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。

事實上，已經(jīng)出生了，只是還比較初代。

事實上，電影里MOSS這種把人類命運當一種游戲的狀態(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、最有名望的科學雜志之一，對于游戲AI的青睞卻是顯而易見的。

如何訓練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團隊將如何教AI自己學習玩1980年代雅達利小游戲、并比人類玩的水平更高的方法，以“CNN（卷積神經(jīng)網(wǎng)絡）+Q-learning（一種離軌-時序差分-強化學習迭代方法）= 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、并開啟隨后以強化學習和深度學習為根本特征的全球人工智能大風口。

《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團隊后續(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)學家證明數(shù)學猜想（不過不是國人熟悉的哥德巴赫猜想）、用AI控制核聚變反應，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)濟學特征等。

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

攀登科學的高峰，已經(jīng)成為了游戲AI的一個使命必達，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接口和VR展開了多項研究。

但還有走的更遠的。

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

《Pong》是1972年雅達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)學會如此簡單的游戲，卻是走深度學習路線的AI未必能夠達成的。

“迷你人腦”為何能成？

真相在于它并非AI，而由人類干細胞放置在一個微電極陣列上生長成的腦細胞組成，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習能力會否誕生奇跡，則還需要進一步探索，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。