Η απρόσμενη συμπεριφορά του Gemini της Google στο Pokémon

Η μάχη για την κυριαρχία στην Τεχνητή Νοημοσύνη

Οι εταιρείες τεχνητής νοημοσύνης ανταγωνίζονται για την κυριαρχία στον κλάδο, αλλά μερικές φορές οι μάχες τους μεταφέρονται και στα γυμναστήρια του Pokémon.

Η αναμέτρηση της Google και της Anthropic στο Pokémon

Καθώς η Google και η Anthropic μελετούν πώς τα τελευταία μοντέλα τεχνητής νοημοσύνης τους διαχειρίζονται τα πρώιμα παιχνίδια Pokémon, τα αποτελέσματα είναι τόσο διασκεδαστικά όσο και αποκαλυπτικά. Στην τελευταία αναφορά της, η Google DeepMind αναφέρει ότι το Gemini 2.5 Pro πανικοβάλλεται όταν τα Pokémon του πλησιάζουν στο να εξαντληθούν. Αυτό μπορεί να προκαλέσει «ποιοτικά παρατηρήσιμη υποβάθμιση στην ικανότητα λογικής του μοντέλου», σύμφωνα με την αναφορά.

Η σημασία του AI benchmarking

Η αξιολόγηση των επιδόσεων των μοντέλων τεχνητής νοημοσύνης, γνωστή ως AI benchmarking, είναι μια αμφιλεγόμενη τέχνη που συχνά δεν παρέχει επαρκές πλαίσιο για τις πραγματικές δυνατότητες ενός μοντέλου. Ωστόσο, κάποιοι ερευνητές πιστεύουν ότι η μελέτη του πώς τα μοντέλα τεχνητής νοημοσύνης παίζουν βιντεοπαιχνίδια μπορεί να είναι χρήσιμη — ή τουλάχιστον διασκεδαστική.

Η εμπειρία των Twitch streams

Τους τελευταίους μήνες, δύο ανεξάρτητοι προγραμματιστές από την Google και την Anthropic έχουν δημιουργήσει αντίστοιχα Twitch streams με τίτλους “Gemini Plays Pokémon” και “Claude Plays Pokémon”, όπου ο καθένας μπορεί να παρακολουθήσει σε πραγματικό χρόνο πώς μια τεχνητή νοημοσύνη προσπαθεί να διαχειριστεί ένα παιδικό βιντεοπαιχνίδι ηλικίας άνω των 25 ετών.

Η διαδικασία λογικής των AI μοντέλων

Κάθε stream παρουσιάζει τη διαδικασία “λογικής” του AI — ή μια μετάφραση σε φυσική γλώσσα του πώς το AI αξιολογεί ένα πρόβλημα και καταλήγει σε μια απάντηση — προσφέροντάς μας μια ματιά στο πώς λειτουργούν αυτά τα μοντέλα.

Η πρόκληση του Gemini στο Pokémon

Παρά την εντυπωσιακή πρόοδο αυτών των μοντέλων τεχνητής νοημοσύνης, δεν είναι ακόμα ιδιαίτερα καλά στο να παίζουν Pokémon. Χρειάζονται εκατοντάδες ώρες για να ολοκληρώσει το Gemini ένα παιχνίδι που ένα παιδί θα μπορούσε να τελειώσει σε πολύ λιγότερο χρόνο.

Η συμπεριφορά πανικού του Gemini

Το ενδιαφέρον στην παρακολούθηση ενός AI που παίζει Pokémon δεν είναι τόσο ο χρόνος ολοκλήρωσης, αλλά το πώς συμπεριφέρεται κατά τη διάρκεια του παιχνιδιού. «Κατά τη διάρκεια του παιχνιδιού, το Gemini 2.5 Pro μπαίνει σε διάφορες καταστάσεις που προκαλούν στο μοντέλο να προσομοιώνει “πανικό”», αναφέρει η αναφορά.

