A evolução dos modelos de inteligência artificial (IA) ao longo das últimas décadas é frequentemente medida pela sua capacidade de superar humanos em jogos. Em 1997, o supercomputador Deep Blue da IBM surpreendeu o mundo ao derrotar o campeão de xadrez Garry Kasparov. Quase vinte anos depois, o modelo AlphaGo da Google venceu um campeão humano no complexo jogo de tabuleiro Go. Desde então, as máquinas passaram dos tabuleiros para os ecrãs, a dominar títulos como Dota 2 e Starcraft II através de métodos de aprendizagem por reforço.
No entanto, existe uma área onde os jogadores de carne e osso continuam a levar a melhor. Quando o desafio passa por pegar num videojogo completamente desconhecido e perceber as suas mecânicas básicas, os humanos aprendem muito mais depressa do que os modelos de IA mais avançados.
Esta é a principal conclusão de um artigo científico publicado recentemente por Julian Togelius, professor de ciência da computação na Universidade de Nova Iorque, e pelos seus colegas. A notícia, avançada pela PopSci, indica que esta distinção ajuda a explicar o que torna a inteligência humana única e demonstra que a tecnologia ainda tem um longo caminho a percorrer antes de atingir um nível de compreensão semelhante ao nosso. Segundo os autores do estudo, se colocarmos um grande modelo de linguagem (LLM) a jogar um título que nunca viu antes, o resultado é quase de certeza o fracasso.
A dificuldade em improvisar
Os videojogos têm servido como excelentes campos de teste para a IA durante décadas, uma vez que oferecem regras previsíveis e objectivos definidos. A aprendizagem por reforço permite que um modelo jogue uma simulação milhões de vezes, a recorrer à tentativa e erro para ser gradualmente optimizado até atingir a proficiência. Foi esta a lógica que permitiu à DeepMind dominar os clássicos da Atari em 2015.
Apesar de a tecnologia ser capaz de executar tarefas complexas em ambientes controlados, o método falha quando é necessário generalizar. Os investigadores referem que os modelos actuais tornam-se excepcionalmente bons numa tarefa muito específica, mas pequenas variações no design de um jogo podem fazer com que todo o sistema colapse. Uma IA pode ser sobre-humana num título específico, mas revela-se incompetente quando é forçada a improvisar.
Esta limitação torna-se ainda mais evidente perante a tendência actual da indústria para criar obras mais abertas e abstractas. Enquanto o mercado lida com outros desafios técnicos, como as novas medidas de segurança para combater a pirataria em títulos de grande orçamento, a inteligência artificial enfrenta a sua própria barreira de compreensão. Num jogo de mundo aberto como Red Dead Redemption, o objectivo principal é muito menos directo do que num tabuleiro de xadrez. O conceito de “vencer” ao encarnar um fora da lei no faroeste é abstracto para uma máquina. Mesmo em títulos mais simples como Minecraft, um modelo pode aprender a saltar entre blocos sem ter qualquer noção do que o ato de saltar significa na realidade.
A vantagem da experiência humana
De acordo com os investigadores, todos os videojogos bem desenhados são talhados para as capacidades, intuição e senso comum dos humanos. A nossa maior vantagem ao jogar contra máquinas reside na experiência de vida. Um jogador comum que descarrega um novo lançamento traz consigo anos de interacção com objectos físicos e conceitos abstractos. Os bebés humanos começam a reconhecer e a identificar objectos entre os 18 e os 24 meses, apenas por existirem no mundo. As máquinas, por outro lado, precisam de muito mais orientação.
Tudo isto faz com que os humanos aprendam novos videojogos de forma muito mais rápida. Estudos anteriores mostram que um modelo de IA a usar aprendizagem por reforço baseada na curiosidade pode necessitar de quatro milhões de interacções no teclado para terminar um jogo, o que se traduz em cerca de 37 horas de jogo contínuo. Em contraste, um jogador humano consegue perceber a essência de um título totalmente novo numa fracção desse tempo, a demonstrar que a intuição humana ainda é insubstituível.
