人工智能已经能制作游戏，游戏AI，也在走出游戏

对于游戏AI，有两极化的认知。

一种是智能，即在某款游戏中击败人类顶级选手近乎轻而易举。

另一种则是智障，即在游戏中扮演NPC进行互动时，往往变成尬聊。

关于游戏AI的最终幻想应该是啥样，自然不仅仅是能否轻松击败人类，而是如2021年那部电影《失控玩家》里所演绎的那样，游戏里的NPC出现了智慧，以至于萌生出了游戏版的“庄周梦蝶”感觉。

事实上，互联网大厂一直都在梦想这样的颠覆，以至于用在了一年一度的愚人节玩笑（往往也是自己远景战略的一个揶揄）。

例如2019年愚人节，英伟达开玩笑的发布了一款名为GeForce RTX R.O.N.的AI智能游戏助手，号称精通十八门语言，能够生成全息图像，生成游戏3D图形，分析游戏数据，制定战术，甚至可以帮你和玩家对骂……

而这真的只是个玩笑吗？

一年后，英伟达给出了答案。

在经典游戏《吃豆人》诞生40周年之际，英伟达宣布使用5万局游戏训练出的人工智能模型重建了这个游戏——不用写代码、不用构建游戏引擎渲染图像，仅仅通过神经网络“看”原版《吃豆人》的运行状况，自行理解游戏规则，最终完成了游戏制作。

这个游戏真的好吗？

也许是和英伟达本身是视觉处理领域的国际大佬这个定位相关，其创建的人工智能的学习方式，也不同于遗忘的AI靠吞噬大数据进行深度学习，反而选择了用“看”的方式，不断的在各种《吃豆人》的游戏视频里学习并推断其游戏规则，最终达成“复刻”一个游戏的模仿效果。

话说这款游戏，“算”起来相当智能，但“玩”起来就非常智障了，恰好一肩挑起了两极化的认知。

秘密同样是英伟达自己揭开的：

由于短时间生成大量游戏视频不大现实，因此团队使用计算机来玩《吃豆人》生成画面。

但是，用于模拟玩游戏的AI在游戏中太出色了，让看视频的AI被误导，难以理解游戏中“死亡”的概念，所以最初产生的《吃豆人》，游戏中几乎都不会输。

当然，后续发现问题并改进后，这款《吃豆人》的复刻，也就算是向AI的最原初诞生，完美致敬了。

学习、改进、再学习，成为了游戏AI和自己在其他领域里AI们共同完善自身智能的必由之路。

但游戏AI还可以做到更多，例如和《失控玩家》一样从游戏走到现实中来。

真当互联网大厂和游戏公司们做能击败人类顶级玩家的AI，只是一种展示技术的无聊事吗？

答案是否定的，不然真的是有钱没地方烧。

马化腾就在2021年世界人工智能大会中说，要用游戏AI去激发青年人对通用AI的研究兴趣。

事实上，互联网科技领域正是如此去做的，用游戏AI做一款属于自己的游戏，实现自己少年时的游戏梦。

例如Facebook开发的可以和玩家团队协作玩纸牌游戏《Hanabi》的AI，其开发者就说：“我们对《Hanabi》感兴趣的原因并非游戏，而是关于如何将这些功能构建到AI系统中，例如自动驾驶汽车或AI客服，它们需要实际了解其他人通过行为与之交互时的心理状态。”

至于索尼为《GT赛车》开发的AI驾驶者，则可以更进一步：

不仅需要在高速多变的条件下，考虑刹车、路线、速度、方向等因素，瞬间决定方向盘的打法和加速方式等多个决定；同时也要学习驾驶的“礼仪”，在合乎公平竞争原则下减少非必要碰撞，以及作为慢车时进行让车。

这个背后，你能想象的空间就更为巨大了。

在实际的场景测试里，自动驾驶公司很难创造或者遇到极限场景，比如暴雨+冰雹的复杂路况，或高速公路上闯入的动物及行人等突发事件，这往往会造成测试数据的局限。

然而在游戏世界，利用AI技术的测试数据获取成本就相对较低，例如无限撞车、持续过弯，都可以通过AI在短时多次测试中得到一个相对可行的解决路径。

于是，AI成为虚拟风洞里的“运动员”，在跳出游戏的更多场景里发挥作用的价值，也就不再只是战胜人类这个小目标了。