Помните исследование о том, как ИИ играет в Civilization? А вот мой однофамилец Питер Гостев из компании Arena решил проверить топовые модели на играх попроще: RollerCoaster Tycoon 2 и Worms Armageddon.

Смысл в том, что тут модель должна часами удерживать в голове состояние мира, ставить цели, понимать экономику, планировать инфраструктуру, замечать собственные ошибки и восстанавливаться после них. В Worms добавляются пространственное мышление, приблизительная физика, выбор оружия, оценка риска и необходимость строить план на несколько ходов вперёд, причём среда постоянно меняется.

Сначала GPT-6 Astra и Fable 5.1 отправили руководить парком развлечений. ТЗ простое: тысяча посетителей и побольше денег.

Astra подошла к делу с размахом. Строила большие американские горки, следила за выручкой, меняла цены, возвращала кредиты и потратила около $50 тысяч на рекламу.

Правда, параллельно она умудрилась построить очередь к карусели так, что та перекрыла выход с американских горок. А закусочную с картошкой в месте без нормального доступа. Продажи — ноль. Через некоторое время ИИ всё-таки заметил, что люди почему-то не покупают картошку и перенёс магазин. В итоге, за три часа и 50 млн токенов Astra справилась с задачей.

Fable выбрала совершенно другую бизнес-модель. Сначала построила хорошую горку, а потом решила, что успех надо масштабировать. В парке появились четыре одинаковых Twist, четыре горки-слайда и три колеса обозрения.

Посетители почему-то не оценили.

Через час в парке было всего 77 человек из требуемой тысячи. Fable долго воевала с дорожками и доступом механиков, аттракционы ломались, входы оказывались перекрыты, но ИИ продолжал занимать деньги и расширяться. 250 млн токенов сгорели, но цель не достигнута.

Дальше Иишкам выдали базуки и отправили в Worms Armageddon друг против друга.

Первую серию Fable выиграла 3:0. При этом Гостев отдельно отметил, что плохо играли обе модели, но Astra была особенно склонна к «суицидальным» решениям. Сам он назвал увиденное прекрасной смесью осмысленности и полного идиотизма.

Тогда он выкрутил настройки на максимум. Серия стала плотнее: 3:2, снова в пользу Fable. Но обе по-прежнему играли довольно плохо и совершали массу очевидных ошибок.

На фоне разговоров о том, что ИИ однажды может уничтожить человечество, эксперимент говорит, что человечеству, кажется, рано паниковать: ИИ ещё не всегда справляется даже с задачей уничтожить чужих червячков.

@gostev_future