自古AI顶流发端于游戏？盘点两者的前世今生

原创

2023-04-01 11:13 星期六

科创板日报郑远方

OpenAI将Dota 2视作ChatGPT的起点；深蓝与AlphaGo凭借棋局一战成名。若日后某一天，哪款游戏又孕育出了可与ChatGPT媲美的AI，或许也不足为奇。

《科创板日报》4月1日讯（编辑郑远方）或许还有人记得四年前一场Dota 2的5v5人机决战，AI队伍“碾压”TI8（第八届Dota2国际邀请赛）世界冠军队OG，连胜两局。而在这两局对战中，人类仅推掉了对面两座外塔，甚至在最惨烈的第二局中，OG击杀人头数只有个位数。

这是人工智能第一次在电子竞技游戏中击败世界冠军。这支AI战队名为OpenAI Five，此前它已战胜多位业余玩家，在这场人机对战的三个月之后，其背后公司正式获得微软10亿美元投资——OpenAI，在2023年的今天，这个名字对全球而言都不陌生。

图|OpenAI Five在Dota 2中对局

游戏是OpenAI最初的愿景。公司当时计划开发一个机器人，让它从零开始，自己一遍遍玩游戏，直到自学成才成为高水平玩家。

由此，Dota 2成为OpenAI的第一个重大项目。在这款极为复杂的游戏中，AI一开始只会在地图上闲逛，但几小时后，它已学会基本技能。对于人类而言，需要1.2万-2万小时的训练才可以成为专业选手，而OpenAI每天的训练量等于100个人类一生的训练量。

这便是OpenAI所采取的训练模式，即强化学习——在Dota 2中的经验也为日后的ChatGPT奠定了基础。OpenAI首席科学家Ilya Sutskever将Dota 2项目视作ChatGPT的发展起点：

“从Dota 2的强化学习迈向人类反馈的强化学习，再加上GPT的技术基础，最终成就了今天的ChaGPT。”

▌AI与游戏的渊源

谈起OpenAI Five与OG的对局，不免会让人联想起1997年IBM深蓝（Deep Blue）打败世界国际象棋卫冕冠军Garry Kasparov，想起2016-2017年AlphaGo击败李世石与柯洁。而国际象棋与围棋，很大程度上来说也算得上是战术性游戏。

图|IBM深蓝与Garry Kasparov对局

若再向时间深处回溯，AI与游戏的渊源甚至能追溯到计算机发展的历史尽头：

上个世纪40年代末50年代初，计算机科学之父Alan Turing便试图通过国际象棋游戏编程，来测试计算机能否“智能地”解决游戏中的问题；

IBM计算机科学家Arthur Samuel发明了初版强化学习模型，将其用于跳棋游戏自我对战。

游戏成为了滋养AI的沃土，也是见证AI荣耀的竞技场。

▌一条通往通用人工智能的必经之路

正如人类多通过考试与竞赛证明自身能力，AI同样也需要类似基准来测试智能水平。游戏由此脱颖而出，成为AI领域中最多用的“水平考试”，也铸就了AI发展的一个个荣耀勋章。

但与此同时也衍生出了一个问题，例如数学成绩突出的人不一定学得好语文或英语，会下国际象棋的AI不一定会下中国象棋，为某个特定游戏胜利所设计的AI并不一定能将经验迁移至其他游戏。

那到底什么样的游戏AI算聪明？通用电玩比赛（General Video Game Playing Competition）得以诞生，意在检验AI能否成功过关多种游戏。

正所谓“少林有七十二艺，功夫既有不同，练习之法，亦必各异。学者苟能尽之，则无敌于世矣。”通用游戏（General Game Playing）也被看作通向通用人工智能的必经之路。

值得一提的是，与OpenAI Five类似地，腾讯也曾推出策略协作性AI“绝悟”，并在2021年举行过一场与职业选手对决的王者荣耀表演赛，马化腾将这场比赛形容为“最高水平的AI竞技”——从技术层面而言，这个升级版“绝悟完全体”已掌握了王者荣耀中所有英雄的全部技能，达到全英雄职业电竞水平。而OpenAI Five之前仅会操纵瘟疫法师、火枪、毒龙、冰女和巫妖5个英雄。

▌AI“反哺”游戏

当然，也许有人会说，在游戏中的种种亮眼表现不过是AI依靠算力堆积取得的胜利，不过是再次证明了计算机算力强过人类大脑。

但事实上，AI也已开始对游戏展开“反哺”。随着AI技术发展，人们可以为游戏中设计出全新的核心玩法，设计出更好的音乐、画面、角色乃至剧情，还可以提供更为个性化的游戏体验。

在今年这场由ChatGPT掀起的AI风暴中，游戏已成为AIGC应用的主战场之一。微软、腾讯、育碧、Roblox等一众大厂先后推出AIGC游戏生成工具，可以帮助创建虚拟城市等场景、创建NPC、自动生成NPC脚本、编写剧情、创建任务内容、生成代码片段、生成游戏物件纹理等。

实际上，早在2016年，已有游戏公司将AIGC相关技术融入开发管线。