Badacz zdecydował się sprawdzić, czy agenty AI trenowane na gigantycznej ilości danych mogą samodzielnie dekompilować kod gry first-person shooter. Projekt polegał na nauczeniu AI analizy skompilowanego binarnie kodu i jego przetwarzania w zrozumiałą dla człowieka postać. Wyniki pokazały, że modele trenowane na 500 miliardach tokenów potrafią nie tylko identyfikować struktury kodu, ale też rozumieć logikę stojącą za mechaniką gry.
To osiągnięcie jest znaczące dla branży bezpieczeństwa i inżynierii wstecznej. Do tej pory dekomponowanie złożonych gier wymagało manualnych wysiłków ekspertów, którzy spędzali miesiące na analizie. Jeśli AI potrafi automatyzować ten proces, otworzy to nowe możliwości dla badaczy bezpieczeństwa, ale także podniesie ryzyko nieautoryzowanego dostępu do wrażliwych kodów. Twórcy gier będą musieli ponownie ocenić strategie ochrony przed inżynierią wsteczną.
Projekt ilustruje rosnące możliwości dużych modeli językowych w obszarach poza naturalnojęzycznym przetwarzaniem. Zdolność AI do pracy z kodem binarnym i abstrakcyjnymi strukturami nasuwa pytania o przyszłość reverse engineeringu i bezpieczeństwa oprogramowania. Jednocześnie pokazuje, jak skalowanie treningowych zestawów danych przekłada się na pojawienie się nowych umiejętności, które wcześniej wydawały się wyłącznie domeną specjalistów.