A LLM-ek jól programoznak, de játszani nem tudnak – miért?
Julian Togelius, a NYU Game Innovation Lab igazgatója szerint a LLM-ek játékosi képességeinek hiánya arra utal, hogy az általános játék AI még nem érhető el.
Julian Togelius, a NYU Game Innovation Lab igazgatója szerint a LLM-ek játékosi képességeinek hiánya arra utal, hogy az általános játék AI még nem érhető el.
A LLM-ek gyors fejlődése ellenére sem tudnak hatékonyan játszani videojátékokat. Togelius szerint ennek oka, hogy a videojátékok sokkal változatosabbak, mint a játékok, amelyeket a LLM-ek jól játszanak, mint például a sakkozás vagy a go.
A LLM-ek fejlesztésében fontos szerepet játszanak a teljesítménytesztek, amelyek segítségével a modellek teljesítményét mérhetjük és fejleszthetjük. Azonban a videojátékok esetében a teljesítménytesztek fejlesztése sokkal bonyolultabb, mivel a játékok sokféle mechanikát és inputot használnak.
A LLM-ek korlátai
Togelius szerint a LLM-ek nem tudnak hatékonyan játszani videojátékokat, mert nincs elég adat a játékokról, és a modellek nem tudnak megfelelően kezelni a térbeli információkat. Emellett a LLM-ek fejlesztése során a hangsúly a szöveges adatok feldolgozásán van, és kevés figyelmet fordítanak a térbeli információk feldolgozására.
A jövő lehetőségei
A LLM-ek fejlesztésében fontos szerepet játszhatnak a szimulációk, amelyek segítségével a modellek teljesítményét fejleszthetjük. Azonban Togelius szerint a szimulációk nem garantálják a sikeret, mivel a valós világ sokkal bonyolultabb, mint a játékok.
A NYU Game Innovation Lab 2024-ben tervezi elindítani egy új kutatási projektet, amelynek célja a LLM-ek játékosi képességeinek fejlesztése. A projekt során a kutatók a teljesítménytesztek, a szimulációk és a térbeli információk feldolgozását fogják vizsgálni.