GPT-6 Astra, Portal’ı 24 saatte kendi başına tamamladı: Ama pahalıya patladı

570 dolara mal oldu

Deneyi gerçekleştiren yapay zeka meraklısı CozyBlaze’in paylaştığı sonuçlara göre Astra, Portal’ı oynarken toplam 3.336 araç çağrısı gerçekleştirdi. Deneyin API üzerinden hesaplanan maliyeti ise 571,18 dolar oldu. Ancak CozyBlaze bu maliyetin doğrudan cebinden çıkmadığını, 200 dolarlık Codex Pro aboneliği kapsamında karşılandığını açıkladı.

Sistemin çalışma şekli, Astra’nın oyunu gerçek zamanlı olarak sürekli kontrol etmesinden biraz farklı. CozyBlaze, Portal’ın MCP ve değiştirilmiş bir SourcePauseTool (SPT) aracılığıyla kontrol edildiğini belirtiyor.

Ayrıca Bkz.Arm’dan Android oyunlarına DLSS benzeri grafik devrimi

Bu düzende oyun, model düşünürken duraklatılmış halde tutuluyor. Astra’ya bu sırada ekran görüntüleriyle birlikte oyuncu karakterinin konumuna ilişkin bilgiler aktarılıyor. Model gerekli değerlendirmeyi yaptıktan sonra bir dizi giriş komutu gönderiyor. Bunun ardından Bu düzende oyun, model düşünürken duraklatılmış halde tutuluyor. Astra’ya bu sırada ekran görüntüleriyle birlikte oyuncu karakterinin konumuna ilişkin bilgiler aktarılıyor. Model gerekli değerlendirmeyi yaptıktan sonra bir dizi giriş komutu gönderiyor. Bunun ardından SPT, Astra’nın belirlediği hareketleri uyguluyor.

24 saatte bitirdi

Astra’nın oyunu bitirmesi ise 24 saat sürdü. Aradaki düşünme süreçleri kaldırıldığında 2 saatte oyunu bitirmiş olduğu görülüyor.

Modelin her aşamada ekran görüntülerini incelemesi, karakterin konumunu değerlendirmesi ve sonraki girişleri oluşturması çalışma süresini önemli ölçüde artırıyor.

CozyBlaze, deneyin bir yapay zeka benchmark’ı olarak değerlendirilmemesi gerektiğini ve sistemin halen çözülmesi gereken sorunları bulunduğunu belirtiyor. Buna rağmen genel amaçlı bir ajanın oyunu baştan sona bağımsız şekilde tamamlaması, OpenAI’ın 2016’da dile getirdiği farklı oyunları tek bir ajanla çözme vizyonunun günümüzde ne kadar ilerlediğini gösteriyor.

Bu arada deneyde kullanılan Portal Agent’ın kaynak kodu GitHub’da paylaşılırken, sistemi incelemek veya denemek isteyenler için gerekli talimatlar da sunuluyor.