幾十年來，解決遊戲的努力一直局限於解決雙人遊戲，即棋盤遊戲如跳棋、類似國際象棋的遊戲等，其通過應用一些人工智能(AI)搜索技術和收集大量的遊戲統計數據來正確並有效地預測遊戲結果。然而這樣的方法和技術並不能直接應用於解謎領域，因為解謎一般都是單獨玩的單人遊戲且有獨特的特點如隨機或隱藏信息。
因此，這裡出現了一個問題，即AI技術如何能保持其在解決雙人遊戲方面的性能但又能應用於單人遊戲？
多年來，謎題和遊戲一直被認為是可以互換的或者說是對方的一個部分。事實上，情況可能並非一直如此。從現實世界的角度來看，“遊戲”是我們每天都要面對的東西，處理的是未知的東西。而“謎題”是指已知的東西，甚至有些東西是隱藏的還沒有被揭開的。那麼在解謎的背景下，“謎題”和“遊戲”之間的邊界是怎樣的？
來自日本高級科學技術研究所的Hiroyuki Iida教授及其同事在發表於《Knowledge-based Systems》的最新研究文章中試圖回答這兩個問題。據悉，這項研究的重點是兩個重要的貢獻：(1)通過掃雷測試平台定義了單人遊戲背景下的謎題的可解性；(2)提出了一種新AI代理，其使用四種策略的統一組合–PAFG解算器。通過利用掃雷謎題的已知信息和未知信息，所提出的結算器在解決該謎題方面取得了跟最先進的研究相當的性能。
研究人員採用了一個由兩個知識驅動策略和兩個數據驅動策略組成的AI代理從而以最佳方式利用當前決策的已知和未知信息來最佳估計後續決策。因此，對於像掃雷這樣的單人隨機謎題可以建立起謎題和遊戲範式之間的界限。
這樣的條件在現實世界的問題中起着特別重要的作用，因為在這些問題中，已知和未知之間的界限通常是模糊且非常難以識別的。Iida教授指出：“隨着AI代理提高解謎性能的能力，可解性的邊界變得明顯。這樣的情況允許明確定義‘謎題’和‘遊戲’的條件，通常在許多現實生活中發現，如確定高風險投資、評估重要決策的風險水平等等。”
隨着現有技術和新的計算範式的面世，存在許多不確定因素，如物聯網、基於雲的服務、邊緣計算、神經形態計算等。這種情況對人（即技術承受力）、社區（即技術接受度）、社會（即文化和規範）甚至國家層面（即政策和規則變化）都可能是如此。“人類每天的活動都涉及很多‘遊戲’和‘謎題’條件。然而，在規模上映射可解性範式，可以建立已知和未知之間的邊界條件從而使未知的風險最小化並使已知的利益最大化，”這項研究的論文第一作者Chang Liu說道，“這樣的壯舉是通過將知識驅動的技術、人工智能技術和可衡量的不確定性（如獲勝率、成功率、進度率等）推向高潮，同時仍保持謎題的趣味性和挑戰性來實現的。”