ИИ рассчитал идеальную ферму тростника в Minecraft – она вмещает 61 растение вместо 54 у стандартной схемы

Планировку ферм в Minecraft предложили использовать как нейтральный тест для ИИ-агентов вместо привычных бенчмарков.

Ферму сахарного тростника описали как задачу целочисленного программирования и решили в CP-SAT, решателе ограничений из открытого пакета Google OR-Tools. На участке 9×9 клеток оптимум составил 61 растение против 54 у схемы, которую сообщество считает эталонной.

Постановка задачи опирается на игровую механику. Тростник растёт только на клетке, соседней с водой, а каждый водный блок сам занимает клетку и питает не более четырёх соседних. Планировка превращается в задачу покрытия с конфликтом между площадью под воду и площадью под посадку.

Заявленное преимущество в 13% сокращается при смене базы сравнения. Игрок, который не держится фиксированного паттерна и ставит каждый водный блок туда, где тот приносит больше пользы, набирает 57 растений. Против такого соперника точный оптимум стоит 7%.

На трёх других культурах выигрыш исчезает полностью. У кактуса оптимальная раскладка совпала с шахматным узором, который строят все, и две сравнительные картинки в README оказались побайтово идентичными. У пшеницы вода настолько дешева, что задача почти перестаёт быть оптимизационной, а нулевой результат зафиксирован на шести картах из семи.

Единственное исключение дал арбуз. На ровной открытой площадке прирост нулевой, на изрезанной местности достигает 8,2%, причём юнит-тест показывает, что весь разрыв создаёт расстановка воды. Тот же принцип слабой базы применим к любому ИИ-пилоту, где агент сравнивается с ручным анализом, а помощник со средним разработчиком.

В ранней версии одного из сравнений решатель выигрывал у эталона 64%. Достаточно было привести базовую схему в вид, до которого дошёл бы любой компетентный игрок, и преимущество пропало.

На фоне такого применения Minecraft, возникает вопрос – как еще игру можно использовать для проверки способностей ИИ?