Нейросети против видеоигр: почему ИИ провалил Doom и стратегии
1. Суть эксперимента
Команда Принстонского университета создала VideoGameBench — платформу для тестирования ИИ в 20 играх разных жанров (Doom, Civilization, Pokémon и др.). Условия:
- Нейросети (GPT-4o, Claude 3.7, Gemini 2.5) получали только изображение экрана без подсказок.
- Ни одна модель не прошла даже первый уровень в большинстве игр.
2. Главные проблемы ИИ
- Задержка реакции (3–5 сек):За это время игровая ситуация кардинально меняется (враги атакуют, ресурсы тратятся впустую).
- Ошибки интерпретации:Стрельба по уже мертвым противникам (Doom II).Непонимание механик (в Kirby не использовала поглощение способностей).
- Точность управления:Провалы в стратегиях (Warcraft II) из-за неспособности точно выбрать пункты меню.
Для сравнения: Специализированные ИИ (например, AlphaStar для StarCraft II) успешно играют, но только в одну конкретную игру.
3. Почему это важно
- Видеоигры — идеальная среда для тестирования:Проверяют пространственное мышление, стратегическое планирование, адаптацию.
- Провал универсальных нейросетей показывает: без точечного обучения ИИ слаб в реальном времени.
4. Что дальше
- VideoGameBench — открытый проект (код на GitHub). Можно добавлять игры и тестировать свои модели.
- Перспективы:
Ускорение обработки изображений для снижения задержек.
Обучение на игровых механиках (например, через API).
Вывод: Пока нейросети проигрывают даже простым играм. Но проект помогает понять, как улучшить ИИ для сложных задач в реальном мире.