L'intelligenza artificiale, e in particolare i modelli linguistici di grandi dimensioni (LLM), hanno fatto passi da gigante negli ultimi anni. I benchmark di valutazione si sono evoluti per tenere il passo con questi progressi, introducendo problemi sempre più complessi per mettere alla prova le capacità dei modelli più recenti. Tuttavia, l'avanzamento non è uniforme in tutti i settori. Un'area in cui gli LLM continuano a mostrare significative difficoltà è quella dei videogiochi.

Nonostante alcuni successi isolati – ad esempio, un modello come Gemini 2.5 Pro che ha completato Pokemon Blue nel Maggio 2025 – queste vittorie rappresentano più un'eccezione che una regola. Questi modelli, pur raggiungendo l'obiettivo finale, lo fanno in tempi notevolmente superiori rispetto a un giocatore umano medio, commettendo errori strani e ripetitivi e necessitando di software personalizzato per interpretare e interagire con il gioco.

Julian Togelius, direttore del Game Innovation Lab della New York University e co-fondatore di Modl.ai, una società specializzata nel testing di giochi tramite IA, ha approfondito le implicazioni di queste limitazioni degli LLM in un recente studio. In un'intervista con IEEE Spectrum, Togelius ha spiegato come la difficoltà degli LLM con i videogiochi possa rivelare aspetti importanti sullo stato generale dell'IA nel 2026.

Uno dei motivi principali di questa difficoltà risiede nella natura stessa dei videogiochi. Essi richiedono non solo la comprensione del linguaggio, ma anche la capacità di pianificare, risolvere problemi in tempo reale, adattarsi a situazioni impreviste e interagire con un ambiente dinamico e spesso imprevedibile. Gli LLM, addestrati principalmente su dati testuali, faticano a trasferire le loro conoscenze in questo contesto più complesso.

Inoltre, i videogiochi spesso richiedono una comprensione implicita delle regole e delle convenzioni che non sono esplicitamente fornite. Un giocatore umano impara rapidamente a interpretare i segnali visivi e sonori, a prevedere il comportamento degli avversari e a reagire di conseguenza. Gli LLM, invece, tendono a basarsi su modelli predefiniti e faticano ad adattarsi a situazioni nuove o ambigue.

Le implicazioni di queste limitazioni vanno oltre il semplice intrattenimento. La capacità di giocare a videogiochi è un indicatore della capacità di un'IA di affrontare problemi complessi e dinamici nel mondo reale. Se gli LLM faticano in questo contesto, ciò suggerisce che ci sono ancora ostacoli significativi da superare prima che possano essere utilizzati in modo efficace in applicazioni che richiedono ragionamento, pianificazione e interazione con l'ambiente fisico.

In definitiva, la sfida dei videogiochi rappresenta un'opportunità per i ricercatori di IA di sviluppare modelli più robusti e flessibili, capaci di apprendere e adattarsi a situazioni complesse e imprevedibili. Superare questa sfida potrebbe aprire nuove frontiere nell'applicazione dell'IA in settori come la robotica, la guida autonoma e la gestione di emergenze.