Atari 2600 obișnuia să fie reperul de aur pentru agenții AI în timpul doctoratului meu. O singură rețea neuronală capabilă să ruleze 50+ jocuri Atari ar fi considerată uluitoare. Modelele s-au chinuit să mapeze ecranul pixelat în tonuri de gri 84x84 la câteva butoane. Apoi OpenAI Five (Dota) și AlphaStar de la DeepMind au ridicat nivelul, depășind cei mai buni campioni mondiali la Esports. Totuși, se adaptează prea mult la un singur mediu virtual la un moment dat. Schimbarea oricărui lucru ar strica modelul instantaneu. Oamenii sunt extraordinar de buni la adaptarea la fizică și reguli foarte diferite – ceva ce continuă să scape celor mai avansate LLM-uri la scară de trilioane. Gândește-te la cele 1000 de jocuri ca la 1000 de simulări. Cu cât un agent se poate adapta la mai multe lumi virtuale, cu atât dezvoltă mai bine raționamentul întrupat, percepția și coordonarea motorie. Toate piese esențiale în marele puzzle al roboticii. Prin open-source-area modelului NitroGen și a API-ului Gym, servim același scop ca AlphaGo, AlphaStar, OpenAI Five și, recent, Google SIMA: nu să le luăm distracția acestor jocuri, ci să evidențiem limitările AI moderne, să oferim o bază solidă și să creăm un nou reperă – "Atari 2.0" – pentru a măsura progresul corespunzător.