Stora AI-modeller klarar inte nya spelmiljöer – trots massiv träning

arXiv cs.AI

Forskare tränade AI-agenter (program som lär sig agera i virtuella världar) på upp till 1 600 timmars speldata med modeller från 0,8 till 27 miljarder parametrar – och fann att mer data och större modeller hjälper inom bekanta miljöer, men att generalisering till helt nya spelvärldar förblir svårt. Intressant nog verkar träningen ha två faser: en tidig fas där modellen lär sig breda grundläggande kontroller, och en senare fas där kunskapen snävas in mot just de spel den sett. Slutsatsen är att ren imitation av mänskligt spelande troligen inte räcker för att bygga verkligt generella AI-agenter.