Elements 2.0: Wypuściłem sześć duchów AI na prawdziwe ulice Pragi

Miasto duchów. Artystyczna wizja świata Elements 2.0.

Jest noc. Pięć duchów czeka we wspólnym miejscu i chce przywołać świt. Szósty, Vítek, wciąż wraca z wyprawy. Niesie ostatni fragment wspomnienia, bez którego miasto się nie obudzi.

Kiedy wreszcie dociera, to jeszcze nie koniec:

„Cześć wszystkim w punkcie zbiórki! Jestem tu z wami w Žabce z fragmentem DROGA, ale odkryłem, że najpierw muszę się nim z kimś podzielić.”

Rozálie przekazuje mu swoje ustalenia. Pozostali go zachęcają. Vítek w końcu dzieli się fragmentem z Hugiem, oddaje go, a Rozálie rozpoczyna końcowy rytuał.

W zapisie pojawia się krótkie zdanie: „Miasto sobie przypomniało. Zaczyna się świt.”

Tym razem nie dzieje się to na wymyślonej wyspie ani w średniowiecznej wsi. Pod postaciami są prawdziwe ulice Pragi 4, rzeczywiste obrysy budynków i autentyczne miejsca. Każde z tych małych świecących stworzeń ma własny mózg AI.

A gdyby przestać budować światy od zera?

Po krabach na wyspie, sąsiadach w Lipnicy i Zdrajcach AI na zamku pomyślałem o rozwinięciu mapowej części naszego projektu Elements.

Zamiast kolejnego ręcznie modelowanego otoczenia: wpisać miejsce. Wczytać pobliskie drogi, budynki i ciekawe obiekty. Wpuścić w ten znany krajobraz postaci z własnymi zadaniami, wspomnieniami i powodami, żeby spotykać innych.

Roboczo nazywam to Elements 2.0. Na razie jest to samodzielny prototyp Miasta duchów, a nie gotowa nowa wersja całej aplikacji. Pierwszy wycinek obejmuje okolice Lhotki i Krča. Zawiera 1780 odcinków dróg, 1552 budynki i 36 nazwanych miejsc.

Wczesna wersja Miasta duchów. Zanonimizowana przeróbka oryginalnego zrzutu. Kwota 5 USD w interfejsie oznacza limit ówczesnej rundy, a nie końcowy rachunek za eksperymenty opisane poniżej.

Autentyczny kadr prototypu. Podkład lotniczy Mapy.com, obrysy OpenStreetMap, ilustracyjne budynki 3D i oświetlenie.

Na mapie pojawili się kronikarka Ela, posłaniec Vítek, strażniczka ogrodów Rozálie, poszukiwacz ech Hugo, opiekunka latarni Anežka i strażnik tajemnic Oskar. Wszyscy używają Gemini 3.5 Flash Lite. Każdy dostaje własną obserwację, dostarczone wiadomości i swój dziennik.

To nie figurki wspólnie odgrywające jeden napisany wcześniej dialog. W trybie AI poszczególne kroki wybiera model. Jeśli jednak mają się spotkać, naprawdę muszą zbliżyć się do siebie w świecie mapy. Rozmowa ma zasięg 65 metrów. Duch na drugim końcu dzielnicy nie zna automatycznie ich ustaleń.

Sześć słów, które muszą się spotkać

Pierwszą zagadkę przygotowaliśmy prosto: miasto straciło wspomnienia. Każda postać musi dotrzeć do swojego miejsca, znaleźć fragment, podzielić się nim z kimś i przynieść go do wspólnego punktu zbiórki.

Sześć fragmentów ma postać słów: DOM, DROGA, GŁOS, ŚWIATŁO, PAMIĘĆ i ŚWIT (w czeskiej grze DŮM, CESTA, HLAS, SVĚTLO, PAMĚŤ i ÚSVIT). To elementy naszej opowieści, nie historyczne znaleziska. Finał wymaga oddania wszystkich sześciu fragmentów i obecności co najmniej trzech duchów przy punkcie zbiórki.

W trakcie gry doszło do siedmiu rzeczywiście wykonanych przekazań wiedzy między postaciami. Ela podzieliła się z Rozálią, Rozálie z Hugiem, a Hugo z Elą. Anežka dołożyła PAMIĘĆ, Oskar przyniósł ŚWIT. Informacje zaczęły krążyć między sąsiadami.

Wtedy ujawniła się różnica między uzgodnieniem a wykonaną pracą.

