人工智能已經能制作游戲，游戲AI，也在走出游戲

對于游戲AI，有兩極化的認知。

一種是智能，即在某款游戲中擊敗人類頂級選手近乎輕而易舉。

另一種則是智障，即在游戲中扮演NPC進行互動時，往往變成尬聊。

關于游戲AI的最終幻想應該是啥樣，自然不僅僅是能否輕松擊敗人類，而是如2021年那部電影《失控玩家》里所演繹的那樣，游戲里的NPC出現了智慧，以至于萌生出了游戲版的“莊周夢蝶”感覺。

事實上，互聯網大廠一直都在夢想這樣的顛覆，以至于用在了一年一度的愚人節玩笑（往往也是自己遠景戰略的一個揶揄）。

例如2019年愚人節，英偉達開玩笑的發布了一款名為GeForce RTX R.O.N.的AI智能游戲助手，號稱精通十八門語言，能夠生成全息圖像，生成游戲3D圖形，分析游戲數據，制定戰術，甚至可以幫你和玩家對罵……

而這真的只是個玩笑嗎？

一年后，英偉達給出了答案。

在經典游戲《吃豆人》誕生40周年之際，英偉達宣布使用5萬局游戲訓練出的人工智能模型重建了這個游戲——不用寫代碼、不用構建游戲引擎渲染圖像，僅僅通過神經網絡“看”原版《吃豆人》的運行狀況，自行理解游戲規則，最終完成了游戲制作。

這個游戲真的好嗎？

也許是和英偉達本身是視覺處理領域的國際大佬這個定位相關，其創建的人工智能的學習方式，也不同于遺忘的AI靠吞噬大數據進行深度學習，反而選擇了用“看”的方式，不斷的在各種《吃豆人》的游戲視頻里學習并推斷其游戲規則，最終達成“復刻”一個游戲的模仿效果。

話說這款游戲，“算”起來相當智能，但“玩”起來就非常智障了，恰好一肩挑起了兩極化的認知。

秘密同樣是英偉達自己揭開的：

由于短時間生成大量游戲視頻不大現實，因此團隊使用計算機來玩《吃豆人》生成畫面。

但是，用于模擬玩游戲的AI在游戲中太出色了，讓看視頻的AI被誤導，難以理解游戲中“死亡”的概念，所以最初產生的《吃豆人》，游戲中幾乎都不會輸。

當然，后續發現問題并改進后，這款《吃豆人》的復刻，也就算是向AI的最原初誕生，完美致敬了。

學習、改進、再學習，成為了游戲AI和自己在其他領域里AI們共同完善自身智能的必由之路。

但游戲AI還可以做到更多，例如和《失控玩家》一樣從游戲走到現實中來。

真當互聯網大廠和游戲公司們做能擊敗人類頂級玩家的AI，只是一種展示技術的無聊事嗎？

答案是否定的，不然真的是有錢沒地方燒。

馬化騰就在2021年世界人工智能大會中說，要用游戲AI去激發青年人對通用AI的研究興趣。

事實上，互聯網科技領域正是如此去做的，用游戲AI做一款屬于自己的游戲，實現自己少年時的游戲夢。

例如Facebook開發的可以和玩家團隊協作玩紙牌游戲《Hanabi》的AI，其開發者就說：“我們對《Hanabi》感興趣的原因并非游戲，而是關于如何將這些功能構建到AI系統中，例如自動駕駛汽車或AI客服，它們需要實際了解其他人通過行為與之交互時的心理狀態。”

至于索尼為《GT賽車》開發的AI駕駛者，則可以更進一步：

不僅需要在高速多變的條件下，考慮剎車、路線、速度、方向等因素，瞬間決定方向盤的打法和加速方式等多個決定；同時也要學習駕駛的“禮儀”，在合乎公平競爭原則下減少非必要碰撞，以及作為慢車時進行讓車。

這個背后，你能想象的空間就更為巨大了。

在實際的場景測試里，自動駕駛公司很難創造或者遇到極限場景，比如暴雨+冰雹的復雜路況，或高速公路上闖入的動物及行人等突發事件，這往往會造成測試數據的局限。

然而在游戲世界，利用AI技術的測試數據獲取成本就相對較低，例如無限撞車、持續過彎，都可以通過AI在短時多次測試中得到一個相對可行的解決路徑。

于是，AI成為虛擬風洞里的“運動員”，在跳出游戲的更多場景里發揮作用的價值，也就不再只是戰勝人類這個小目標了。

刊載于《人民郵電報》2022年4月8日《樂游記》專欄330期

作者 張書樂，人民網、人民郵電報專欄作者，中經傳媒智庫專家，資深產業評論人