- UC San Diego의 Hao AI Lab은 AI를 고유 한 버전으로 통합했습니다. 슈퍼 마리오 브라더스.향상된 AI 테스트를 위해 GamingAgent 프레임 워크를 활용합니다.
- Anthropic의 Claude 3.7은 정확한 제어를 보여 주면서 Claude 3.5가 밀접하게 진행되어 게임의 AI 잠재력을 강조했습니다.
- Google의 Gemini 1.5 Pro와 Openai의 GPT-4O는 실시간 의사 결정에 직면하여 역동적 인 환경의 복잡성을 강조했습니다.
- 이 실험은 실시간 게임 플레이의 처리 속도 제한으로 인한 분석 추론 모델과 본능 알고리즘 사이의 분열을 보여 주었다.
- 게임 벤치 마크는 AI 기능을 보여 주지만 Andrej Karpathy와 같은 전문가들은 전통적인 평가 지표의 한계를 강조합니다.
- 이 실험은 AI 의사 결정 및 전략에 대한 통찰력을 제공하여 통제 된 가상 설정에서 지능의 복잡성을 강조합니다.
스릴 넘치는 디지털 실험에서 캘리포니아 대학교 샌디에고의 하오 AI 연구소는 인공 지능을 활기찬 세계로 몰아 넣었습니다. 슈퍼 마리오 브라더스. 연구원들은 AI가 인류의 사랑하는 취미 중 하나를 진정으로 습득 할 수 있는지 여부를 밝히려고 노력했다. 그러나 이것은 마리오의 평범한 게임이 아니 었습니다. 그것은 단지 Goombas를 뛰어 넘고 Koopas를 피하는 것 이상의 지능형 기계를 사용한 영리한 트위스트였습니다. 이 게임은 AI 기동을 위해 실험실에서 개발 한 독특한 프레임 워크 인 GamingAgent가 주입 된 에뮬레이터에서 호스팅되었습니다.
결과는 매력적이고 예상치 못한 것이었다. Anthropic의 Claude 3.7은 마리오를 놀라운 정밀도로 우아하게 안내했습니다. 젊은 형제 인 클로드 3.5는 발 뒤꿈치가 뜨거워서 디지털 위대함을 선호 할 수있는 가족 계보를 시사합니다. 한편, Google의 Gemini 1.5 Pro와 Openai의 GPT-4O는 실시간 의사 결정의 복잡성에 시달렸으며, AI조차도 역동적 인 환경에서 극복 해야하는 장애물을 드러 냈습니다.
Super Mario Bros. Challenge는 Classic 1985 버전의 간단한 복제가 아니 었습니다. 대신, 게임은 AI 민첩성 및 전략 계획의 테스트였습니다. GamingAgent는 위협이 다가올 때“Move”또는“Jump”와 같은 필수 명령을 공급하고 AI가 마리오를 조종하기 위해 Python 코드의 반응 전략을 제작 한 것으로 보았습니다. 분석 작업에 대한 능력에도 불구하고 OpenAi의 O1과 같은 추론 모델은 이론과 실천 사이의 뚜렷한 분열을 조명하는보다 본능적 인 알고리즘으로 인해 자신들이 발견되었습니다.
연구원들은이 문제가 처리 속도에 속한다고 지적했다. 실시간 게임 플레이는 고의적이고 체계적인 추론 모델의 특성으로 제공되지 않는 고급스러운 결정을 요구합니다. 마리오의 픽셀 화 된 우주에서, 순간의 지연은 깜박임으로 게임을 철자 할 수 있습니다.
수십 년 동안 게임은 AI 기능의 도가니 역할을 해왔지만 전문가들은 가상 전장에서 AI 승리의 광범위한 영향에 의문을 제기했습니다. 게임은 현실의 혼란스러운 예측 불가능 성이 부족하여 현실에 대한 소독되고 통제 된 반영됩니다. 그들은 알고리즘 훈련을위한 풍부한 데이터를 제공하지만 디지털 공간 외부에서 AI의 잠재적 영향을 정확하게 반영하지는 않을 수 있습니다.
유명한 게임 벤치 마크의 화려함에 따라 Openai의 Andrej Karpathy와 같은 목소리는주의를 기울입니다. 그는 전통적인 지표가 AI의 진정한 능력을 캡슐화하기 위해 고군분투하는“평가 위기”에 대해 경고합니다.
아마도 디지털 시나리오를 사용한 이러한 매혹적인 대면에서 실제 교훈은 우리가 가장 좋아하는 어린 시절 게임에 대한 AI의 승리에 있지는 않지만 뉘앙스에서는 의사 결정, 전략 및 인간과 같은 직관에 대해 밝혀냅니다. 기계가 마리오 및 기타 도전을 취함에 따라, 우리는 자연 스럽거나 인공적인 지능의 기본 역학을 이해하는 데 더 가깝습니다. 그때까지 게임에서 AI의 사가는 흥미로운 광경을 제공하여 향수와 진보의 교차점에서 우리의 상상력을 포착합니다.