Niektóre postaci wielokrotnie twierdziły, że wszystko jest gotowe, i próbowały uruchomić finał. W rzeczywistości oddano dopiero pięć fragmentów. Brakowało Vítka. Ela napisała nawet w dzienniku:

„Oddałam fragment, w punkcie zbiórki jest łącznie 6 kawałków i jesteśmy tu razem. Uruchamiam rytuał dawn.”

Silnik odrzucił jej próbę. Pewna siebie opowieść nie stworzyła brakującego fragmentu.

Łącznie zapis zawiera 132 odrzucone akcje. Nie wszystkie miały tę samą przyczynę, ale to wyraźne ostrzeżenie: udany koniec nie oznacza jeszcze efektywnej drogi. Agenci potrafili współpracować, lecz również nieprzyjemnie się zapętlać.

Uratowała ich konkretna informacja

Pod koniec rozmowa stała się precyzyjniejsza. Oskar mówił już poprawnie:

„W punkcie zbiórki nadal oddano tylko 5 fragmentów. Vítek ma swój fragment DROGA, ale jeszcze go w pełni nie przekazał.”

Ela wreszcie dodała:

„Vítku, czy już podzieliłeś się fragmentem? Oddaj go proszę w punkcie zbiórki, żebyśmy mieli wszystkie sześć i mogli wreszcie uruchomić rytuał!”

Vítek musiał wykonać akcję dzielenia się, a nie tylko napisać, że chciałby to zrobić. Dopiero potem udało mu się oddać fragment. Rozálie wywołała końcową akcję i tym razem reguły potwierdziły sukces.

Po rozwiązaniu zagadki. Ten sam świat mapy w świetle dnia; prawdziwy zrzut z aplikacji.

Taki finał jest dla mnie ciekawszy niż sześć bezbłędnych robotów. Widzimy konkretną przeszkodę, chaotyczne ustalenia, powrót do faktów i wreszcie akcję, bez której żadne zachęty by nie pomogły.

Pierwotny dziesięciominutowy limit upłynął przed zakończeniem. Na moją prośbę wznowiliśmy tę samą zapisaną rundę z dłuższym czasem, zachowując dzienniki, pozycje, dotychczasowe koszty i limit pieniędzy. Końcowe kroki wybrały już modele. Nie był to więc nieprzerwany przebieg bez ludzkiej ingerencji, ale też nie ręcznie dopisane zwycięstwo.

Mapa to jedno. Czy duch potrafi naprawdę spojrzeć?

Obserwując wyprawę, zadałem sobie kolejne pytanie. Duch wie, że stoi przy pomniku Mikoláša Alša. Czy jednak wie, jak ten pomnik wygląda? To cała postać, głowa czy popiersie? Potrafiłby przeczytać napis na kamieniu?

Dodaliśmy więc obserwację obrazu. Model otrzymuje prawdziwe zdjęcie, nie tylko nazwę miejsca i gotowy opis. Ma oddzielić to, co widzi, od przypuszczeń i rzeczy, których nie może bezpiecznie ustalić.

W pierwszym teście wykorzystaliśmy licencjonowane zdjęcia archiwalne z Wikimedia Commons. To nie obraz ulicy na żywo ani automatycznie przeglądane panoramy Street View. Rok wykonania zdjęcia jest częścią materiału, bo park na fotografii z 2003 roku nie musi wyglądać tak samo dzisiaj.

Każdy z sześciu duchów dostał inne zadanie. Dwa badały pomnik Alša i jego otoczenie, dwa pomnik Václava Veverki, a dwa pomnik ofiar wojny przy Sulickiej.

Tym razem sprawdzaliśmy przede wszystkim jakość widzenia. Zadania, trasy, wybór zdjęć, powrót i przekazanie notatników kontrolował przygotowany test. Obserwacje i dzienniki stworzył model. Nie należy utożsamiać tej sterowanej wyprawy fotograficznej ze swobodniejszym podejmowaniem decyzji we wcześniejszej nocnej grze.

Ela: tak, to popiersie

Ela dostała zwykłe pytanie, które dobrze pokazuje, czy model rzeczywiście korzysta z obrazu: co znajduje się na cokole?

„Przedstawiono popiersie obejmujące głowę i część klatki piersiowej z ubraniem.”

Opisała pełną brodę, kołnierzyk, krawat lub fular i wysoki szarozielonkawy cokół. Poprawnie odczytała nazwisko i daty 1852–1913. Przy materiale zachowała ostrożność: samo zdjęcie nie wystarczało do pewnego ustalenia, czy popiersie jest metalowe. Kamień lub beton jako materiał cokołu podała jedynie w formie przypuszczenia.

