人工智能日益復(fù)雜，和人類玩游戲成為非常有技巧的事情。研究人員Arend Hintze對(duì)人工智能和游戲的發(fā)展前途展開了探索。早在20世紀(jì)80年代，一名教師曾向我提出挑戰(zhàn)：寫一個(gè)叫作“井字棋”的游戲程序，我不幸失敗了。但就在幾周前，我向我的一位計(jì)算機(jī)科學(xué)研究生解釋了如何使用所謂的“極大極小算法”來完成“井字棋”游戲程序的編寫，最后我們花了大約一個(gè)小時(shí)編寫完這個(gè)程序。不可否認(rèn)，多年來我的編程技能一直在提高，但計(jì)算機(jī)科學(xué)的進(jìn)步也走過了一段漫長的道路。幾十年前看似不可能的事情，在今天卻變得異常輕松。

1997年，在一場(chǎng)六局國際象棋比賽中，一款名為“深藍(lán)”的IBM電腦擊敗了國際象棋大師Garry Kasparov，這令人們感到震驚。2015年，谷歌透露其DeepMind系統(tǒng)已經(jīng)掌握了數(shù)個(gè)20世紀(jì)80年代的視頻游戲，其中包括一個(gè)關(guān)鍵的制勝策略。

2016年，谷歌的AlphaGo系統(tǒng)在五局比賽中擊敗了排名第一的圍棋選手。對(duì)能在游戲中擊敗人類的技術(shù)系統(tǒng)的探索仍在繼續(xù)。5月底，AlphaGo將會(huì)在中國烏鎮(zhèn)舉行的圍棋峰會(huì)上對(duì)戰(zhàn)世界上最優(yōu)秀的選手柯潔。

隨著計(jì)算技術(shù)的提高和工程的改進(jìn)，計(jì)算機(jī)甚至可以在我們本認(rèn)為需要依賴于人類直覺、智慧、欺騙或虛張聲勢(shì)的游戲中擊敗人類——比如撲克。最近我看到一段視頻，排球運(yùn)動(dòng)員練習(xí)對(duì)著機(jī)器人控制的橡膠手臂進(jìn)行活動(dòng)和刺擊，試圖阻止投籃。我得到一個(gè)教訓(xùn)：:當(dāng)機(jī)器努力贏得勝利時(shí)，人類的努力是徒勞的。我們都想要一個(gè)完美的人工智能系統(tǒng)來驅(qū)動(dòng)我們的汽車，一個(gè)不知疲倦的系統(tǒng)在x射線中尋找癌癥的跡象，這種想法是美好的。但說到游戲，人類不想輸。幸運(yùn)的是，人工智能可以讓游戲變得更有趣，甚至可以帶來無窮無盡的快樂。

今天的游戲設(shè)計(jì)師們，他們編寫的東西比一部大片更賺錢，這說明了一個(gè)問題：打造一個(gè)不可戰(zhàn)勝的人工智能系統(tǒng)是毫無意義的。沒有人想要打一場(chǎng)不可能贏的比賽。但人們確實(shí)想玩那種沉浸式、復(fù)雜和刺激的游戲。即使是當(dāng)現(xiàn)在最好的游戲，玩了一段時(shí)間后也會(huì)變得不新奇。有趣的游戲會(huì)讓玩家通過調(diào)整并作出反應(yīng)來保持游戲的趣味性，也許可以維持到永遠(yuǎn)。所以，當(dāng)我們?cè)谠O(shè)計(jì)人工智能系統(tǒng)時(shí)，我們不應(yīng)該去看那些得意洋洋的“深藍(lán)”和“阿爾法”人工智能，而是要去看獲得巨大成功的魔獸世界這樣的大型多人在線游戲。這些游戲都是圖形設(shè)計(jì)的，但它們的主要吸引力在于其互動(dòng)性。

