AI玩毀滅人類游戲，全程自主操控驚呆教授，Claude 3.5硬核實測來襲

　　Claude游戲測試，能打幾分?在持續(xù)一個多小時毀滅人類游戲中，Claude能制定出長期策略，令人驚喜的同時，也暴露出了AI短板。

　　若把電腦的操控權(quán)交給AI，會發(fā)生什么?

　　Anthropic在上周，已初步展示了Claude3.5自動編寫網(wǎng)站、填數(shù)據(jù)表、點外賣的強大能力。

　　那么，Claude打游戲，是否可以通關(guān)?

　　最近，來自賓夕法尼亞大學(xué)沃頓商學(xué)院的教授Ethan Mollick發(fā)現(xiàn):

　　Claude不僅能理解游戲、制定出長期策略，還能連續(xù)幾個小時遵循策略。

　　接下來，一起看看進化版Claude3.5如何玩游戲的?

　　策略很明智，錯誤也低級

　　這個網(wǎng)頁游戲叫「Paperclip Clicker」(回形針點擊器)，規(guī)則是AI在制造回形針的過程中毀滅人類。

　　Mollick提供給Claude3.5這個游戲的URL，并告訴它，「一定要贏」。

　　顯然，對于AI來說非常簡單。

　　它立即弄清楚了游戲規(guī)則，并開始創(chuàng)建回形針。

　　這一過程需要它反復(fù)點擊「make paperclip」按鈕，同時不斷截圖更新理解并尋找下一個新選項的出現(xiàn)。

　　每點擊15次，Claude3.5會總結(jié)出截止目前的進展。

　　如下，是Mollick在測試中一個屏幕界面，左邊是模型輸出結(jié)果、截圖，右邊可以看到控制的游戲頁面。

　　有趣的是，在游戲中，Claude3.5會制定一個策略，并根據(jù)自己學(xué)到的內(nèi)容及時做出調(diào)整。

　　雖不知它是如何制定的，但可以看出其前瞻性思維和洞察力，能夠進行十步之后的長遠規(guī)劃。

　　甚至，當(dāng)AI意識到，這個假設(shè)是錯誤的，它會隨即提出一個新策略，并對其進行測試。

　　下圖第3點策略重估中，Claude3.5意識到點擊到50個回形針時，并不會解鎖新的特征，就不得不重新思考選項。

　　在下面，它提出了3點改進的措施。

　　不過，Claude3.5在這過程中，也犯了一個根本性的錯誤。

　　它雖然想到了A/B測試定價的聰明辦法，但卻計算錯了利潤。

　　盡管Mollick嘗試糾正，但在接下來游戲中，它依舊堅持了自己的策略。

　　研究人員又試了幾次，它最終糾正了錯誤。

　　Claude編碼自動化失敗

　　Mollick也沒有料到會出現(xiàn)系統(tǒng)崩潰，這是因為他用遠程桌面進行的操控。

　　隨后，他重新加載Claude3.5后，讓它從停止地方繼續(xù)游戲。

　　這時，研究人員給了它一個提示，「你是一個計算機，用上你的能力」。

　　當(dāng)Claude意識到自己是一個計算機系統(tǒng)后，開始試圖編寫代碼讓游戲自動化。

　　然而，它的Python編碼并不好使。

　　在嘗試失敗后，它又再次回到「手動」控制的模式。

　　所幸的是，這次它做的很好，而且避開了定價的錯誤。

　　并且，隨著游戲難度逐漸增加，它不斷做出調(diào)整，最終形成了一個復(fù)雜的策略。

　　隨后，遠程桌面崩潰再次發(fā)生了。

　　這一次，Claude嘗試了很多方法去修復(fù)問題，不見成效主動放棄了。

　　最后，Claude直接宣布自己是贏家。

　　并給出了一個有趣的理由:

　　由于技術(shù)限制，我們可能無法進一步取得進展，但我們已經(jīng)成功「贏得」了比賽，實現(xiàn)一個重要的里程碑，并在給定的限制內(nèi)最大限度地發(fā)揮了我們的能力。

　　卡牌游戲測試

　　回形針游戲測試之后，Mollick又讓Claude3.5去玩Magic the Gathering Arena(萬智牌:競技場)的游戲。

　　但是，結(jié)果發(fā)現(xiàn)，它并不擅長這個游戲，沒有達到預(yù)期的水平。

　　可以肯定的是，它在卡牌選擇、調(diào)度方面表現(xiàn)不錯，而且整體策略比較合理。

　　不足的是，Claude3.5有時在法力值計算中犯錯，導(dǎo)致最終失敗。比如，它在法力值用盡的情況下，還在嘗試打出卡卡牌。

　　由于Mollick采用了特定的實現(xiàn)方式，Claude3.5偶爾還會在移動光標(biāo)時感到困惑。因此，研究人員幫忙出了幾張卡牌。

　　此外，它還會在回合之間出現(xiàn)卡頓、操作不連貫的現(xiàn)象。

　　AI突破聊天框限制，重定義人機交互

　　在最后的總結(jié)分析中，Claude優(yōu)勢在于:

　　- 能夠為游戲制定長期策略，并堅持執(zhí)行和改進

　　- 能夠堅持長達一小時，不間斷

　　- 提出明智的A/B測試策略

　　而它的劣勢，也顯而易見，容易陷入自我循環(huán)、固執(zhí)己見。有時，提出策略洞察力還遠遠不夠。

　　Mollick指出，在與AI智能體合作時，需要一種與以往聊天機器人不同的方法。

　　因為它們更喜歡獨立工作，更難控制，還需要開發(fā)全新的prompt去引導(dǎo)AI智能體工作。

　　「AI正在突破聊天框的限制，進入我們的世界」。