文|張書樂

你感興趣的流浪地球里的人工智能MOSS和數(shù)字人，都將誕生于游戲中。

事實(shí)上，已經(jīng)出生了，只是還比較初代。

事實(shí)上，電影里MOSS這種把人類命運(yùn)當(dāng)一種游戲的狀態(tài)，也似乎來源于此。

別不信，有國際頂級刊物作證明。

誕生于1869年的《自然》雜志，作為一本世界上歷史悠久的、最有名望的科學(xué)雜志之一，對于游戲AI的青睞卻是顯而易見的。

如何訓(xùn)練AI車手在《GT賽車》中擊敗頂級職業(yè)選手的話題能上封面，AlphaStar在《星際爭霸2》游戲中擊敗歐洲服務(wù)器99.8%人類玩家的戰(zhàn)績立馬刊發(fā)。

最為經(jīng)典的莫過于在2015年的一次刊文。

彼時，谷歌的DeepMind團(tuán)隊(duì)將如何教AI自己學(xué)習(xí)玩1980年代雅達(dá)利小游戲、并比人類玩的水平更高的方法，以“CNN（卷積神經(jīng)網(wǎng)絡(luò)）+Q-learning（一種離軌-時序差分-強(qiáng)化學(xué)習(xí)迭代方法）= DQN”這樣一個公式。

公之于眾后， 很快讓這篇被稱之為業(yè)界昵稱為“DQN”的論文，被看作是人工智能里程碑、并開啟隨后以強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)為根本特征的全球人工智能大風(fēng)口。

《自然》雜志為何如此青睞于游戲AI，就在于它的啟發(fā)性和前瞻性，讓AI的邊界和適用場景變得無比廣闊。

作為《自然》期刊的刊發(fā)大戶，DeepMind團(tuán)隊(duì)后續(xù)的許多論文，都在不同角度演繹著脫胎于游戲的AI能做些什么：

破解玻璃態(tài)變化這一物理難題、助力頂尖數(shù)學(xué)家證明數(shù)學(xué)猜想（不過不是國人熟悉的哥德巴赫猜想）、用AI控制核聚變反應(yīng)，以及聯(lián)合哈佛、劍橋等知名高校去研究腦力勞動背后的經(jīng)濟(jì)學(xué)特征等。

此外，2021年末，當(dāng)AI破解了困擾數(shù)學(xué)家數(shù)十年的“結(jié)”猜想后，《自然》雜志的封面立刻為其“綻放”。

攀登科學(xué)的高峰，已經(jīng)成為了游戲AI的一個使命必達(dá)，或許這是《自然》雜志所看重的，但卻不是游戲AI的邊界或盡頭。

更多的跨界可能性，也在不斷的衍生。

較為匪夷所思的是在腦科上打開新的思路。

一則見諸于媒體的報道就稱，以《原神》成功走向世界的米哈游，其旗下的逆熵工作室在2019年就與瑞金醫(yī)院腦病中心圍繞的腦機(jī)接口和VR展開了多項(xiàng)研究。

但還有走的更遠(yuǎn)的。

2021年12月，《科技日報》曾報道了一則不太AI的新聞：在一項(xiàng)研究中，澳大利亞和英國科學(xué)家組成的研究小組在5分鐘內(nèi)，教會實(shí)驗(yàn)室培育的“迷你人腦”玩游戲《Pong》。

《Pong》是1972年雅達(dá)利出品的一款模擬兩個人打乒乓球的游戲，被稱之為第一代電子游戲（有爭議）。

5分鐘內(nèi)學(xué)會如此簡單的游戲，卻是走深度學(xué)習(xí)路線的AI未必能夠達(dá)成的。

“迷你人腦”為何能成？

真相在于它并非AI，而由人類干細(xì)胞放置在一個微電極陣列上生長成的腦細(xì)胞組成，屬于電子人序列。

盡管整體來說，“迷你人腦”的技能水平遠(yuǎn)低于人類或人工智能系統(tǒng)，但如果結(jié)合上人工智能的深度學(xué)習(xí)能力會否誕生奇跡，則還需要進(jìn)一步探索，但一旦“迷你人腦”的研究能深入且有效，或許將可以用于測試腦部療法的療效。

更多基于游戲AI的研究與啟發(fā)，或許都將在未來不斷的爆發(fā)在現(xiàn)實(shí)的場景之中，《自然》雜志或許此后將慢慢的不再讓游戲AI上頭條或上稿了。

但也正是那時候，游戲AI也就在廣義上真正大獲成功了。