Atari 2600 từng là tiêu chuẩn vàng cho các tác nhân AI trong thời gian tôi làm tiến sĩ. Một mạng nơ-ron đơn lẻ có khả năng chơi hơn 50 trò chơi Atari sẽ được coi là điều đáng kinh ngạc. Các mô hình gặp khó khăn trong việc ánh xạ màn hình pixel hóa 84x84 màu xám sang một vài nút bấm. Sau đó, OpenAI Five (Dota) và AlphaStar của DeepMind đã nâng cao trò chơi, đánh bại các nhà vô địch hàng đầu thế giới trong Esports. Tuy nhiên, chúng đã quá khớp với một môi trường ảo duy nhất tại một thời điểm. Thay đổi bất cứ điều gì sẽ ngay lập tức làm hỏng mô hình. Con người cực kỳ giỏi trong việc thích nghi với các quy tắc và vật lý khác nhau - điều mà vẫn tiếp tục làm khó khăn cho các LLM quy mô triệu đô tiên tiến nhất của chúng ta. Hãy nghĩ về 1000 trò chơi như 1000 mô phỏng. Càng nhiều thế giới ảo mà một tác nhân có thể thích nghi, nó càng phát triển khả năng lý luận, nhận thức và phối hợp vận động. Tất cả đều là những mảnh ghép quan trọng trong bức tranh lớn về robot. Bằng cách mã nguồn mở mô hình NitroGen và API Gym, chúng tôi phục vụ cùng một mục tiêu như AlphaGo, AlphaStar, OpenAI Five, và gần đây là Google SIMA: không phải để lấy đi niềm vui từ những trò chơi đó, mà để làm nổi bật những hạn chế của AI hiện đại, cung cấp một cơ sở vững chắc, và tạo ra một tiêu chuẩn mới - "Atari 2.0" - để đo lường sự tiến bộ tương ứng.