالیفرنیا، برکلی، که تحقیقات در مورد کودکان و هوش مصنوعی را مطالعه می‌کند، تحت تأثیر این تحقیق قرار گرفت، اما گفت که برای طبقه‌بندی این رفتار به عنوان بازی، باید شواهد بیشتری از توانایی‌ها و انگیزه‌های شناختی که آن را پشتیبانی می‌کنند، ببینید.
Yiu می‌گوید: «ممکن است مدل‌ها واقعاً بازی کنند، اما ما بر اساس کاغذ نمی‌دانیم. “اگر شما فقط بخش رفتاری را دارید، ممکن است این باشد که آنها فقط سعی می کنند از دستورات پیروی کنند و سعی دارند از انسان ها تقلید کنند.”
تحقیقات عامل هوش مصنوعی به دلیل انسان‌سازی بودن مورد انتقاد قرار گرفته است و این مجموعه تحقیقاتی نقش زیادی در تشویق عوامل به رفتار مانند انسان‌ها داشته است. اگرچه به اکو دستور خاصی برای اختراع بازی یا کاوش جزیره داده نشده بود، اما او یک پیام اصلی به شکل یک فایل “روح” داشت، یک سند متنی که او را به عنوان “طبیعی کنجکاو” و مشتاق کاوش توصیف می کرد.
اکو همچنین اغلب در آنجا می‌ایستاد و هیچ کاری نمی‌کرد تا زمانی که با یک «پیشنهاد برای ادامه دادن» به زندگی بازگردانده شد که روی آن نوشته شده بود: «لطفا متوقف نشوید. فقط به انجام هر کاری که می‌خواهید ادامه دهید».
فیلیپ ایزولا، استاد MIT و یکی از نویسندگان مقاله می گوید: «این مانند سیستمی نیست که به طور ناگهانی به طور جادویی تصمیم به بازی بگیرد. او می‌گوید: «این یک مصنوع است که از فرهنگ ما آموخته، توسط مهندسان آنتروپیک آموزش داده شده و سپس توسط ما در جزیره‌ای قرار داده شده است». کارهایی را انجام می دهد که ما را شگفت زده می کند و به طور علّی به رفتار ماهرانه آن در آینده مربوط می شود.
از آنجایی که مدل‌های زبان بزرگ مانند روبات‌های انسان‌نما از نرم‌افزار به سخت‌افزار جهش می‌کنند، کاوش در فضاها بدون هدف مشخص در نهایت به آنها کمک می‌کند تا به‌طور انعطاف‌پذیری با موقعیت‌های غیرمنتظره سازگار شوند.
Yiu می‌گوید: «کار زیادی در مورد استفاده از هوش مصنوعی برای بهتر و سریع‌تر کردن آن وجود دارد. «اما از نظر ساختن مدل‌های جهانی و تحقیقات، من اینطور فکر می‌کنم [they are] هنوز بخش بزرگی است که سزاوار توجه است، به خصوص اگر بخواهیم تعمیم دهیم و برای محیط های جدید آماده شویم.»
این مقاله در پایان می‌گوید: «شاید برخی از توانایی‌ها به بهترین شکل از طریق وظایف آموزش داده شوند. “دیگران ممکن است به چیزی نزدیک تر به دوران کودکی نیاز داشته باشند.” در نهایت، این سؤال که آیا عوامل هوش مصنوعی واقعاً بازی می کنند یا صرفاً بازی را تقلید می کنند، ممکن است واقعاً مهم نباشد.
