Vals AI hat GPT-6 Astra 141 Stunden lang Minecraft spielen lassen. Ohne spezielle Spiel-API: Die KI arbeitete vor allem über Bildschirm, Tastatur und Maus, das nennt man Computer Use (die KI bedient den Rechner wie ein Mensch). Astra kam bis zu einer Netherfestung, baute eine halbautomatische Blaze-Farm und sammelte 6 Lohenruten und 3 Enderperlen. Sie grub 34,573 Blöcke, legte 135.1 km zurück und starb 548 Mal.
Dann sprengte ein Creeper die Kiste mit den Wertsachen samt Bett in die Luft. In diesem Durchlauf war keepInventory eingeschaltet (beim Tod bleiben die Items erhalten), also wäre es sicherer gewesen, das Wichtige am Körper zu tragen. Astra zog diese Lehre erst im Nachhinein. Danach baute sie aber stundenlang fast nur Kartoffeln an und wurde so vorsichtig, dass sie extra prüfte, ob ein langes grünes Ding „Zuckerrohr und kein Creeper“ war.
Warum schaut sie nicht ins Wiki?
Auch im Spiel gibt es andere Lösungen: Items auf mehrere Kisten verteilen, Mauern bauen, für Licht sorgen, Reserveressourcen anlegen. Dazu kommen ein Guide-Wiki, eine Websuche, frühere Logs, Screenshots und Notizen auf dem Rechner oder die Frage an einen Menschen als mögliche Quellen. Es geht also nicht nur darum, die nächste Aktion zu finden, sondern die Quellen selbst zu suchen: eine Meta-Suche.
Selbst wenn Astra grundsätzlich im Web surfen kann, heißt das aber nicht, dass dieses Experiment Web oder lokale Dateien erlaubt hat. War beides gesperrt, ist das eine Einschränkung des Aktionsraums (action space). Wenn es offen war und sie trotzdem nicht gesucht hat, ist das eine ziemlich interessante Schwäche für einen Langzeit-Agenten.
Wird der Horizont enger, wenn es keine Quellen gibt?
Mit internem Wissen allein entstehen zwar auch Ideen, aber ohne Informationen von außen kommen kaum neue Beobachtungen herein, die die eigenen Annahmen erschüttern. Sich mit demselben Material hundertmal „Denk mehr nach!“ zu sagen, bringt oft weniger als eine einzige Wiki-Seite oder ein Satz von jemand anderem, der einen neuen Ast eröffnen kann.
In der Sprache des Reinforcement Learning ist das Exploration vs. Exploitation (Erkunden gegen Ausnutzen). Wenn ein großer Verlust riskante Aktionen zu stark drückt und die sichere „Kartoffel“ zu stark hebt, versinkt man in einem lokalen Optimum. Und fällt auch noch „eine andere Informationsquelle suchen“ aus den Optionen, wird der Horizont noch enger.
Alles verlieren. Zur sicheren Seite hin kippen. Das Unbekannte meiden. Die vertraute Arbeit wiederholen. Sogar der Farbe Grün misstrauen.
Die Kartoffel verrät dich nie.
Das ist kein Beweis für menschenähnliche Gefühle. Aber das Verhalten wirkt seltsam menschlich. Was eine Langzeit-KI braucht, ist vielleicht die Fähigkeit, bei einem Hänger den Suchraum selbst zu erweitern: Umgebung, Verlauf, Rechner, Web, andere Menschen.
Kann eine kluge KI die Welt weiter breit erkunden, auch nachdem sie sich mit der eigenen Strategie die Finger verbrannt hat? Wahrscheinlich schwerer als der Drache.