大多數(shù)人似乎都不喜歡像國際象棋和圍棋這樣極其復(fù)雜的邏輯謎題，而更傾向于富有意義的人脈圈子和社區(qū)活動(dòng)。這些大型多人在線游戲的真正挑戰(zhàn)在于如何保持玩家每一次的全新體驗(yàn)，而不是他們是否能被智能（人為或非人為）打敗。目前，很多游戲環(huán)境允許玩家之間進(jìn)行充分的互動(dòng)。在地牢里的小隊(duì)中扮演的角色是明確的：戰(zhàn)士們?cè)獾絺Γ委熣邘椭麄儚膫粗谢謴?fù)過來，而脆弱的巫師們則從遠(yuǎn)處施展魔法。想想傳送門2，這是一款多人游戲，完全集中在機(jī)器人協(xié)作上，讓他們?cè)诿詫m般的認(rèn)知測(cè)試中迷失方向。一起探索世界可以讓你和朋友們擁有共同的回憶。但對(duì)這些環(huán)境或基本布局的任何改動(dòng)，都必須由人類設(shè)計(jì)師和開發(fā)人員做出。

在現(xiàn)實(shí)世界中，改變是自然發(fā)生的，沒有監(jiān)督、設(shè)計(jì)或人工干預(yù)。玩家可以學(xué)習(xí)，生物也會(huì)適應(yīng)。有些生物甚至?xí)餐M(jìn)化，對(duì)彼此的發(fā)展作出反應(yīng)。（在武器技術(shù)軍備競(jìng)賽中也出現(xiàn)了類似的現(xiàn)象）如今的電腦游戲缺乏這樣的復(fù)雜性。出于這個(gè)原因，我認(rèn)為開發(fā)出能夠玩現(xiàn)代游戲的人工智能并不會(huì)對(duì)人工智能研究有實(shí)質(zhì)性的推進(jìn)。一款值得玩的游戲應(yīng)該是不可預(yù)測(cè)的，因?yàn)樗苓m應(yīng)，保持永久的新穎性，并且它是通過玩游戲創(chuàng)造出來的。未來的游戲有待發(fā)展。游戲的角色不應(yīng)該只是做出反應(yīng)；他們需要探索，看到弱點(diǎn)，學(xué)會(huì)合作。

我們知道，達(dá)爾文的進(jìn)化論和他的學(xué)問是地球上所有新奇事物的驅(qū)動(dòng)因素。這也可能是推動(dòng)虛擬環(huán)境變化的原因。進(jìn)化論可以解釋自然智慧的創(chuàng)造。難道我們不應(yīng)該把開發(fā)人工智變成進(jìn)化人工智能嗎？包括我自己和我的同事Christoph Adami在內(nèi)的幾個(gè)實(shí)驗(yàn)室正在研究“神經(jīng)進(jìn)化”。

在計(jì)算機(jī)中，我們模擬復(fù)雜的環(huán)境，比如道路網(wǎng)絡(luò)或生物生態(tài)系統(tǒng)。我們創(chuàng)造出虛擬的生物，并挑戰(zhàn)它們，讓它們進(jìn)化出成千上萬的虛擬后代。進(jìn)化本身就是最好的驅(qū)動(dòng)力，或者可以說是最好的適應(yīng)環(huán)境的有機(jī)體，它們就是存活下來的生物。今天的AlphaGo正在進(jìn)行這一過程，通過不斷地和自己玩游戲，分析頂級(jí)圍棋冠軍的游戲記錄來學(xué)習(xí)。但它不會(huì)像我們一樣學(xué)習(xí)，體驗(yàn)無人監(jiān)督的實(shí)驗(yàn)。而且它不能適應(yīng)一個(gè)特定的對(duì)手：對(duì)電腦玩家來說，最好的動(dòng)作是認(rèn)定的，不考慮對(duì)手的風(fēng)格。從經(jīng)驗(yàn)中學(xué)習(xí)的程序是人工智能的下一步。它們會(huì)讓電腦游戲變得更有趣，讓機(jī)器人不僅能在現(xiàn)實(shí)世界中發(fā)揮更大的作用，還能讓機(jī)器人在運(yùn)行中適應(yīng)它。