Gemini di Google conquista Pokémon Blu: l’AI alla prova dei classici | Videogiochi ps4 | Giochi per PC gratis da scaricare in italiano completi | Play free online games | Turtles AI

Gemini 2.5 Pro di Google ha completato Pokémon Blu, supportato da un sistema di agenti. Parallelamente, Claude 3.7 Sonnet di Anthropic ha affrontato Pokémon Rosso, evidenziando le sfide dell’AI nei giochi classici e le sue capacità di ragionamento.

Punti chiave:

• Gemini 2.5 Pro completa Pokémon Blu: Il modello AI di Google, assistito da un ingegnere indipendente, ha terminato il gioco del 1996.
• Claude 3.7 Sonnet affronta Pokémon Rosso: Il modello di Anthropic ha ottenuto tre medaglie, mostrando progressi significativi rispetto alle versioni precedenti.
• Sfide nel gameplay per le AI: Entrambi i modelli hanno incontrato difficoltà in aree specifiche, evidenziando limiti attuali nell’autonomia decisionale.
• Streaming su Twitch coinvolge il pubblico: Le sessioni live hanno permesso agli spettatori di osservare in tempo reale le decisioni e i ragionamenti delle AI.

Nel panorama dell’AI, due modelli di punta hanno recentemente attirato l’attenzione per le loro imprese videoludiche: Gemini 2.5 Pro di Google e Claude 3.7 Sonnet di Anthropic. Gemini 2.5 Pro, sebbene non direttamente sviluppato per il gaming, ha completato Pokémon Blu grazie all’iniziativa di Joel Z, un ingegnere informatico indipendente. Utilizzando un sistema di "imbracature" agentiche, Gemini ha ricevuto input visivi e contestuali per navigare nel gioco, con interventi minimi da parte dello sviluppatore, come indicazioni su bug noti. Il CEO di Google, Sundar Pichai, ha celebrato il traguardo su X, sottolineando l’importanza dell’evento.

Parallelamente, Anthropic ha testato le capacità di Claude 3.7 Sonnet su Pokémon Rosso, trasmettendo le sessioni su Twitch. Il modello ha mostrato progressi rispetto alle versioni precedenti, ottenendo tre medaglie e superando sfide iniziali. Tuttavia, ha incontrato ostacoli significativi, come la difficoltà nel superare il Monte Luna, dove è rimasto bloccato per oltre 80 ore, e problemi nel riconoscere personaggi chiave come il Professor Oak. Queste difficoltà evidenziano le sfide attuali nell’autonomia e nella memoria a lungo termine delle AI.

Le sessioni di gioco di Claude hanno coinvolto attivamente il pubblico, che ha potuto osservare in tempo reale il processo decisionale del modello, grazie alla visualizzazione del "Visible Scratchpad". Questo approccio ha permesso una maggiore trasparenza nel funzionamento dell’AI, ma ha anche messo in luce le sue limitazioni, come la tendenza a rimanere intrappolata in loop decisionali o a compiere azioni ripetitive senza avanzare nel gioco.

L’utilizzo di videogiochi classici come benchmark per l’AI offre una prospettiva unica sulle capacità e sui limiti attuali dei modelli. Mentre Gemini ha dimostrato una notevole capacità di adattamento con supporto esterno, Claude ha evidenziato l’importanza di una memoria efficace e di una pianificazione strategica per affrontare compiti complessi. Entrambi i casi sottolineano la necessità di ulteriori sviluppi per raggiungere una vera autonomia decisionale nelle AI.

Queste esperienze rappresentano passi significativi nell’esplorazione delle potenzialità dell’AI, offrendo spunti preziosi per future applicazioni e miglioramenti nei modelli esistenti.