Atari 2600 był złotym standardem dla agentów AI w czasach mojej pracy doktorskiej. Pojedyncza sieć neuronowa zdolna do grania w ponad 50 gier Atari byłaby uważana za niesamowitą. Modele miały trudności z mapowaniem ekranów w odcieniach szarości o rozdzielczości 84x84 na kilka przycisków. Następnie OpenAI Five (Dota) i AlphaStar od DeepMind podniosły poprzeczkę, pokonując najlepszych mistrzów świata w Esportach. Jednak były przystosowane do jednego wirtualnego środowiska na raz. Zmiana czegokolwiek natychmiast łamała model. Ludzie są niezwykle dobrzy w dostosowywaniu się do bardzo różnych fizyk i zasad - coś, co wciąż umyka naszym najbardziej zaawansowanym, bilionowym LLM-om. Pomyśl o 1000 grach jako o 1000 symulacjach. Im więcej wirtualnych światów, do których agent może się dostosować, tym lepiej rozwija rozumowanie ucieleśnione, percepcję i koordynację ruchową. Wszystko to kluczowe elementy w wielkiej układance robotyki. Poprzez udostępnienie modelu NitroGen i API Gym, realizujemy ten sam cel co AlphaGo, AlphaStar, OpenAI Five i ostatnio Google SIMA: nie po to, aby odebrać radość z tych gier, ale aby podkreślić ograniczenia nowoczesnej AI, zapewnić solidną bazę i stworzyć nowy standard - "Atari 2.0" - do mierzenia postępów odpowiednio.