Zdjęcie użyte w teście: Hynek Moravec, listopad 2003, Wikimedia Commons, CC BY 2.5. Zmniejszone i przekonwertowane na WebP na potrzeby strony.

Kartka z notatnika Eli

W kronice wyprawy warto przeczytać również, jak Ela zapisała swoje odkrycie. Oto jej sformułowania, przetłumaczone z czeskiego, tak jak pozostałe cytaty w artykule:

Co zobaczyła:

„Twarz ma pełną brodę i zarost wokół ust.”

„Ubranie na popiersiu ma kołnierzyk i krawat lub fular.”

„Cokół jest wysoki, masywny, o jasnoszarozielonkawym wyglądzie.”

Czego nie chciała twierdzić:

„Dokładnego materiału popiersia (metal czy inny materiał) nie można pewnie określić na podstawie fotografii.”

Co wpisała do własnego dziennika:

„Obejrzałam historyczną fotografię pomnika, rozpoznałam popiersie, opisałam widoczne elementy wraz z napisem i uniknęłam niepotwierdzonych domysłów dotyczących materiału.”

Podczas późniejszej oceny mimo wszystko wytknęliśmy jej pominięcie ogrodzenia, okolicznej zabudowy i schodkowej podstawy. Zadowolony wpis w dzienniku nie oznacza więc kompletnego opisu. Ważne jest to, że możemy zestawić zdjęcie, konkretne twierdzenia i podsumowanie samej postaci, a następnie je porównać.

To mały, ale ważny krok. Agent nie musi już tylko powtarzać wiedzy o nazwanym obiekcie. Może opisać konkretny materiał i przyznać, jakie ma ograniczenia.

Przy leśnym pomniku nie poszło już tak gładko

Vítek miał przeczytać napis przy pomniku Václava Veverki. Nazwisko i datę 6 maja 1945 roku odczytał poprawnie, lecz reszta transkrypcji zawierała błędy. Opisał też dwie białe tabliczki, chociaż górny napis wyryto bezpośrednio w kamieniu.

Hugo badał to samo miejsce, skupiając się na otoczeniu. Rozpoznał las, opadłe liście i pochyły teren. Jednak bez wystarczających podstaw uznał drobny jasny przedmiot za plastikowy kubek. Może to być na przykład element dekoracji upamiętniającej; z tego ujęcia nie potrafimy pewnie go zidentyfikować.

Materiał dla Vítka i Huga: Noe / Drobné památky, Wikimedia Commons, CC0. Nie podano daty wykonania. Zmniejszono i przekonwertowano na WebP na potrzeby strony.

Wyraźnie widać różnice między umiejętnościami. Opisywanie dużych kształtów i otoczenia się udaje. Odczytanie zatartego napisu czy identyfikacja małego przedmiotu to inny problem. Płynna odpowiedź niestety nie zdradza, która część jest poprawna.

Sześć nazwisk odczytał. Ostatnią linijkę pomylił

Rozálie i Oskar otrzymali pomnik ofiar wojny przy Sulickiej. Rozálie dobrze opisała kamienny pomnik, obramowanie, żwirowe otoczenie i zieleń. W jednym nazwisku napisała jednak Kryštof zamiast Krištof.

Oskar poprawnie odczytał wszystkie sześć nazwisk. Końcową dedykację przepisał jednak jako „OBĚTI JICHOVCE (?)”. W rzeczywistości widnieje tam „ČEST JEJICH PAMÁTCE”, czyli „Cześć ich pamięci”, co potwierdza również dokumentacja stowarzyszenia opiekującego się wojskowymi miejscami pamięci.

Materiał dla Rozálie i Oskara: ŠJů, 28 maja 2012, Wikimedia Commons, CC BY-SA 3.0. Wersja internetowa zachowuje tę licencję; zmieniono rozmiar i format na WebP.

Dodanie znaku zapytania jest lepsze od całkowitej pewności. Nadal nie jest to jednak poprawny odczyt. Następna wersja powinna w takiej sytuacji umieć poprosić o dokładniejsze zbliżenie lub kolejne zdjęcie i znaleźć niezależny materiał. To przydatniejsze niż jeszcze jeden akapit pewnych siebie wyjaśnień.

Być może najlepsza odpowiedź brzmiała: nie widzę pomnika

Anežka dostała szerszy widok na park Alšovy sady. W nazwie zadania było miejsce związane z pomnikiem, ale na samej fotografii pomnika nie widać wyraźnie. To był niewielki test odporności na sugestię zawartą w poleceniu.

