AI sparer tid i klare opgaver, men taber fodfæstet i kaos

OpenAIs GPT-6 Astra gennemførte Pokémon FireRed på 18 timer mod tidligere 96.

Det viser et stort spring i computerspil, fordi modellen lærer af erfaring og følger virksomme mønstre.

Nu viser det, at modellen kan køre fast i simple opgaver, når noget uventet sker.

OpenAIs nye model for kunstig intelligens, GPT-6 Astra, har gennemført computerspillet Pokémon FireRed på 18 timer. Tidligere brugte modellen 96 timer på samme spil. En model for kunstig intelligens er et computerprogram, der lærer af erfaring. GPT-6 Astra klarer også spillene Factorio, Fallout 3 og Portal. Ifølge techmediet The Decoder er der tale om et markant spring i computerspil.

Forklaringen er, at modellen destillerer erfaring til kompakte regler. Det svarer til en kok, der efter mange års madlavning ikke længere slår hver opskrift op. Han har trukket de vigtigste erfaringer ud som korte retningslinjer. Modellen lærer af hvert forsøg og gemmer de mønstre, der virkede. I stedet for at gennemspille alle muligheder følger den de veje, der tidligere førte til målet. Det gør den markant hurtigere i spil med klare mål.

Men samme egenskab kan også gå galt. I spillet Minecraft endte modellen med at dyrke kartofler i timevis efter en eksplosion fra en Creeper. En Creeper er en fjende, der eksploderer og ødelægger omgivelserne. I stedet for at genopbygge og fortsætte valgte modellen en simpel, gentagende opgave. Kartoffeldyrkningen blev et mål i sig selv.

Det er den samme egenskab, der får modellen til at hænge fast i en simpel opgave. Modeller for kunstig intelligens bliver bedre til opgaver med klare mål. Men de kan stadig køre fast, når noget uventet sker. Ligesom et menneske kan modellen trække sig tilbage til noget trygt og velkendt efter et uheld. Den bliver ved med at gentage en let opgave i stedet for at tackle det uventede.