Pinagtagpo ang Super Nintendo at Modernong Artificial Intelligence
Matagumpay na nakabuo ang mamamahayag sa teknolohiya at retro computing enthusiast na si Benj Edwards ng gumaganang chatbot na nagngangalang ChatGPT for SNES na tumatakbo nang buo sa isang 1990s Super Nintendo Entertainment System. Gumagana ang proyekto nang walang anumang koneksyon sa internet o cloud server, at isinasagawa ang lahat ng kinakailangang pagbuo ng teksto nang lokal sa lumang hardware ng paglalaro. Inilabas noong Nobyembre 21, 2026, pinagsasama ng eksperimento ang isang open-weight model at customized na setup ng cartridge upang dalhin ang mga pag-usapang nakabatay sa teksto sa isang console na nag-debut 35 na ang nakalipas. Ang mga manlalaro at mausisang tagamasid ay maaaring maranasan ang software sa pamamagitan ng browser-based simulator na kumpleto sa angkop na musika at mga sound effect na chiptune, o kaya ay i-download ang ROM file upang patakbuhin sa pisikal na hardware.
Mga Nilalaman
- Pinagtagpo ang Super Nintendo at Modernong Artificial Intelligence
- Pag-unawa sa Hardware Engine
- Kung Paano Gumagana ang Miniature Model
- Dalawang Magkaibang Build at Knowledge Base
- Mga Kinakailangan para sa Paglalaro sa Tunay na Hardware
- Ang Mas Malawak na Pananaw ng mga Maliliit na Nagsasalitang Makina
- Ano ang Naghihintay sa Hinaharap para sa Retro AI
- Sa Isang Sulyap
Pag-unawa sa Hardware Engine
Ang teknikal na sentro na nagiging dahilan upang maging posible ang lokal na pagbuo ng teksto ay ang Super FX 2 coprocessor, isang chip na orihinal na binuo ng Argonaut upang humawak ng mga kumplikadong grapika sa mga titulong tulad ng Yoshi-s Island at ang Super Nintendo port ng Doom. Ang orihinal na console ay umaasa sa isang 16-bit na pangunahing processor na Ricoh 5A22 na tumatakbo sa katamtamang 2.68 megahertz sa karaniwang mode. Sa kabaligtaran, ang chip na Super FX 2 na nakakabit sa cartridge ay tumatakbo sa 21.47 megahertz gamit ang isang RISC architecture. Ang bilis ng pagprosesong iyon ay humigit-kumulang walong beses na mas mabilis kaysa sa pangunahing CPU ng console, na nagbibigay ng kinakailangang kapangyarihan sa pag-compute upang maiwasan ang tuluyang pagkaantala ng mga tugon.
Ang pagpapatakbo ng isang language model sa lumang hardware na ito ay nangangailangan ng maingat na pamamahala sa memorya at representasyon ng data. Gumagamit ang sistema ng 8-bit na representasyon ng mga timbang ng modelo (model weights) na binabasa nang direkta mula sa read-only memory ng cartridge. Kapag nag-type ang mga gumagamit ng mga tanong sa chat window, ang sistema ay bumubuo ng teksto sa bilis na humigit-kumulang dalawang token bawat segundo. Ang isang token ay kumakatawan sa isang bahagi ng teksto sa halip na isang buong salita, na nangangahulugang ang bawat indibidwal na token ay tumatagal ng pagitan ng 0.4 at 0.5 segundo upang lumabas sa screen. Unti-unting lumalabas ang output habang tumutugtog ang mga sound effect sa pag-type, na lumilikha ng isang sadyang ritmo na may halong nostalgia.
Kung Paano Gumagana ang Miniature Model
Ang chatbot na tumatakbo sa console ay hindi opisyal na produkto mula sa OpenAI, at hindi rin ito isang malaking cloud-based neural network na inilipat sa isang game cartridge. Sa halip, gumagamit ang software ng isang distilled language model na naglalaman ng humigit-kumulang 2.2 milyong parameter. Ang mga dayalogo sa pagsasanay para sa siksik na sistemang ito ay nabuo gamit ang isang mas malaking open-weight model na kilala bilang gpt-oss-120b. Upang matulungan ang karaniwang mga mambabasa na maunawaan ang saklaw, ang mga modernong komersyal na katulong ng AI ay umaasa sa bilyon-bilyon o daan-daang bilyong parameter na tumatakbo sa mga napakalaking graphics card ng data center. Pinapaliit ng retro adaptation na ito ang pangunahing konseptong iyon sa isang maliit na bahagi ng porsyento ng normal na laki nito.
