در رقابتی که میان مدلهای هوش مصنوعی برای تمامکردن بازی کلاسیک Pokemon Red درگرفته، نامی تازه با اختلافی چشمگیر پیش افتاده است. GPT-5، تازهترین نسل از مدلهای OpenAI، توانست این بازی محبوبِ سال ۱۹۹۸ را با ثبت رکوردی جهانی به پایان برساند و رقبایی چون Claude، جمینای و نسخههای پیشین ChatGPT را پشت سر بگذارد.
بر پایه گزارشها، GPT-5 تنها با ۶ هزار و ۴۷۰ قدم به خط پایان رسید؛ عددی که در برابر رکورد قبلیِ ChatGPT-o3 با ۱۸ هزار و ۱۸۴ قدم جهشی خیرهکننده بهحساب میآید. برای ملموستر شدن مقیاس، این اختلاف را میتوان به زمان بازی ترجمه کرد: رکورد GPT-5 معادل حدود ۷ روز گیمپلی و رکورد ChatGPT-o3 بیش از ۱۵ روز برآورد میشود. این در حالی است که تا چند ماه پیش، مدلهای قدرتمندی مانند Gemini 2.5 و Claude 3.7 Sonnet حتی برای رساندن بازی به پایان، با دشواریهای جدی روبهرو بودند.
موفقیت GPT-5 نشان میدهد که ترکیب برنامهریزی بلندمدت، بهینهسازی مسیر و تصمیمگیری کمهزینه، در عمل میتواند اختلافی اینچنین بزرگ بسازد—آن هم در محیطی که هر قدم خطا، هزینهای مضاعف دارد.
این رکورد بیش از آنکه صرفاً یک شاهکار سرگرمی باشد، معیاری از «کارآمدی در تصمیمگیری» است: کمکردن قدمها یعنی کاهش اتلاف، پیشبینی دقیق پیامدها و ساختن راهبردی که کمترین بازگشت به عقب را میطلبد. البته باید احتیاط کرد؛ تسلط بر یک بازی قدیمی الزاماً به معنای آمادگی کامل برای مسائل پیچیده دنیای واقعی نیست. بااینهمه، وقتی فاصله عملکرد تا این اندازه زیاد است، میتوان گفت GPT-5 به مرحلهای رسیده که در وظایف نیازمند برنامهریزی و بهینهسازی، مزیتی معنادار نسبت به نسلهای پیشین و برخی رقبا به نمایش میگذارد.
تاکتیک ساده اما مؤثر GPT-5 در رکوردشکنی پوکمون
یکی از نکات جالب درباره رکورد تازه GPT-5 در بازی Pokemon Red، شیوهای است که این هوش مصنوعی برای رسیدن به هدف خود انتخاب کرد. برخلاف انتظار از یک الگوریتم پیشرفته، GPT-5 دقیقاً همان روشی را به کار گرفت که بسیاری از کودکان سالها پیش تجربه کرده بودند: تمرکز کامل روی یک پوکمون و بیتوجهی به پنج عضو دیگر تیم.
در این مسیر، هوش مصنوعی با ارتقای بیش از حد قدرت تنها یک پوکمون توانست از میان همه چالشهای بازی عبور کند و در کوتاهترین زمان ممکن به پایان برسد. هرچند این روش کارآمد بود، اما از دیدگاه بسیاری از گیمرها، فاقد پیچیدگی و ظرافت استراتژیک بازیکنی ماهر به شمار میرود که تیمی متعادل و متنوع تشکیل میدهد. همانطور که یکی از کاربران در ردیت اشاره کرده GPT: یاد گرفت که چسبیدن به یک پوکمون و نابود کردن همه، راه سادهتری است.
محبوبیت رقابتهای هوش مصنوعی در بازیهای کلاسیک روزبهروز بیشتر میشود و این دستاوردها اغلب به صورت زنده روی پلتفرمهایی مثل Twitch پخش میشوند. اکنون، پس از موفقیت چشمگیر در Pokemon Red ، GPT-5 آماده است تا چالشی دشوارتر را تجربه کند: به پایان رساندن Pokemon Crystal، نسخهای که در سال ۲۰۰۰ منتشر شد و تقریباً دو برابر محتوای نسخه قبلی را دارد.
تاکتیک GPT-5 هرچند ساده و شاید حتی ابتدایی به نظر برسد، اما نشان میدهد که در بسیاری از مواقع، کارآمدترین راه الزاماً پیچیدهترین راه نیست. انتخاب یک مسیر مستقیم و متمرکز، الگویی است که میتواند در دنیای واقعی نیز کاربرد داشته باشد؛ جایی که تمرکز روی یک هدف مشخص گاهی نتایج سریعتر و مؤثرتری به همراه دارد. با این حال، اگر GPT-5 بخواهد در بازیهای پیچیدهتر مثل Pokemon Crystal هم موفق باشد، احتمالاً به استراتژیهای متنوعتر و تصمیمگیریهای چندلایه نیاز خواهد داشت.
