人工智能如何玩电子游戏？首先要看懂游戏界面 _ 游民星空 Gamersky.com

　　自人工智能诞生以来，游戏一直是测试人工智能能力、训练人工智能能力的不二选择，随着人工智能的迅速发展，AI能够实现的事情越来越多。

　　过去的几年中，阿尔法狗先后战胜李世石、柯洁，成为第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，DeepMind制作团队去年更是更不了最强版阿尔法狗，代号“AlphaGo Zero”。另一方面，2017年初，卡耐基梅隆大学开发的人工智能系统Libratus在Rivers赌场战胜四位德州扑克顶级选手，最终取得胜利。

　　可以说，这种传统游戏领域已经几乎被人工智能占据。

　　相对来说，这些传统游戏都拥有固定的规则，这让人工智能学习起来较为容易，也方便人工智能开发人员编程设计AI的难度等级。再通过编写算法，AI通常就能比较好地上手游戏。

　　时至今日，人工智能技术与机器学习的能力都大大加强，研究人员逐渐将目光从传统游戏转入一些复杂的电子游戏，包括3D射击游戏《毁灭战士》、雅达利旗下众多2D游戏如《乓》、《太空侵略者》以及即时战略游戏《星际争霸》等等。

　　这样的改变固然是巨大的进步，人工智能面向了更为广阔的舞台。研究人员通常先让人工智能接触那些“所有游戏操作都已知”的游戏，比如WSAD键控制的单位移动、左键攻击/射击、R键换弹夹等等，这些固定的操作让人工智能能够根据自己的判断，在固定的这些操作中做出选择，研究人员则着眼于如何让人工智能做出更好的选择。

　　不过，让电脑正确地在既存的几项动作做出选择、排列组合，其实无论是概念上还是实操中都面临不小挑战，以至于很少有研究人员做该领域的尝试。人工智能领域著名的“猴子摘香蕉”问题就是一大困扰，时至今日仍未取得较大进展。

　　最初，猴子摘香蕉问题由John McCarthy在1963年提出，他在1956年的达特矛斯会议上提出了“人工智能”这个概念，被公认为人工智能之父。猴子摘香蕉问题说的是在一个房间里，天花板上有一串香蕉，地上有一根棍子，有一只猴子可在房间里任意活动。电脑需要通过一串与动作有关的序列让猴子拿到香蕉。

　　McCarthy认为这对于人工智能来说主要由两个方面的差别。一是物理可行性，需要判断一串动作序列对应的物理动作是真实可以实施的；另一个是认知可行性，它决定猴子的哪些动作是在现实中“真实存在”的。

　　判断物理可行性相对来说较为容易，它就像上文提到的游戏一样，所有操作都是已知的，意味着AI已经知道哪些操作是“可能的”——爬上椅子、挥舞棍子、拿到香蕉。一个简单的电脑程序就能通过动作系列指导猴子一步一步拿到香蕉，解决问题。

　　如果电脑需要首先判断哪些行为是可能的，那么它面临的挑战就大得多。我们对知识掌握了多少、对情况了解多少、我们如何知道做出正确判断需要把知识丰富到什么地步都是影响因素。在这方面，McCarthy说：“我们的最终目的是让人工智能从实践中学习，而且比人类学习得更快。”

　　目前，电脑尚未能够在不告知既有动作的情况下很好完成问题，因此要实现这个目标还遥不可及。有人认为，人工智能的研究员对此方面研究的忽视是不应该的，虽然这些问题充满挑战，但同时也会十分有趣，或许将成为人工智能领域再次取得重大突破的门槛。

　　要想让人工智能在复杂环境中自主做出判断，自然不可能按照之前的模式让它提前通过计算得出“最优解”，引导人工智能解决这些问题，自然就引出了如何让其更高效进行学习的问题。

　　在《毁灭战士》与《星际争霸》这样的游戏中，无时无刻都充满这样的问题，这个现代人工智能面临的主要问题，早在20世纪七八十年代的文字测试中就有体现。

　　那时，电脑还没与如今这样精美的画面，《巨洞冒险》和《魔域》这样的文字冒险游戏十分流行，玩家通过屏幕上显示的信息进行游戏。

　　根据屏幕信息得到的反馈，玩家也通过输入简单的指令进行反馈，通常就是一些动词或动词配宾语的组合，比如“look（看）”、“take box（捡起箱子）”，难点就在于玩家要知道哪些命令是有效命令，从而据此做出有效的反馈。

　　回到现实，如今的人工智能就扮演了曾经文字冒险游戏中的玩家，文字冒险游戏变成了现在复杂的即时战略游戏，人工智能需要分析屏幕上的所有信息，对其做出正确且有效的反应。

　　拓展来说，人工智能在此类游戏中的进一步行动就涉及探索周围环境、设立游戏目标、制定目标为导向的操作计划、解决在此过程中突然出现的各种“智力挑战”，比如野生动物的袭击、单位的卡顿、自动寻路的Bug等等。

　　等到未来，像IBM、谷歌、脸书、微软等人工智能领域的科技巨头要如何解决这些问题还没有定数，人工智能能从游戏界面或许多少信息、其获取量与人类玩家有何不同，也是人们关心的话题。

　　为了了解该领域的技术进展，IEEE大会已经连续两年设立计算智能与游戏（Computational Intelligence and Games）竞赛，计划2018年的大会将于八月在荷兰马斯特里赫特举行，参赛者需提前提交申请，然后通过人工智能技术编写程序，让人工智能游玩这些相对高难度的游戏。

　　总的来说，人工智能学习游戏后形成的“电脑玩家”自然会比游戏内置默认的“电脑玩家”有趣得多，未来专属于人工智能的游戏或将成为一个新的市场。随着人工智能的不断推进，房间里的“大猩猩”最后总会拿到“香蕉”的吧。

本文仅代表订阅平台作者观点，与本站立场无关。游民星空仅提供发布平台。