MI vs. Super Mario: Az örökkévaló játék lett az új teljesítménymérő
Új ötlet van terjedőben: a Super Mario-t használják a mesterséges intelligencia teljesítményének mérésére. Egy kutatócsoport szerint a Super Mario Bros. mégnagyobb kihívást jelent, mint gondolnánk.
A Kaliforniai Egyetem San Diego campusán működő Hao AI Lab pénteken élő Super Mario Bros. játékokba vetette az MI-ket. Az Anthropic Claude modellje teljesített a legjobban, majd a Claude 3.5 következett. A Google és az OpenAI modelljei gyengébben szerepeltek.
Nem egészen a klasszikus játék
Fontos tisztázni, hogy ez nem pontosan az eredeti 1985-ös kiadás volt. A játék egy emulátorban futott, és egy keretrendszerrel integrálták, hogy az MI-k irányíthassák Mariót.
A Hao által házon belül fejlesztett GamingAgent alapvető utasításokat adott az MI-nek, például: “Ha akadály vagy ellenség van a közelben, mozdulj/ugorj balra, hogy elkerüld”, valamint játékbeli képernyőképeket mutatott. Az MI ezután Python kódban generált bemeneti parancsokat Mario irányításához.
Meglepő eredmények
A Hao szerint a játék arra kényszerítette a modelleket, hogy “megtanuljanak” összetett manővereket tervezni és játékstratégiákat kidolgozni. Érdekes módon a kutatólabor azt találta, hogy az OpenAI-hoz hasonló, következtető modellek, amelyek lépésről lépésre “gondolkodnak” a problémák megoldása során, rosszabbul teljesítettek, mint a “nem következtető” modellek, annak ellenére, hogy általában erősebbek a legtöbb teljesítménymérőn.
A kutatók szerint az egyik fő oka annak, hogy a következtető modelleknek gondot okoz a valós idejű játékok játszása, az, hogy időbe telik – általában másodpercekbe -, mire döntést hoznak. A Super Mario Bros. játékban pedig minden a megfelelő időzítésen múlik. Egy másodperc lehet a különbség egy biztonságosan végrehajtott ugrás és a halálba zuhanás között.
A játékokat már évtizedek óta használják az MI teljesítményének mérésére. Azonban kétséges az MI játékban mutatott képességei és a technológiai fejlődés közötti összefüggések megítélése. A való világgal ellentétben a játékok általában elvontak és viszonylag egyszerűek, valamint elméletileg végtelen mennyiségű adatot biztosítanak az MI betanításához.
Nincsenek igazán jó mérőszámokat az MI-k összehasonlítására.
De legalább nézhetjük, ahogy az MI Mariót játszik.
filózó
Te milyen más nem hagyományos módszereket próbálnál ki az MI-k teljesítményének mérésére?
Ha te lennél a kutatócsoport vezetője, hogyan változtatnál a jelenlegi megközelítésen a játékok használatát illetően?
🎉 Sydney Sweeney mindenkit lenyűgözött, amikor egy látványos, hírességekkel teli születésnapi bulival lepte meg barátját, Scooter Braun zenei menedzsert Santa Monicában...
💸 Továbbra is a világ lélegzetvisszafojtva várja a GTA 6 megjelenését, amely úgy lebeg a 2026-os naptár felett, mint egy óriási tiltótábla: mindenki messze elkerüli a novemberi megjelenési ablakot...
Ezt jól példázta, hogy a 2026-os Tony-gálán Sarah Paulson érkezése minden figyelmet magára vont, amikor kézen fogva lépett a vörös szőnyegre Ella Beattyvel, Warren Beatty 26 éves lányával...
Felmerül a kérdés, hogy mi állhat a világhírű pankrátor, Hulk Hogan halála mögött, hiszen lánya, Brooke több ponton is kételkedni kezdett az eljárás során...
Külön említést érdemel, hogy a Dell új XPS RTX Spark mini PC-je erőteljes Mac Studio-hangulatot áraszt, és most komoly kihívót kaphat az Apple a kompakt gépek piacán...
⭐ A színészi pályakezdés mindig is tele volt kihívásokkal, de napjainkban egy egészen új veszély is fenyegeti azokat, akik Hollywoodot szeretnék meghódítani...
Egy lényeges szempont, hogy az emberi fogakon talált apró barázdákat évtizedek óta szinte biztos bizonyítékként kezelték arra, hogy őseink különféle eszközöket használtak szájhigiéniára vagy a fogíny fájdalmának enyhítésére...
📈 A kriptotőzsdék világában új korszak kezdődik: a Bybit lehetővé teszi, hogy kisbefektetők közvetlenül, kedvezményes áron vásárolhassanak részvényeket olyan vállalatok nyilvános részvénykibocsátásán (IPO-ján), ahová eddig kizárólag kiválasztott intézményi körök fértek hozzá...
Érdekes felvetés, hogy egy Spanyolország partjainál talált, különleges vas sisakgyűjtemény évtizedekig római korinak számított, ám a legújabb kutatások gyökeresen új megvilágításba helyezték ezeket a régészeti leleteket...
📈 Felmerül a kérdés, hogy mennyire stabil a kriptopiac, amikor a legnagyobb szereplők folyamatosan adnak-vesznek, miközben az árfolyamok zuhanásba kezdenek...
A Spotify újabb lendületet vett videós tartalmainak bővítésében: hamarosan élő koncertközvetítésekkel is próbálkozhat, hogy még közelebb hozza az előadókat rajongóikhoz...