যদিও জেমিনি এই কাজগুলির জন্য নিজস্ব মডেল এবং যুক্তি প্রক্রিয়াটি ব্যবহার করছে, এটি দেখায় যে জোয়েলজকে অবশ্যই এই বিশেষায়িত এজেন্টদের বিশেষত গেমের কয়েকটি কঠিন চ্যালেঞ্জগুলি সমাধান করতে সহায়তা করার জন্য বেসিক মডেলটিতে গ্রাফ্ট করতে হবে। জোয়েলজ যেমন লিখেছেন, “আমার হস্তক্ষেপগুলি মিথুনির সামগ্রিক সিদ্ধান্ত গ্রহণ এবং যুক্তি দক্ষতার উন্নতি করে।”
আমরা এখানে কি পরীক্ষা করছি?
আমাকে ভুল করবেন না, এটি অবশ্যই পোকমন গেমসকে পরাজিত করতে পারে এমন একটি ফর্মের ম্যাসেজ করার একটি অর্জন। যাইহোক, আমরা এই সাফল্যের মূল্যায়ন করার সাথে সাথে “এলএলএমগুলি এখনও তাদের নিজের উপর দাঁড়াতে পারে না” এমন বিষয়গুলি মনে রাখবেন “জেমিনির” হস্তক্ষেপের “স্তরকে সহায়তা করার জন্য।
এই মুহুর্তে জেমিনি পোকেমনকে পরাজিত করেছিল (কিছুটা সাহায্য নিয়ে)।
আমরা ইতিমধ্যে জানি যে বিশেষভাবে ডিজাইন করা বর্ধিত শেখার সরঞ্জামগুলি পোকেমনকে খুব দক্ষতার সাথে পরাস্ত করতে পারে (এমনকি এলোমেলো সংখ্যা জেনারেটরও গেমটিকে খুব দক্ষতার সাথে পরাস্ত করতে পারে)। “এলএলএম প্লে পোকেমন” পরীক্ষার বিশেষ অনুরণন হ’ল সাধারণ ভাষার মডেলটি নিজেরাই জটিল গেমগুলি সমাধান করার জন্য নিজস্ব সমাধানগুলি সম্পর্কে যুক্তিযুক্ত হতে পারে কিনা। বাহ্যিক তথ্য, সরঞ্জাম, বা “তারের জোতা” সহ, আমরা যত বেশি মডেল দেই, গেমটি তত কম উদ্দেশ্য হবে।
অ্যানথ্রোপিক ফেব্রুয়ারিতে বলেছিলেন যে ক্লোড পোকেমনকে অভিনয় করেছিলেন “এআই সিস্টেমের একটি ফ্ল্যাশ যা কেবল প্রশিক্ষণের মধ্য দিয়েই যায় না, সক্ষমতার উন্নতির চ্যালেঞ্জগুলি মোকাবেলায় সাধারণ যুক্তির মাধ্যমেও যায়।” তবে, ব্র্যাডশো যেমন লেসরং -এ লিখেছেন, “এখানে কোনও দুর্দান্ত এজেন্ট সিট বেল্ট নেই, [all models] গেমের প্রথম স্ক্রিনে লাল বেডরুমে এটি করা শক্ত!
অন্য কথায়, সেই কল্পনা করা ভবিষ্যত থেকে, কৃত্রিম ইউনিভার্সাল বুদ্ধি পোকেমনকে পরাস্ত করার একটি উপায় খুঁজে পেতে পারে এবং আমাদের এখনও অনেক দীর্ঘ পথ যেতে হবে।
