Начнём с успеха. GPT-6 Astra, представленная OpenAI 3 сентября, прошла Portal полностью автономно — без человека, без подсказок, ориентируясь только по скриншотам с экрана и отдавая команды управления. Модель сама решала, куда стрелять порталами, как разгоняться и что делать в каждой испытательной камере.
Цена вопроса вышла показательной. На прохождение ушло 3336 обращений к инструментам, а счёт за использование интерфейса составил 571 доллар 18 центов — примерно 45 тысяч рублей. Для сравнения, сама Portal в Steam стоит несколько сотен рублей, а подробных руководств по ней в сети тысячи, причём бесплатных.
Со временем всё ещё интереснее. Формально игра заняла около двух часов, но это лукавая цифра: пока модель разглядывала очередной кадр и соображала, что делать дальше, Portal стояла на паузе. С учётом всех этих раздумий эксперимент растянулся почти на сутки.
Восторги в профильном сообществе быстро уравновесились скепсисом. Энтузиасты вспомнили, что ещё в 2016 году одной из заявленных технических целей OpenAI было научить единого агента решать самые разные игры — и вот спустя десять лет цель достигнута. Критики возражают резонно: Portal вышла в 2007 году и разобрана по камерам буквально до последнего кубика, так что полные прохождения почти наверняка лежат в обучающих данных модели. Плюс аргумент, который сложно оспорить, — это замкнутая головоломка с одним правильным решением на комнату, и к настоящей открытой задаче происходящее отношения не имеет.
И вот тут в дело вступает второй эксперимент. Другой энтузиаст написал плагин, позволяющий Astra управлять игрой напрямую, и посадил модель за Grand Theft Auto: Vice City — конкретно за миссию Demolition Man, ту самую, где нужно радиоуправляемым вертолётом развезти четыре бомбы по этажам строящегося здания за семь минут.
Миссия эта заслуженно считается одной из самых ненавистных за всю историю серии. Вертолёт норовит опрокинуться от любого касания, загорается от удара о стену и мгновенно проваливает задание, а таймер запускается с момента, когда игрок берёт первую бомбу. Двадцать четыре года назад люди швыряли из-за неё геймпады в стену.
Astra тоже не справилась. Модель честно пыталась, даже ставила игру на паузу, чтобы обдумать следующий манёвр, — но миссию в итоге завалила. Получается почти анекдотическая картина: система, которая решает многоходовые логические задачи и кодит рабочие приложения по одному запросу, не может удержать в воздухе игрушечный вертолёт из игры для PlayStation 2.
На чём бы вы проверяли новую нейросеть — на головоломках или сразу на самых ненавистных миссиях из старых игр?