Ai는 Super Mario Bros.를 진정으로 정복할까요?
캘리포니아 대학교 (University of California San Diego)의 하오 AI 실험실 (Hao AI Lab)의 최근 실험은 인공 지능이 게임 영역, 특히 상징적 인 세계를 탐색하는 데있어 놀라운 진전을 만들고 있음을 보여 주었다. 슈퍼 마리오 브라더스.. 이 실험실은 GamingAgent라는 고유 한 프레임 워크를 사용하여 AI 가이 역동적 인 환경에서 정확한 움직임을 효과적으로 전략화하고 실행할 수 있는지 테스트하는 것을 목표로했습니다. 많은 사람들의 흥분으로 클로드 3.7은 지도자로 등장했지만 여정은 몇 가지 질문이 답변되지 않았으며 추가 탐사를위한 공간을 제시했습니다.
AI가 Super Mario Bros를 다루는 방법
1. AI 프레임 워크 및 게임 역학: 이것은 평범한 마리오 게임이 아니 었습니다. 그것은 논리, 민첩성 및 빠른 사고의 테스트였습니다. GamingAgent는 필수 명령을 제공 한 반면 AIS는 파이썬에서 반응 전략을 생성하여 역동적 인 시나리오에서 기계 학습의 힘을 보여줍니다.
2. AI 성능 및 도전: Claude 3.7이 주도권을 잡았지만 성공은 우수한 프로그래밍으로 인한 것이 아닙니다. 실시간 결정을 선호하는 본능적 알고리즘의 혜택을 얻었습니다. OpenAI의 GPT-4 및 Google의 Gemini 1.5와 같은 추론 속도 제한으로 인해 어려움을 겪고 있습니다.
실제 사용 사례 및 시사점
– 게임 너머: AI 마스터 링 비디오 게임의 의미는 엔터테인먼트를 넘어 확장됩니다. 이 AI 모델은 자동화 프로세스를 향상시키고 실시간 응용 프로그램에서 의사 결정 알고리즘을 개선하며 빠른 반사 및 전략 계획이 필수적 인 로봇 공학과 같은 산업을 혁신 할 수 있습니다.
– 시뮬레이션 된 환경에서의 제한: 게임에서의 성공에도 불구하고 AI는 실제 시나리오로 전환 할 때 여전히 장애물에 직면 해 있습니다. 비디오 게임은 반드시 혼란과 현실의 예측 불가능 성을 반영하지 않는 통제되고 예측 가능한 환경입니다 (OpenAi의 Andrej Karpathy에 의해주의를 기울여).
게임 및 산업에서 AI의 미래
– 시장 예측 및 산업 동향: AI 기능이 계속 발전함에 따라보다 정교한 게임 AI를 기대할 수 있습니다. 이것은 엔터테인먼트를 향상시킬뿐만 아니라 다른 부문의 AI 교육 방법론을 향상 시키며 AI는 자율 시스템 및 의사 결정 지원 도구에서 더 큰 역할을 수행 할 것으로 예상됩니다.
– 논쟁과 한계: 비평가들은 AI가 사전 정의 된 시나리오에서 탁월하지만, 예정되지 않은 변수에 대한 적응성은 여전히 의문의 여지가 있다고 주장한다. AI 인텔리전스를 평가할 때“평가 위기”를 감안할 때 AI가 게임 능력에 대해서만 벤치마킹되어야하는지에 대한 논쟁은 계속됩니다.
AI 애호가를위한 실행 가능한 권장 사항
– 오픈 소스 프로젝트에 참여하십시오: AI에 관심이있는 사람들은 GitHub와 같은 플랫폼에서 기존 코드를 실험 할 수 있으며, 여기서 GamingAgent와 유사한 프로젝트를 모방하거나 확장 할 수 있습니다.
– AI 개발에 대한 정보를 유지하십시오: 최신 AI 연구에 따르면 이러한 결과가 기술, 의료 또는 로봇 공학에 관계없이 관심 분야로 변환 될 수있는 방법을 이해하십시오.
– 개인 코딩 기술을 향상시킵니다: AI 개발의 주요 언어 인 Python을 배우기 위해 온라인 리소스를 활용하여 AI 프로젝트를 더 잘 이해하고 기여합니다.
비디오 게임 렌즈를 통해 AI를 조사함으로써 기계 인텔리전스 개발에 대한 통찰력을 수집 할 수 있습니다. 이러한 가상 환경에서의 승리는 주목할 만하지 만, 목표는 디지털 및 실제 응용 프로그램 간의 격차를 해소하는 것이 여전히 남아 있습니다.
AI의 세계에 대한 자세한 내용은 OpenAi를 방문하여 혁신적인 연구와 프로젝트를 탐색하십시오.