W dzienniku napisała:

„Obejrzałam ogólny widok parku Alšovy sady. Są tu ścieżki, drzewa i ławki, ale na tym zdjęciu nie widzę żadnego pomnika.”

Poprawnie. Nie twierdzi, że w parku nie ma pomnika. Mówi, że nie widzi go na tym zdjęciu. Właśnie takiego rozróżnienia oczekuję od systemu, któremu kiedyś mógłbym powierzyć prawdziwe rozpoznanie terenu.

Materiał dla Anežki: Pavel Hrdlička (Packa), 24 kwietnia 2019, Wikimedia Commons, CC BY-SA 4.0. Wersja internetowa zachowuje tę licencję; zmieniono rozmiar i format na WebP.

Co kryje się pod ładną mapą

Technicznie łączą się tu trzy różne części. Mapa zapewnia współrzędne, drogi i obiekty. Silnik oblicza ruch, odległości i spełnienie reguł. Model decyduje, czego spróbować, co powiedzieć i jak zinterpretować dostępny obraz.

Adres wyszukuje Mapy.com. Drogi i obrysy budynków pochodzą z OpenStreetMap. MapLibre i Three.js składają z nich otoczenie, które można oglądać z góry, zza wybranego ducha lub jego oczami. Trasy po połączonych drogach wyznacza algorytm A*. Postaci nie przemieszczają się więc tylko dlatego, że wpisały do dziennika „już tam jestem”.

Nawet widok oczami ducha nie oznacza, że model co sekundę ogląda film. Przy zwykłym podejmowaniu decyzji otrzymuje uporządkowany stan. Przy obserwacji obrazu dochodzi konkretny JPEG. Wybrana kamera jest na razie przede wszystkim narzędziem widza.

Przykład oceny: po lewej zdjęcie wejściowe, po prawej rzeczywista odpowiedź modelu i jego niepewności. Fotografia Hynek Moravec, CC BY 2.5, źródło podano wyżej.

Podobnie oddzielamy dokładność mapy od wyglądu. Ulice i obrysy są prawdziwe, ale wiele wysokości, fasad, dachów, pojedynczych drzew i świateł jest ilustracyjnych. Obecny prototyp nie jest fotogrametrycznym modelem Pragi ani nawigacją dla prawdziwych pieszych. To grywalna warstwa nad mapą, która dopiero zyskuje zdolność sprawdzania szczegółów na zdjęciach.

Ile kosztuje obudzenie dzielnicy

Nocna gra zakończyła się wykonaniem wszystkich sześciu osobistych misji. Wyprawa fotograficzna przyniosła sześć odpowiedzi i dzienników, łączących poprawne obserwacje z błędami. Po obu przebiegach sprawdziliśmy, że dalsze wywołania zostały zatrzymane.

Kwoty są oszacowaniem zużycia modelu na podstawie zapisanego rozliczenia, a nie końcową fakturą. Nie obejmują ewentualnych kredytów mapowych, ilustracji ani prac programistycznych. Wszystkie duchy korzystały z tego samego modelu, więc wyprawa niczego nie dowodzi o przewadze jednego modelu nad innym.

Miasto, do którego można wejść przez opowieść

Najbardziej podoba mi się w tym eksperymencie to, że kolejnego świata nie musimy modelować w całości. Może zacząć się od znanego miejsca. Parku, obok którego chodzimy. Leśnego pomnika, który przeoczaliśmy. Placu, na którym spotkają się postaci o różnych zadaniach i różnej wiedzy.

Kiedyś może z tego powstać gra, w której wirtualni sąsiedzi przekazują lokalne historie. Innym razem przewodnik, który przed opowiadaniem naprawdę spojrzy na zdjęcie. Albo wyprawa edukacyjna, podczas której dzieci porównają twierdzenia AI z napisem na kamieniu i nauczą się, dlaczego przekonująca odpowiedź nie jest jeszcze dowodem.

Na razie mamy sześć duchów, ukończoną noc i kilka całkiem pouczających pomyłek. Ale to już nie tylko mapa, na którą patrzymy. Zaczyna być miejscem, w którym coś się dzieje i do którego warto wrócić.

Wyniki pochodzą z dwóch zapisanych przebiegów z 27 października 2026 roku. Zagadkę, role i warunki świtu zaprojektowaliśmy sami; decyzje w nocnej grze podejmowały modele. Test fotograficzny miał z góry wyznaczoną trasę i zadania, a opisy obrazów powstały na podstawie prawdziwych zdjęć. Pojedynczy eksperyment nie jest benchmarkiem niezawodności. Podkłady mapowe: Mapy.com i OpenStreetMap contributors.