Dahil napakababa ng bilang ng parameter, ang modelo ay nagtataglay ng napakahigpit na bokabularyo na naglalaman ng mga 8,000 salitang Ingles. Napansin ng lumikha na ang software ay walang kakayahang gumana bilang isang maaasahang pang-araw-araw na katulong. Kapag tinatanong ng mga kumplikadong tanong, madalas na nagkakamali ang sistema, at paminsan-minsa'y nagbibigay ng mga maling sagot nang may buong kumpiyansa. Sa paglalarawan sa kaakit-akit na kalikasan ng mga teknikal na limitasyong ito, nag-alok si Benj Edwards ng ganitong pagtatasa sa mga tala ng proyekto:
Hindi ito isang kapaki-pakinabang na katulong: ang modelo ay milyon-milyong beses na mas maliit kaysa sa mga modelong nasa likod ng ChatGPT, may alam na mga 8,000 salita, at madalas na nagkakamali, kung minsan ay may buong kumpiyansa.
Dalawang Magkaibang Build at Knowledge Base
Maaaring pumili ang mga gumagamit sa pagitan ng dalawang magkaibang bersyon ng software depende sa kanilang setup ng hardware at ninanais na karanasan. Ang pangunahing build ay humigit-kumulang 4 megabytes ang laki at umaasa nang buo sa maliit na panloob na neural network upang mabuo ang bawat salita mula sa sarili nitong mga nakaimbak na timbang. Bagama't gumagana, ang purong bersyong ito ay nagpapakita ng malalang kakulangan sa kaalaman dahil sa limitadong bokabularyo nito. Ang pangalawa at mas malaking build ay sumasaklaw sa humigit-kumulang 19 megabytes at may kasamang pinagsamang fact book na pinagsama-sama mula sa mga pambungad na pangungusap ng humigit-kumulang 150,000 simpleng mga artikulo sa Wikipedia sa Ingles.
Ang pangalawang build na ito ay nag-iimbak ng napakalaking auxiliary text database nito sa loob ng isang data file na gumagamit ng MSU-1 aftermarket extension, na nagbibigay ng mga kakayahan sa compact disc level streaming sa console. Kapag nagtanong ang mga gumagamit sa fact book build, maaaring sangguniang ng programa ang mga panimulang pangungusap na ito sa Wikipedia at kaya pa nitong hawakan ang mga pangunahing kalkulasyon sa aritmetika. Ang pagpapatakbo ng eksaktong parehong prompt sa pangunahing build kumpara sa fact book build ay nagbubunga ng magkaibang-magkaibang resulta, na nagpapakita kung gaano kalaki ang naitutulong ng karagdagang teksto upang mapabuti ang koherensya ng pag-uusap sa limitadong hardware.
Mga Kinakailangan para sa Paglalaro sa Tunay na Hardware
Ang pagpapatakbo ng proyekto sa isang aktwal na Super Nintendo console ay nangangailangan ng mga tiyak na pisikal na accessory bukod pa sa isang karaniwang game cartridge shell lang. Dapat ay nagmamay-ari ang mga enthusiast ng isang katugmang flash cartridge, tulad ng FXPak Pro o SD2SNES, na nagbibigay-daan sa mga gumagamit na mag-load ng mga pasadyang ROM file sa isang pisikal na board. Bukod pa rito, ang pagpapatakbo ng advanced na bersyon na may pinagsamang Wikipedia knowledge base ay nangangailangan ng suporta ng flash cartridge para sa Media Streaming Unit 1 audio and data extension. Kung wala ang kakayahang ito sa streaming, hindi ma-access ng console ang panlabas na sangguniang teksto na kinakailangan para sa mga pinahusay na sagot.
Itinuro ng lumikha na ang isang pinasimpleng baryante ng purong modelo ay maaaring teknikal na tumakbo sa isang pasadyang cartridge nang hindi na kinakailangan pa ng isang Super FX chip. Gayunpaman, ang pag-alis sa pangalawang graphics coprocessor na iyon ay lubhang nagpapababa sa kalidad at bilis ng mga tugon, na nagpapakita kung bakit napakahalaga ng high-speed chip para sa mas maayos na karanasan. Para sa mga indibidwal na walang 35-taong-gulang na console o espesyal na flash hardware, ang browser-based emulator ay nagbibigay ng madaling mapupuntahang entry point upang subukan ang chat interface nang direkta sa mga modernong computer at mobile device.
