GPT-5.6 Sol फ़ैक्टोरियो को पीसफुल मोड में हरा सकता है
Anthropic के GPT‑5.6 “Sol” एजेंट द्वारा ऑटोमेशन गेम फ़ैक्टोरियो में (पीसफुल मोड पर) रॉकेट लॉन्च करने वाला एक प्रयोग इस पर प्रशंसा और संदेह दोनों पैदा कर रहा है कि वह वास्तव में क्या दिखाता है। टिप्पणीकार बताते हैं कि मॉडल काफ़ी हद तक मैनुअल आइटम ढुलाई और विकी व गाइड्स से मिली पूर्व-जानकारी पर निर्भर करता है, केवल तब चमकता है जब वास्तविक-समय का दबाव (जैसे दुश्मन हमले) हटा दिया जाता है, और फिर भी लंबी-अवधि की योजना तथा स्केलेबल फैक्टरी डिज़ाइन में संघर्ष करता है। कई लोग इसे “सामान्य गेम बुद्धिमत्ता” से कम और इस बात की झलक के रूप में देखते हैं कि LLMs जल्द ही जटिल खेलों में सहायकों या NPCs की तरह कैसे काम कर सकते हैं, लॉजिस्टिक्स, संवाद या रणनीति को समृद्ध करते हुए, जबकि मूल खेल और रचनात्मकता मनुष्यों के लिए छोड़ते हैं.
डेमो ने वास्तव में क्या दिखाया
- LLM-नियंत्रित एजेंट फ़ैक्टोरियो को पीसफुल मोड में हरा देता है, लेकिन लेट गेम में काफ़ी हद तक “कुरियर” व्यवहार पर निर्भर रहता है: खिलाड़ी अवतार का इस्तेमाल करके असंबद्ध प्रणालियों के बीच वस्तुओं को हाथ से ढोना।
- कुछ लोग इसे चतुर मानते हैं: एजेंट इंजीनियर को एक और स्वचालित लॉजिस्टिक्स यूनिट की तरह देखता है, “मैनुअल मेहनत” की तरह नहीं।
- अन्य का तर्क है कि इससे पता चलता है कि मॉडल फ़ैक्टोरियो के मूल मैकेनिक—बेल्ट और बॉट-आधारित ऑटोमेशन—को सच में नहीं समझता।
मैनुअल ढुलाई बनाम असली ऑटोमेशन
- मानव खिलाड़ी शुरुआत में हाथ से फीड करते हैं, लेकिन आमतौर पर बेल्ट्स/बॉट्स की ओर स्केल करते हैं क्योंकि चलना और चेस्ट-जग्लिंग करना उबाऊ हो जाता है और स्केल नहीं करता।
- कई लोग टिप्पणी करते हैं कि LLMs में बोरियत और “आलस” नहीं होता, इसलिए वे खुशी-खुशी बड़ी मात्रा में माइक्रो-मैनेजमेंट बनाए रखते हैं, एक ऐसे गेमप्ले लूपहोल को exploit करते हुए जिसे डिज़ाइनरों को बंद करने की ज़रूरत कभी नहीं पड़ी।
- मोटे अनुमान के हिसाब से समय के साथ बेल्ट्स हावी हो जाते हैं; मनुष्य यह अनुभव से समझते हैं, मॉडल इस आर्किटेक्चरल छलांग तक पहुँचने में धीमे लगते हैं।
पीसफुल मोड और लड़ाई का अभाव
- कई लोग नोट करते हैं कि पीसफुल मोड वास्तविक-समय का दबाव हटा देता है: एजेंट अनिश्चितकाल तक सोचने के लिए रुक सकता है।
- बिटर्स तेज़ प्रतिक्रियाएँ, पूर्व-नियोजित रक्षा, और मरने के जोखिम की माँग करते; मौजूदा LLMs ऐसे वास्तविक-समय, लंबी-अवधि की योजना बनाने में संघर्ष करते हैं।
- कई मॉडलों वाले अन्य फ़ैक्टोरियो स्ट्रीम्स से अवलोकन: वे रिएक्टिव रूप से सुरक्षा सुधारते हैं, लेकिन शायद ही कभी मज़बूत, आगे की सोच वाली सैन्य या दीवार रणनीतियाँ विकसित करते हैं।
ट्रेनिंग डेटा और “छिपी जानकारी”
- इस पर बहस कि फ़ैक्टोरियो में “छिपी” जानकारी है या नहीं: सभी आँकड़े और रेसिपीज़ दिखती हैं, लेकिन भविष्य की स्केलिंग आवश्यकताएँ (जैसे, कॉपर, सर्किट्स, लेट साइंसेज़) नए खिलाड़ियों के लिए तुरंत स्पष्ट नहीं होतीं।
- कई लोग नोट करते हैं कि मॉडलों ने संभवतः विकी, गाइड्स, ब्लूप्रिंट्स और प्लानर्स देखे हैं, इसलिए वे सच में “शुरू से सीख” नहीं रहे हैं।
- दूसरे जवाब देते हैं कि पहले के मॉडलों के पास वही डेटा था, लेकिन वे ऐसे कार्य पूरे नहीं कर पाए; इसलिए क्षमताओं में सुधार सिर्फ़ याददाश्त नहीं है।
गेम AI के लिए व्यापक निहितार्थ
- बहुत से लोग “AI का गेम्स खेलना” मज़ेदार मानते हैं, लेकिन वे बड़े संभावनाएँ यहाँ देखते हैं:
- बेहतर RTS / 4X प्रतिद्वंद्वी।
- गतिशील संवाद और व्यवहार वाले NPCs।
- “माली” जो जटिल फैक्ट्रियों की निगरानी या रखरखाव करें।
- चिंताएँ: वास्तविक-समय लैटेंसी, लागत, लोकल प्ले के लिए छोटे-मॉडल की सीमाएँ, और मानव-लिखित कथात्मक इरादे को बनाए रखना।
उत्साह बनाम संदेह
- उत्साही लोग इसे तुच्छ डेमो की तुलना में एक मज़बूत बेंचमार्क मानते हैं और तेज़ प्रगति का सबूत समझते हैं (Pokemon और FF7 रन का भी हवाला देते हुए)।
- संशयवादी ज़ोर देते हैं: पीसफुल मोड, भारी पूर्वज्ञान, धीमा खेल, खराब उच्च-स्तरीय योजना, और कमज़ोर आर्किटेक्चरल निर्णय, खासकर अनुभवी मनुष्यों की तुलना में।