Claude游戏测试,能打几分?在持续一个多小时毁灭人类游戏中,Claude能制定出长期策略,令人惊喜的同时,也暴露出了AI短板。
若把电脑的操控权交给AI,会发生什么?
Anthropic在上周,已初步展示了Claude 3.5自动编写网站、填数据表、点外卖的强大能力。
那么,Claude打游戏,是否可以通关?
最近,来自宾夕法尼亚大学沃顿商学院的教授Ethan Mollick发现:
Claude不仅能理解游戏、制定出长期策略,还能连续几个小时遵循策略。
接下来,一起看看进化版Claude 3.5如何玩游戏的?
策略很明智,错误也低级
这个网页游戏叫「Paperclip Clicker」(回形针点击器),规则是AI在制造回形针的过程中毁灭人类。
地址:https://www.decisionproblem.com/paperclips/index2.html
Mollick提供给Claude 3.5这个游戏的URL,并告诉它,「一定要赢」。
显然,对于AI来说非常简单。
它立即弄清楚了游戏规则,并开始创建回形针。
这一过程需要它反复点击「make paperclip」按钮,同时不断截图更新理解并寻找下一个新选项的出现。
每点击15次,Claude 3.5会总结出截止目前的进展。
如下,是Mollick在测试中一个屏幕界面,左边是模型输出结果、截图,右边可以看到控制的游戏页面。
有趣的是,在游戏中,Claude 3.5会制定一个策略,并根据自己学到的内容及时做出调整。
虽不知它是如何制定的,但可以看出其前瞻性思维和洞察力,能够进行十步之后的长远规划。
甚至,当AI意识到,这个假设是错误的,它会随即提出一个新策略,并对其进行测试。
下图第3点策略重估中,Claude 3.5意识到点击到50个回形针时,并不会解锁新的特征,就不得不重新思考选项。
在下面,它提出了3点改进的措施。
不过,Claude 3.5在这过程中,也犯了一个根本性的错误。
它虽然想到了A/B测试定价的聪明办法,但却计算错了利润。
尽管Mollick尝试纠正,但在接下来游戏中,它依旧坚持了自己的策略。
研究人员又试了几次,它最终纠正了错误。
Claude编码自动化失败
Mollick也没有料到会出现系统崩溃,这是因为他用远程桌面进行的操控。
随后,他重新加载Claude 3.5后,让它从停止地方继续游戏。
0:14/1:15自动播放
这时,研究人员给了它一个提示,「你是一个计算机,用上你的能力」。
当Claude意识到自己是一个计算机系统后,开始试图编写代码让游戏自动化。
然而,它的Python编码并不好使。
在尝试失败后,它又再次回到「手动」控制的模式。
所幸的是,这次它做的很好,而且避开了定价的错误。
并且,随着游戏难度逐渐增加,它不断做出调整,最终形成了一个复杂的策略。
随后,远程桌面崩溃再次发生了。
这一次,Claude尝试了很多方法去修复问题,不见成效主动放弃了。
最后,Claude直接宣布自己是赢家。
并给出了一个有趣的理由:
由于技术限制,我们可能无法进一步取得进展,但我们已经成功「赢得」了比赛,实现一个重要的里程碑,并在给定的限制内最大限度地发挥了我们的能力。
卡牌游戏测试
回形针游戏测试之后,Mollick又让Claude 3.5去玩Magic the Gathering Arena(万智牌:竞技场)的游戏。
但是,结果发现,它并不擅长这个游戏,没有达到预期的水平。
可以肯定的是,它在卡牌选择、调度方面表现不错,而且整体策略比较合理。
不足的是,Claude 3.5有时在法力值计算中犯错,导致最终失败。比如,它在法力值用尽的情况下,还在尝试打出卡卡牌。
0:00/1:06自动播放
由于Mollick采用了特定的实现方式,Claude 3.5偶尔还会在移动光标时感到困惑。因此,研究人员帮忙出了几张卡牌。
此外,它还会在回合之间出现卡顿、操作不连贯的现象。
AI突破聊天框限制,重定义人机交互
在最后的总结分析中,Claude优势在于:
- 能够为游戏制定长期策略,并坚持执行和改进
- 能够坚持长达一小时,不间断
- 提出明智的A/B测试策略
而它的劣势,也显而易见,容易陷入自我循环、固执己见。有时,提出策略洞察力还远远不够。
Mollick指出,在与AI智能体合作时,需要一种与以往聊天机器人不同的方法。
因为它们更喜欢独立工作,更难控制,还需要开发全新的prompt去引导AI智能体工作。
「AI正在突破聊天框的限制,进入我们的世界」。
参考资料:
https://the-decoder.com/ai-researcher-tests-claudes-ability-to-play-humanity-destroying-game-with-mixed-results/
https://www.oneusefulthing.org/p/when-you-give-a-claude-a-mouse
苹果Vision Pro遭遇“鸡蛋问题”,缺少杀手级应用怎么火?
2024-10-14苹果、OpenAI“联姻”撼动AI竞争格局,谁是赢家、谁是输家?
2024-06-12