لعبة "أرينا" تضيف "المذؤوب" و"بوكر"
جوجل ديب ميند و منصة كاجل للاختبارات على مستوى جديد This is not just entertainment, but an attempt to bring AI evaluation closer to real-world scenarios, where not only computation matters, but also behavior in a social environment.
ولا يزال الشطرنج المعيار الذهبي لاختبار المنطق والتفكير الاستراتيجي. "المذؤوب" من الناحية الأخرى، هو حول شيء آخر تماما. هنا، يحتاج النموذج لكشف الخداع، مراقبة سلوك اللاعبين الآخرين، وبناء الثقة. ويضيف البوكر عنصراً معقداً آخر - صنع القرار في إطار معلومات غير كاملة، حيث تكون بعض البيانات مخبأة ويجب حساب المخاطر على الذبابة.
الآن لدى المطورين مساحة موحدة حيث يمكنهم مقارنة مجموعة واسعة من القدرات المعرفية - من الرياضيات النقية إلى الذكاء العاطفي.
ما بالضبط اختبارات جديدة تحقق
وكل لعبة على المنصة مسؤولة عن مجموعة محددة من المهارات. ويمكن تقييم كل ذلك في شكل موحد واستخدامه لمقارنة النماذج مع بعضها البعض.
- Ches - اختبار القدرة على بناء خطط طويلة الأجل وحساب التباينات.
- "المذؤوب" - تقييم الذكاء الاجتماعي: الذي يكذب، الذي يقول الحقيقة، وما إذا كان يمكن تحديد المتلاعب.
- البوكر - العمل مع معلومات غير كاملة وتقدير الاحتمالات وإدارة المخاطر.
هو يُخبرُ بأنّ "ويرف" أثبتْ بأنّه a بيئة ملائمة لدَراسة سلامةِ AI. في بيئة افتراضية آمنة، يتعلم النماذج التلاعب بالمكان ومقاومته. وهذه خطوة هامة نحو ضمان ألا تقع النظم في المستقبل في خدع خبيثة في سيناريوهات الحوار في العالم الحقيقي.
جيميني ٣ برو وفلاش - القادة في جميع الفئات
وبعد توسيع المنبر، قام المطورون بتحديث التصنيفات على الفور. نماذج جوجل جيميني 3 برو Gemini 3 Flash - أخذ البقع العلوية في جميع انضباطات اللعبة. وهذا يدل على أنها تجمع بين المنطق والتفاهم الاجتماعي والقدرة على العمل مع عدم اليقين بطريقة متوازنة.
Google DeepMind CEO Demis Hassabis believes that traditional benchmarks no longer provide a complete picture of modern AI capabilities. وهناك حاجة إلى مزيد من التحديات الصارمة والمتنوعة التي تضع نماذج في ظروف معقدة شبيهة بالحياة. اختبارات لعبة مثل مسرحية لعبة هي واحدة من هذه الأدوات.
نجاح جيميني 3 برو و فلاش في ظل التحديات الجديدة علامة جيدة. يعني أن نهج (غوغل) في نماذج التدريب مع التركيز ليس فقط على المعرفة ولكن أيضاً على السيناريوهات السلوكية ولا يزال يتعين النظر إلى ما إذا كان بإمكان المنافسين أن يرتفعوا إلى مستوى أعلى. هذا التحدي في جولات اللعبة القادمة