Ang Mas Malawak na Pananaw ng mga Maliliit na Nagsasalitang Makina
Ang retro eksperimentong ito ay naglalaman ng mas malawak na personal na paggalugad ng lumikha nito sa kung ano ang tinatawag niyang mga maliliit na nagsasalitang makina. Sa nagdaang taon, sinuri ng developer kung gaano kaliit ang maaaring Maging ang isang gumaganang language model habang nananatiling magagamit sa mga mahigpit na limitadong arkitektura ng pag-compute. Ang gawaing ito ay sumusunod sa isang naunang proyekto na tinatawag na Séance, na naglagay ng mas maliit pang AI model sa isang 8-bit Nintendo Entertainment System upang gayahin ang pakikipag-usap sa isang multong nakulong sa loob ng isang haunted game cartridge. Ang mga pagsisikap na ito ay naglalarawan kung gaano nakalayo ang narating ng mga teknik sa pag-compress ng modelo, na nagpapatunay na ang mga pinagbabatayan na mekanika ng pagbuo ng neural text ay maaaring ihiwalay mula sa mga modernong data center.
Ang proseso ng pagbuo mismo ay labis na umasa sa mga modernong kagamitan sa automation. Bagama't ang saklaw ng konsepto, pag-target sa chip, disenyo ng interface, at soundtrack ay mga likha ng tao, ang aktwal na gawain sa pag-code ay isinagawa ng mga artipisyal na intelihensiya na coding agent na kumikilos sa ilalim ng direksyon ng developer. Kawili-wili, ang parehong mga AI coding agent na iyon ay nagpayo sa kanilang tagapagpaganap na tao na ang proyekto ay umabot na sa ganap na limitasyon sa hardware ng kung ano ang kayang makamit ng Super Nintendo. Sa pagtanggi sa pesimistikong pagtatasang iyon, patuloy na sinisiyasat ng developer ang mga bagong teknik sa software upang itulak ang mga hangganan ng kung ano ang kayang makamit ng mga micro-scale model.
Ano ang Naghihintay sa Hinaharap para sa Retro AI
Ang pampublikong reaksyon sa eksperimento ay nagha-highlight sa lumalaking pagkahumaling sa pagsisiksikan ng mga advanced na software sa mga primitive na arkitektura ng silikon. Bagama't madalas na hindi naiintindihan ng chatbot ang mga tanong at nagbibigay ng mga kakaibang tugon, ang mga katangiang iyon ay nag-ambag sa halaga ng paglilibang ng proyekto. Sa halip na ituring ang mga pagkakamali bilang kabiguan, tinatanggap ng lumikha ang mapaglarong interface at hindi inaasahang mga sagot bilang isang kaibig-ibig na pagpupugay sa mga limitasyon ng maagang pag-compute. Habang patuloy na sumusulong ang pananaliksik sa pag-distill ng modelo sa buong industriya ng teknolohiya, ang mga demonstrasyong tulad nito ay nagsisilbing matingkad na paalala na ang pangunahing matematika ng pagproseso ng wika ay nangangailangan ng mas kaunting hilaw na kapangyarihan sa pag-compute kaysa sa karaniwang ginagamit ngayon.
Sa Isang Sulyap
- Nilikha ni Benj Edwards ang ChatGPT for SNES, isang miniaturong chatbot na tumatakbo sa isang 35-taong-gulang na Super Nintendo console.
- Gumagamit ang sistema ng 2.2 milyong parameter na modelo na na-distill mula sa OpenAI open-weight data, na umaasa sa isang 8-bit weight representation.
- Isang Super FX 2 coprocessor na nakakabit sa cartridge at tumatakbo sa 21.47 megahertz ang nagpapagana sa pagbuo ng teksto sa halip na mga cloud server.
- May dalawang build na magagamit: isang 4-megabyte basic version at isang 19-megabyte version na nagtatampok ng fact book mula sa 150,000 mga artikulo sa Wikipedia.
- Ang pisikal na pagpapatupad ay nangangailangan ng mga flash cart tulad ng FXPak Pro o SD2SNES, habang ang bersyon sa browser ay tumatakbo sa isang naka-embed na Snes9x emulator.






