Искусственный интеллект играет в игру Морской бой: как он помогает в научных исследованиях
Модели ИИ и люди играли в «Совместный боевой бой», чтобы протестировать стратегии эффективного решения проблем
Присоединяйтесь к нашему сообществу любителей науки!
Подпишитесь на нашу бесплатную ежедневную рассылку новостейВведите свой адрес электронной почтыЯ соглашаюсь с тем, что моя информация будет обрабатываться в соответствии с Политикой конфиденциальности Scientific American и Springer Nature Limited. Мы используем сторонние сервисы как для проверки, так и для доставки электронной почты. Предоставляя свой адрес электронной почты, вы также даете согласие на то, чтобы этот адрес электронной почты был передан третьим лицам для этих целей.Зарегистрируйтесь
Если искусственный интеллект произведет революцию в науке, как многие из в frontier AI laboratories надеются, что сначала им нужно освоить настольные игры. Таков урок из недавнего исследования навыков принятия решений моделями искусственного интеллекта, опробованного в игре Battleship. Цель состояла в том, чтобы найти способы для моделей быть более осторожными с ограниченными ресурсами: «дешевое вмешательство» для поиска информации, как выразился научный сотрудник Валерио Пепе.
Наука требует большого количества решения — исследователи должны выбирать, какие гипотезы выдвигать и какое моделирование проводить. Выбор будет определять, по какому пути идти, когда ресурсы для экспериментов ограничены. «Вы можете получить только определенный объем данных, потому что сбор данных является либо дорогостоящим, либо отнимает много времени», — говорит Пепе, который руководил работой над проектом до прихода в OpenAI. (Исследование проводилось в лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института.)* В апреле Пепе и его коллеги представили свои результаты на Международной конференции по обучению репрезентациям, ежегодной встрече, посвященной глубокому обучению ИИ.
Исследователи разработали совместную версию игры «Морской бой», в которую могли бы играть люди или искусственный интеллект. В игре один из членов команды задавал вопросы о расположении кораблей на карте, в то время как другой отвечал на них, чтобы совместными усилиями определить, где спрятаны суда, и потопить их. Подсчитав, сколько раундов потребовалось, чтобы потопить все корабли, исследователи смогли проверить эффективность работы large language models (LLM) по сравнению с другими LLM и с 42 игроками-людьми, которых привлекла группа. Изначально люди неизменно выигрывали за меньшее количество ходов, чем Llama-4-Scout, модель искусственного интеллекта Meta, ориентированная на эффективность. Главная логическая модель OpenAI, GPT-5, показала лучшие результаты, чем обе.
О поддержке научной журналистики
Если вам понравилась эта статья, подумайте о том, чтобы поддержать нашу журналистику, отмеченную наградами, подписавшись на нее. Приобретая подписку, вы помогаете обеспечить будущее впечатляющих историй об открытиях и идеях, формирующих наш современный мир.
Ученых вдохновил байесовский экспериментальный подход, в рамках которого исследователи интерпретируют процесс принятия решений, оценивая вероятности событий с учетом предварительных предположений. Они оптимизировали свои модели таким образом, чтобы задавать вопросы, которые максимально увеличивали шансы на точное попадание в цель и объем информации, которую они получали с каждым вопросом, а также позволяли предвидеть ход событий при принятии решения о том, какой ход сделать. Ученые также обнаружили, что точность увеличивалась, когда игроки общались с помощью фрагментов кода, а не естественного языка. Благодаря этому процессу группа смогла выиграть у Llama-4-Scout за меньшее количество ходов, чем у GPT-5, в двух третях случаев при примерно одной сотой стоимости. В среднем он также выигрывал на семь ходов меньше, чем игроки-люди.
С линкором гораздо проще, чем со многими научными проблемами — химические и биологические образцы, например, не могут быть интерпретированы так же четко, как доски для линкора. Но Пепе говорит, что методы, используемые ИИ в игре, вероятно, также будут применимы для принятия научных решений.
«Фреймворк будет очень полезен для оценки того, действительно ли языковые модели достигают прогресса» при принятии решения о том, какие гипотезы использовать из всех возможных, говорит Юаньци Ду, исследователь, специализирующийся на искусственном интеллекте для химика, который недавно защитил докторскую диссертацию в Корнеллском университете и не принимал участия в исследовании. «Понимание всего пространства гипотез, которые вы ищете, — это самая сложная часть».
*Примечание редактора (от 15.05.26): Это предложение было добавлено после публикации, чтобы уточнить, где проводилось исследование.
Оцените материал:
