圍棋、撲克相繼失守，人類遊戲還能咋玩？

【AI世代編者按】人工智慧的複雜度正在日益提升，而與人玩遊戲則是一項技巧十足的任務。美國研究人員艾倫德·辛茨（Arend Hintze）闡述了人工智慧和遊戲的進化理論，以及未來的發展方向。

以下為原文內容：

1980年代，一位老師讓我寫一個能玩井字棋的電腦程序。可惜我沒寫出來。但就在幾個星期前，我跟我的一個計算機專業的研究所解釋了如何用所謂的「Minimax演算法」解決井字棋問題，我們大約用了一個小時就把程序寫完了。

我的編程能力這些年的確進步了，但計算機科學也有了長足發展。

幾十年前看似無法實現的事情，今天卻有可能變得非常容易。1997年，當IBM「深藍」在6局對戰中擊敗國際象棋大師加里·卡斯帕羅夫（Garry Kasparov）時，人們都感到驚訝不已。 【「深藍」當年贏得可能不光彩】

2015年，谷歌披露其DeepMind系統已經掌握了多款1980年代的視頻遊戲，包括自學《打磚塊》遊戲的取勝秘訣。2016年，谷歌的AlphaGo系統還在一場5局對戰中擊敗了一位頂尖圍棋選手。

關於計算機系統在各類遊戲中擊敗人類選手的探索仍在繼續。前不久，AlphaGo在「圍棋峰會」上3：0碾壓柯潔。隨著計算能力的增強和技術水平的提升，電腦甚至能在那些我們原本認為需要依靠人類的直覺、智慧和狡詐才能勝出的遊戲上戰勝人類——例如撲克。

我最近看見一段排球運動員跟機器人控制的橡膠手臂對練扣殺的視頻，這些手臂竟然能夠攔截專業運動員的大力扣殺。由此可見，當機器想要取勝時，人類的抵抗將毫無用處。

這是好事：我們希望有完美的人工智慧系統替我們開車，還希望有不知疲倦的系統從X光片上尋找癌症的跡象。但具體到玩遊戲這件事情，我們還是不想輸給機器。幸運的是，人工智慧可以讓遊戲更加有趣，甚至有可能給我們帶來無盡的快樂。

玩不膩的遊戲

如今的遊戲設計師看到一個問題：開發無敵的人工智慧系統根本沒有意義。如果毫無勝算，那就沒人願意玩。

但人們希望玩遊戲時能獲得沉浸、複雜且令人驚喜的體驗。即便是當今最好的遊戲，玩過一段時間之後也會覺得無聊。理想的遊戲模式是主動適應玩家，並通過與之互動來保持遊戲的趣味性，甚至讓這種狀態永遠持續下去。

所以，當我們設計人工智慧系統時，不能光看到深藍和AlphaGo的勝利，還應該看到《魔獸世界》這種大型多人在線遊戲的巨大成功。這些遊戲的圖形設計精美，但它們最大的吸引力還在於互動。

多數人對象棋和圍棋這種極其複雜的邏輯遊戲興趣不大，而是希望與人聯繫，營造社區。這些MMO遊戲面臨的真正挑戰並不是它們能否被人類智能或人工智慧擊敗，而是如何讓玩家每次玩遊戲時都能有新鮮感。

改變模式

目前，遊戲環境允許人們與其他玩家展開許多互動。地牢突擊隊的角色很容易確定：戰士負責戰鬥，醫生負責救治傷員，巫師負責遠程施法。或者想想《傳送門2》，這款多人遊戲的重點是通過合作來解開一系列機關和謎題。

跟朋友一起玩這些遊戲可以幫助你們形成共同記憶。但這些環境或底層情節的任何變化都必須由人類設計師和開發者來部署。

在現實世界中，各種變化都是自然發生的，不受監督，不是人為設計的，也不會受到人為干預。玩家需要學習，而生物需要適應。有的生物體甚至會共同進化，對彼此的發展作出反應。（武器技術的軍備競賽會出現類似的現象。）

當今的電腦遊戲沒有這麼複雜。正因如此，我不認為開發能玩現代遊戲的人工智慧技術可以對人工智慧研究形成有益的促進。

智能進化

值得一玩的遊戲必須因為具有適應性而不可預測，還要因為玩遊戲的過程而產生新奇感。未來的遊戲需要進化。它們的角色不能僅僅做出反應，還要具備探索和合作能力，甚至要發現各種缺點。

達爾文進化論和學習是地球上一切新奇事物的形成動力，這同樣可以成為促進虛擬環境變化的動力。

進化已經掌握了創造自然智能的方法。我們是不是也應該放棄把自己的思維方式植入到人工智慧之中的嘗試，轉而直接推動人工智慧實現進化？包括我的實驗室和我同事克里斯多夫·阿達米（Christoph Adami）的實驗室在內，有幾家實驗室正在從事所謂的「神經進化」（nero-evolution）研究。

我們在電腦中模擬複雜的環境，例如路網或生物生態系統。我們創造虛擬生物，並讓它們模擬數十萬代的進化過程。進化本身隨後發展出最好的動力，或者成為最適應環境的生物——也就是那些生存至今的生物。

如今的AlphaGo已經開始了這一進程，它通過不斷與自己對弈，以及分析頂尖棋手的比賽記錄來自我學習。但它並不能像我們這樣邊下棋邊學習，也不能進行無人監督的實驗。它無法根據對手的不同來調整戰略：對電腦來說，最好的棋就是最好的棋，無論對手的風格如何都不會改變。

通過自己的經驗來學習是人工智慧未來的發展方向。它們可以大幅增加遊戲的趣味性，讓機器人不僅能在現實世界中發揮作用，還能在忙碌中不斷適應。