社交媒体平台X（原Twitter）近日被一组关于ChatGPT在直播中连续游玩《我的世界》长达141小时的梗图刷屏。根据评估方Vals AI发布的帖子，GPT-6 Astra的表现远超该模型此前测试过的任何其他AI。据悉，OpenAI这款最新模型成功搭建了一座半自动烈焰塔农场，击败超过六只末影人，并收集了三颗末影珍珠。
在数千名观众的注视下，Astra的进展一度顺风顺水，直到一场灾难性事件使其陷入困境：一只苦力怕炸毁了它的储物箱，导致其进入长期的“土豆种植低谷”。
Astra知晓问题所在，但缺乏补救能力
Vals AI发布的截图展示了Astra在141小时游戏过程中获取的所有物品。起初，许多观众对模型的进展印象深刻。Astra将大部分贵重物品存放在游戏内床旁边的一个箱子中。然而在一个清晨，一只苦力怕在Astra面前爆炸，不仅摧毁了箱子，还破坏了床本身。
随后在一个雨天，Astra发现箱内收集物全部丢失。此后，该模型似乎失去了进一步探索的动力，转而花费大量时间种植土豆。Astra甚至在游戏内留下了自我反思的留言：
“始终随身携带关键物品（使用keepInventory指令），永远不要再将重要物资存放在无保护的箱子中。”
“你可能会搞砸并丢失物品。”
Vals AI的帖子还展示了苦力怕摧毁装有Astra最珍贵物品箱子的瞬间，以及Astra在雨中意识到损失规模时的场景。
去拟人化视角：事件揭示AI自主性短板
近期AI模型的能力显著优于前代产品。看着这些进步实时发生，几乎令人感到超现实。就在几年前，没有任何大型语言模型能够接近如今人们利用GPT和Claude所实现的能力。Astra的《我的世界》之旅紧随Claude协助创建整个可运行《毁灭战士》操作系统的成就之后，尽管后者仍需要大量人工测试和故障排除。
虽然拟人化为这个故事增添了叙事色彩，但Astra的“土豆种植低谷”揭示了更严肃的问题。此次事件表明，自主智能体需要受控的环境和恢复计划。大型语言模型可以执行极其复杂的序列任务，但当突发事件打乱原有计划时，其应对能力往往非常薄弱。