ИИ от Google — Gemini 2.5 Pro — смог пройти 29-летнюю игру Pokémon Blue! 🎮🤖 Гендиректор Google Сандар Пичаи даже похвастался этим в X. Круто, но, кажется, без подсказок не обошлось. 😏 Кто следующий на очереди у ИИ?
Технический прорыв: как Gemini 2.5 Pro справился с классической игрой
Google объявил о значимом достижении своего флагманского ИИ — модели Gemini 2.5 Pro, которая успешно завершила 29-летнюю игру Pokémon Blue для GameBoy. Этот эксперимент демонстрирует новые возможности крупных языковых моделей в обработке комплексных последовательностей действий.
Архитектура решения
Проект «Gemini Plays Pokémon» разработан независимым инженером Джоэлом З. (Joel Z) с использованием:
- Агентского фреймворка: преобразует игровые скриншоты в аннотированные данные
- Специализированных агентов: обрабатывают конкретные игровые ситуации
- API-интерфейсов: передают решения модели в эмулятор
Ключевые технические особенности:
- Препроцессинг визуальных данных: Скриншоты дополняются метаданными о состоянии игры
- Мультиагентная система: Разные «агенты» отвечают за тактику, инвентарь и навигацию
- Контекстное управление: Модель получает историю предыдущих действий
Сравнение с альтернативами
| Параметр | Gemini 2.5 Pro | Claude (Anthropic) |
|---|---|---|
| Версия Pokémon | Blue | Red |
| Количество бейджей | 8 | 5 |
| Вмешательство разработчика | Ограниченное | Стандартное |
| Архитектура агентов | Кастомная | Базовый фреймворк |
Технические ограничения
- Требуется предобработка игровых данных
- Ограниченная генерация стратегий «с нуля»
- Зависимость от качества аннотации скриншотов
Профессиональные инсайты
- Для ML-инженеров: Демонстрация эффективности гибридных систем (LLM + специализированные агенты)
- Для геймдев-специалистов: Новые подходы к тестированию игровой логики
- Для исследователей ИИ: Важность контекстного управления в последовательных задачах
Дорожная карта развития
- Интеграция с другими классическими играми
- Уменьшение зависимости от ручной настройки
- Автоматизация аннотирования игровых состояний
Эксперимент подтверждает, что современные LLM-модели при правильной архитектуре могут решать комплексные последовательные задачи, ранее считавшиеся прерогативой узкоспециализированных ИИ.
