Чотири моделі штучного інтелекту зіграли в Super Mario: хто вийшов переможцем

Модель ШІ Gemini-1.5-pro перша втратила чоловічка під час відеогри Super Mario, розповіли науковці. Інші три моделі були більш вправними.

Дослідники лабораторії Hao AI Lab з Університету Каліфорнії перевірили уміння чотирьох моделей штучного інтелекту грати в відеогру Super Mario. Для цього вони створили спеціальні ігрові агенти на основі ШІ. З'ясувалось, що одна модель протрималась найдовше. Про підсумки змагання дослідники повідомили у соцмережі X (Twitter).

У дописі, який з'явився 28 лютого, дослідники показали, як різні моделі ШІ грають в Super Mario. При цьому вони пояснили складність проблеми: завдання з'являються в режимі реального часу і програмі потрібно реагувати максимально швидко. У дослідженні взяли участь чотири програми: Claude-3.7, Claude-3.5, Gemini-1.5-pro та GPT-4o.

Моделі ШІ та Super Mario

Які результати моделей ШІ у відеогрі Super Mario:

• Claude-3.7 — на першому місці;
• Claude-3.5 — на другому місці. Система мала проблеми з "планування складних маневрів";
• Gemini-1.5-pro і GPT-4o — зіграли найгірше.

"Ми залучили агентів штучного інтелекту до ігор LIVE Super Mario і виявили, що Claude-3.7 перевершує інші моделі за допомогою простих евристик", — підсумовується у дописі.

На відео з кадрами гри можна побачити досягнення програм ШІ. На одному екрані відображено, як чотири системи працюють в унісон. Бачимо, як "біжить" чоловічок у червоному костюмі, який повинен здолати небезпеки, зібрати монети та не загинути. Найдовше екран не чорнів саме у Claude-3.7 — у лівому верхньому куті. При цьому Gemini-1.5-pro впоралась найгірше — у неї першої потемнів екран.

У одному з попередніх дописів дослідники розповіли про інші ігри, в які може зіграти програмі ШІ. Серед них — гра 2048 та Tetris. Крім того, у наступних повідомленнях вони повідомили про змагання у грі Sokoban. Завдання гравця — зібрати коробки у певній точці простору. Переможцем стала інша система — o3-mini: вона досягнула четвертого рівня. Результати інших дещо гірші: Claude-3.7-thinking зупинилась на другому, Deepseek-R1 — на першому, Gemini-2.0-flash-thinking — не впоралась з жодним.

Зазначимо, у травні 2023 року видання Defence Brief розповіло про інше дослідження на основі відеогри. У дослідження взяв участь морський лев на ім'я Спайк. ВМС США вчили тварину на іграх, в яких потрібно було стежити за рухом курсора. З'ясувалось, що тварина з цим завдання впоралась і, ймовірно, далі її вчитимуть виявляти міни.