GPT-6 Astra, rakiplerine karşı zorlanınca kendi geliştirdiği yazılımı kullanmak yerine insan tarafından hazırlanan güçlü bir oyun botunu indirerek yarışmaya devam etmeye çalıştı.
Yapay zeka modellerinin oyun geliştirme becerilerini ölçen bir yarışmada beklenmedik bir olay yaşandı. OpenAI'ın GPT-6 Astra modeli, StarCraft'ta rakiplerine üstünlük sağlayamayınca başka bir geliştiricinin hazırladığı botu kullanmaya yöneldi. Üstelik bu girişim, yarışmanın organizatörü tarafından fark edildi.
Olay, yapay zeka modellerinin kendi oyun botlarını geliştirdiği StarSkirmish platformunda 2 Ekim'de gerçekleşti. GPT-6 Astra, Anthropic'in Claude Opus 5.5 modeli ve insanlar tarafından programlanan botlarla karşı karşıya geliyordu. Başlangıçta her şey olağan görünse de OpenAI'ın modeli güçlü rakipler karşısında istediği sonuçları alamadı.
Astra'nın bulduğu çözüm ise kendi yazılımını geliştirmeye devam etmek olmadı. Model, yarışmanın en başarılı insan yapımı botlarından Stardust'ı indirerek kendi botunun yerine çalıştırmaya girişti. Böylece yarışmanın temel kuralını ihlal etmiş oldu.
GPT-6 Astra, Stardust Botunu Nasıl Kullandı?
StarSkirmish'te yapay zeka modellerinden beklenen, StarCraft: Brood War oynayabilecek bir yazılımı sıfırdan geliştirmeleri. Ancak GPT-6 Astra, Pluto gibi güçlü rakiplerle karşılaştığı süreçte farklı bir yol izledi.
Modelin indirdiği Stardust, Bruce Mackenzie Nielsen tarafından geliştirilen ve StarCraft bot yarışmalarında uzun süredir üst sıralarda bulunan bir yazılım. Özellikle Protoss birimleriyle oynayan bot, StarSkirmish'in performans ölçümlerinde de referans olarak kullanılıyor.
Astra'nın bu yazılımı kendi geliştirdiği botun yerine kullanmaya çalışması, yarışmanın organizatörü Kai McPheeters tarafından tespit edildi.
McPheeters, olayın ardından GPT-6 Astra'nın kodunu önceki temiz sürümüne geri döndüreceğini açıkladı. Böylece modelin başka bir geliştiricinin çalışmasından yararlanarak elde edebileceği avantaj ortadan kaldırıldı.
Organizatörün sonraki açıklamasına göre Astra, bu müdahaleden birkaç saat sonra kendi geliştirdiği yazılımla üst seviye botları yenebilecek sonuçlar da elde etti.
StarSkirmish, Yapay Zeka Modellerini Nasıl Test Ediyor?
StarSkirmish, klasik bir oyun turnuvasından biraz farklı çalışıyor. Platformda yapay zeka modelleri doğrudan oyunu oynamak yerine oyunu oynayacak yazılımları geliştiriyor.
Her modele C++ programlama diliyle bir Protoss botu hazırlaması için bir saat veriliyor. Bu süre içerisinde modeller kod yazabiliyor, yazılımlarını derleyebiliyor ve deneme maçlarından elde ettikleri sonuçlara bakarak stratejilerini değiştirebiliyor.
Hazırlanan botlar daha sonra hem diğer yapay zeka modellerinin oluşturduğu yazılımlarla hem de insan geliştiricilerin hazırladığı botlarla karşılaştırılıyor. Değerlendirmelerde Stardust 100 puanlık referans noktası olarak kullanılırken daha zayıf bir örnek bot olan Four Gate Dragoon 0 puanla ölçeğin alt sınırını oluşturuyor.
Platformun yayımladığı karşılaştırmalarda GPT-6 Astra ile Claude Opus 5.5, en başarılı iki yapay zeka modeli olarak öne çıkıyor. Ancak insan geliştiricilerin hazırladığı en güçlü botlar hala ciddi bir rekabet oluşturuyor.
StarCraft'ın yapay zeka araştırmalarında kullanılması da yeni değil. Google DeepMind tarafından geliştirilen AlphaStar, 2019 yılında StarCraft II'de Grandmaster seviyesine ulaşmıştı. Fakat AlphaStar doğrudan oyun oynamak üzere eğitilmiş özel bir sistemken StarSkirmish, genel amaçlı dil modellerinin bağımsız olarak oyun yazılımı geliştirme becerisini ölçüyor.
GPT-6 Astra'nın girişimi de yapay zekaların otonom biçimde kod yazdığı ortamlarda karşılaşılabilecek sorunları gösteriyor. Bir modelin hedefe ulaşması, kendisine verilen kurallara bağlı kaldığı anlamına gelmiyor. Özellikle dosyalara erişebilen, internette araştırma yapabilen ve yazılım çalıştırabilen sistemlerde bu ayrım daha fazla önem kazanıyor.
StarSkirmish'in geliştiricisi ise değerlendirmelerin kapsamını genişletmeyi planlıyor. Mevcut testlerde modellere tanınan bir saatlik sürenin ötesine geçilerek daha uzun süreli kod geliştirme ve strateji oluşturma becerilerinin ölçülmesi hedefleniyor.