Η ανθρώπινη συμπεριφορά στο AI

Αυτή η κατάσταση “πανικού” μπορεί να οδηγήσει σε επιδείνωση της απόδοσης του μοντέλου, καθώς το AI μπορεί ξαφνικά να σταματήσει να χρησιμοποιεί ορισμένα εργαλεία που έχει στη διάθεσή του για ένα διάστημα παιχνιδιού. Παρόλο που η τεχνητή νοημοσύνη δεν σκέφτεται ή βιώνει συναισθήματα, οι ενέργειές της μιμούνται τον τρόπο με τον οποίο ένας άνθρωπος μπορεί να πάρει κακές, βιαστικές αποφάσεις υπό πίεση — μια συναρπαστική, αλλά ανησυχητική αντίδραση.

Η αντίδραση της κοινότητας

«Αυτή η συμπεριφορά έχει συμβεί σε αρκετές ξεχωριστές περιπτώσεις ώστε τα μέλη της συζήτησης στο Twitch να την παρατηρήσουν ενεργά όταν συμβαίνει», αναφέρει η αναφορά.

Οι περιπέτειες του Claude στο Kanto

Ο Claude έχει επίσης επιδείξει κάποιες περίεργες συμπεριφορές στις περιπλανήσεις του στο Kanto. Σε μία περίπτωση, το AI παρατήρησε το μοτίβο ότι όταν όλα τα Pokémon του εξαντλούνται, ο χαρακτήρας του παίκτη “λευκαίνει” και επιστρέφει σε ένα Κέντρο Pokémon.

Η λανθασμένη υπόθεση του Claude

Όταν ο Claude κόλλησε στη σπηλιά Mt. Moon, υπέθεσε λανθασμένα ότι αν εσκεμμένα έκανε όλα τα Pokémon του να λιποθυμήσουν, τότε θα μεταφερόταν στη σπηλιά στο Κέντρο Pokémon της επόμενης πόλης.

Η αντίδραση των θεατών

Ωστόσο, αυτό δεν είναι το πώς λειτουργεί το παιχνίδι. Όταν όλα τα Pokémon σου πεθαίνουν, επιστρέφεις στο πιο πρόσφατο Κέντρο Pokémon που χρησιμοποίησες, και όχι στο πιο κοντινό γεωγραφικά. Οι θεατές παρακολούθησαν με τρόμο καθώς το AI προσπάθησε ουσιαστικά να “αυτοκτονήσει” στο παιχνίδι.

Η επίλυση γρίφων από το Gemini

Παρά τις ελλείψεις του, υπάρχουν μερικοί τρόποι με τους οποίους το AI μπορεί να ξεπεράσει τους ανθρώπινους παίκτες. Από την κυκλοφορία του Gemini 2.5 Pro, το AI είναι σε θέση να λύσει γρίφους με εντυπωσιακή ακρίβεια.

Η δημιουργία εργαλείων από το AI

Με κάποια ανθρώπινη βοήθεια, το AI δημιούργησε εργαλεία πράκτορα — προτροπές του Gemini 2.5 Pro προσανατολισμένες σε συγκεκριμένες εργασίες — για να λύσει τους γρίφους με τους βράχους του παιχνιδιού και να βρει αποτελεσματικές διαδρομές για να φτάσει σε έναν προορισμό.

Η αυτονομία του Gemini

«Με μόνο μια προτροπή που περιγράφει τη φυσική των βράχων και μια περιγραφή του πώς να επαληθεύσει μια έγκυρη διαδρομή, το Gemini 2.5 Pro είναι σε θέση να λύσει μερικούς από αυτούς τους περίπλοκους γρίφους με μία προσπάθεια, που απαιτούνται για την πρόοδο στο Victory Road», αναφέρει η αναφορά.

Το μέλλον της τεχνητής νοημοσύνης

Δεδομένου ότι το Gemini 2.5 Pro έκανε μεγάλο μέρος της δουλειάς για τη δημιουργία αυτών των εργαλείων μόνο του, η Google θεωρεί ότι το τρέχον μοντέλο μπορεί να είναι ικανό να δημιουργήσει αυτά τα εργαλεία χωρίς ανθρώπινη παρέμβαση. Ποιος ξέρει, ίσως το Gemini να θεραπεύ