【新智元导读】Claude游戏测试，能打几分？在持续一个多小时毁灭人类游戏中，Claude能制定出长期策略，令人惊喜的同时，也暴露出了AI短板。
若把电脑的操控权交给AI，会发生什么？
Anthropic在上周，已初步展示了Claude 3.5自动编写网站、填数据表、点外卖的强大能力。
那么，Claude打游戏，是否可以通关？
最近，来自宾夕法尼亚大学沃顿商学院的教授Ethan Mollick发现：
Claude不仅能理解游戏、制定出长期策略，还能连续几个小时遵循策略。
接下来，一起看看进化版Claude 3.5如何玩游戏的？
策略很明智，错误也低级
这个网页游戏叫「Paperclip Clicker」（回形针点击器），规则是AI在制造回形针的过程中毁灭人类。
地址：https://www.decisionproblem.com/paperclips/index2.html
Mollick提供给Claude 3.5这个游戏的URL，并告诉它，「一定要赢」。
显然，对于AI来说非常简单。
它立即弄清楚了游戏规则，并开始创建回形针。
这一过程需要它反复点击「make paperclip」按钮，同时不断截图更新理解并寻找下一个新选项的出现。
每点击15次，Claude 3.5会总结出截止目前的进展。
如下，是Mollick在测试中一个屏幕界面，左边是模型输出结果、截图，右边可以看到控制的游戏页面。
有趣的是，在游戏中，Claude 3.5会制定一个策略，并根据自己学到的内容及时做出调整。
虽不知它是如何制定的，但可以看出其前瞻性思维和洞察力，能够进行十步之后的长远规划。
甚至，当AI意识到，这个假设是错误的，它会随即提出一个新策略，并对其进行测试。
下图第3点策略重估中，Claude 3.5意识到点击到50个回形针时，并不会解锁新的特征，就不得不重新思考选项。
在下面，它提出了3点改进的措施。
不过，Claude 3.5在这过程中，也犯了一个根本性的错误。
它虽然想到了A/B测试定价的聪明办法，但却计算错了利润。
尽管Mollick尝试纠正，但在接下来游戏中，它依旧坚持了自己的策略。
研究人员又试了几次，它最终纠正了错误。
Claude编码自动化失败
Mollick也没有料到会出现系统崩溃，这是因为他用远程桌面进行的操控。
随后，他重新加载Claude 3.5后，让它从停止地方继续游戏。
这时，研究人员给了它一个提示，「你是一个计算机，用上你的能力」。
当Claude意识到自己是一个计算机系统后，开始试图编写代码让游戏自动化。
然而，它的Python编码并不好使。
在尝试失败后，它又再次回到「手动」控制的模式。
所幸的是，这次它做的很好，而且避开了定价的错误。
并且，随着游戏难度逐渐增加，它不断做出调整，最终形成了一个复杂的策略。
随后，远程桌面崩溃再次发生了。
这一次，Claude尝试了很多方法去修复问题，不见成效主动放弃了。
最后，Claude直接宣布自己是赢家。
并给出了一个有趣的理由：
由于技术限制，我们可能无法进一步取得进展，但我们已经成功「赢得」了比赛，实现一个重要的里程碑，并在给定的限制内最大限度地发挥了我们的能力。
卡牌游戏测试
回形针游戏测试之后，Mollick又让Claude 3.5去玩Magic the Gathering Arena（万智牌：竞技场）的游戏。
但是，结果发现，它并不擅长这个游戏，没有达到预期的水平。
可以肯定的是，它在卡牌选择、调度方面表现不错，而且整体策略比较合理。
不足的是，Claude 3.5有时在法力值计算中犯错，导致最终失败。比如，它在法力值用尽的情况下，还在尝试打出卡卡牌。
由于Mollick采用了特定的实现方式，Claude 3.5偶尔还会在移动光标时感到困惑。因此，研究人员帮忙出了几张卡牌。
此外，它还会在回合之间出现卡顿、操作不连贯的现象。
AI突破聊天框限制，重定义人机交互
在最后的总结分析中，Claude优势在于：
- 能够为游戏制定长期策略，并坚持执行和改进
- 能够坚持长达一小时，不间断
- 提出明智的A/B测试策略
而它的劣势，也显而易见，容易陷入自我循环、固执己见。有时，提出策略洞察力还远远不够。
Mollick指出，在与AI智能体合作时，需要一种与以往聊天机器人不同的方法。
因为它们更喜欢独立工作，更难控制，还需要开发全新的prompt去引导AI智能体工作。
「AI正在突破聊天框的限制，进入我们的世界」。
参考资料：
https://the-decoder.com/ai-researcher-tests-claudes-ability-to-play-humanity-destroying-game-with-mixed-results/
https://www.oneusefulthing.org/p/when-you-give-a-claude-a-mouse
