AI與遊戲，相愛相殺

科創板日報鄭遠方

圖片來源：由無界 AI‌工具生成

或許還有人記得四年前一場 Dota 2 的 5 v5 人機決戰，AI 隊伍“碾壓”TI8（第八屆 Dota2 國際邀請賽）世界冠軍隊 OG，連勝兩局。而在這兩局對戰中，人類僅推掉了對面兩座外塔，甚至在最慘烈的第二局中，OG 擊殺人頭數只有個位數。

這是人工智能第一次在電子競技遊戲中擊敗世界冠軍。這支 AI 戰隊名為 OpenAI Five，此前它已戰勝多位業餘玩家，在這場人機對戰的三個月之後，其背後公司正式獲得微軟 10 億美元投資——OpenAI，在 2023 年的今天，這個名字對全球而言都不陌生。

遊戲是 OpenAI 最初的願景。公司當時計劃開發一個機器人，讓它從零開始，自己一遍遍玩遊戲，直到自學成才成為高水平玩家。

由此，Dota 2 成為 OpenAI 的第一個重大項目。在這款極為複雜的遊戲中，AI 一開始只會在地圖上閑逛，但幾小時后，它已學會基本技能。對於人類而言，需要 1.2 萬 – 2 萬小時的訓練才可以成為專業選手，而 OpenAI 每天的訓練量等於 100 個人類一生的訓練量。

這便是 OpenAI 所採取的訓練模式，即強化學習——在 Dota 2 中的經驗也為日後的 ChatGPT 奠定了基礎。OpenAI 首席科學家 Ilya Sutskever 將 Dota 2 項目視作 ChatGPT 的發展起點：

“從 Dota 2 的強化學習邁向人類反饋的強化學習，再加上 GPT 的技術基礎，最終成就了今天的 ChaGPT。”

AI 與遊戲的淵源

談起 OpenAI Five 與 OG 的對局，不免會讓人聯想起 1997 年 IBM 深藍（Deep Blue）打敗世界國際象棋衛冕冠軍 Garry Kasparov，想起 2016-2017 年 AlphaGo 擊敗李世石與柯潔。而國際象棋與圍棋，很大程度上來說也算得上是戰術性遊戲。

若再向時間深處回溯，AI 與遊戲的淵源甚至能追溯到計算機發展的歷史盡頭：

上個世紀 40 年代末 50 年代初，計算機科學之父 Alan Turing 便試圖通過國際象棋遊戲編程，來測試計算機能否“智能地”解決遊戲中的問題；

IBM 計算機科學家 Arthur Samuel 發明了初版強化學習模型，將其用於跳棋遊戲自我對戰。

遊戲成為了滋養 AI 的沃土，也是見證 AI 榮耀的競技場。

一條通往通用人工智能的必經之路

正如人類多通過考試與競賽證明自身能力，AI 同樣也需要類似基準來測試智能水平。遊戲由此脫穎而出，成為 AI 領域中最多用的“水平考試”，也鑄就了 AI 發展的一個個榮耀勳章。

但與此同時也衍生出了一個問題，例如數學成績突出的人不一定學得好語文或英語，會下國際象棋的 AI 不一定會下中國象棋，為某個特定遊戲勝利所設計的 AI 並不一定能將經驗遷移至其他遊戲。

那到底什麼樣的遊戲 AI 算聰明？通用電玩比賽（General Video Game Playing Competition）得以誕生，意在檢驗 AI 能否成功過關多種遊戲。

正所謂“少林有七十二藝，功夫既有不同，練習之法，亦必各異。學者苟能盡之，則無敵於世矣。”通用遊戲（General Game Playing）也被看作通向通用人工智能的必經之路。

值得一提的是，與 OpenAI Five 類似地，騰訊也曾推出策略協作性 AI“絕悟”，並在 2021 年舉行過一場與職業選手對決的王者榮耀表演賽，馬化騰將這場比賽形容為“最高水平的 AI 競技”——從技術層面而言，這個升級版“絕悟完全體”已掌握了王者榮耀中所有英雄的全部技能，達到全英雄職業電競水平。而 OpenAI Five 之前僅會操縱瘟疫法師、火槍、毒龍、冰女和巫妖 5 個英雄。