人工智能日益復雜，和人類玩游戲成為非常有技巧的事情。研究人員Arend Hintze對人工智能和游戲的發(fā)展前途展開了探索。早在20世紀80年代，一名教師曾向我提出挑戰(zhàn)：寫一個叫作“井字棋”的游戲程序，我不幸失敗了。但就在幾周前，我向我的一位計算機科學研究生解釋了如何使用所謂的“極大極小算法”來完成“井字棋”游戲程序的編寫，最后我們花了大約一個小時編寫完這個程序。不可否認，多年來我的編程技能一直在提高，但計算機科學的進步也走過了一段漫長的道路。幾十年前看似不可能的事情，在今天卻變得異常輕松。

1997年，在一場六局國際象棋比賽中，一款名為“深藍”的IBM電腦擊敗了國際象棋大師Garry Kasparov，這令人們感到震驚。2015年，谷歌透露其DeepMind系統(tǒng)已經(jīng)掌握了數(shù)個20世紀80年代的視頻游戲，其中包括一個關(guān)鍵的制勝策略。

2016年，谷歌的AlphaGo系統(tǒng)在五局比賽中擊敗了排名第一的圍棋選手。對能在游戲中擊敗人類的技術(shù)系統(tǒng)的探索仍在繼續(xù)。5月底，AlphaGo將會在中國烏鎮(zhèn)舉行的圍棋峰會上對戰(zhàn)世界上最優(yōu)秀的選手柯潔。

隨著計算技術(shù)的提高和工程的改進，計算機甚至可以在我們本認為需要依賴于人類直覺、智慧、欺騙或虛張聲勢的游戲中擊敗人類——比如撲克。最近我看到一段視頻，排球運動員練習對著機器人控制的橡膠手臂進行活動和刺擊，試圖阻止投籃。我得到一個教訓：:當機器努力贏得勝利時，人類的努力是徒勞的。我們都想要一個完美的人工智能系統(tǒng)來驅(qū)動我們的汽車，一個不知疲倦的系統(tǒng)在x射線中尋找癌癥的跡象，這種想法是美好的。但說到游戲，人類不想輸。幸運的是，人工智能可以讓游戲變得更有趣，甚至可以帶來無窮無盡的快樂。

今天的游戲設計師們，他們編寫的東西比一部大片更賺錢，這說明了一個問題：打造一個不可戰(zhàn)勝的人工智能系統(tǒng)是毫無意義的。沒有人想要打一場不可能贏的比賽。但人們確實想玩那種沉浸式、復雜和刺激的游戲。即使是當現(xiàn)在最好的游戲，玩了一段時間后也會變得不新奇。有趣的游戲會讓玩家通過調(diào)整并作出反應來保持游戲的趣味性，也許可以維持到永遠。所以，當我們在設計人工智能系統(tǒng)時，我們不應該去看那些得意洋洋的“深藍”和“阿爾法”人工智能，而是要去看獲得巨大成功的魔獸世界這樣的大型多人在線游戲。這些游戲都是圖形設計的，但它們的主要吸引力在于其互動性。

大多數(shù)人似乎都不喜歡像國際象棋和圍棋這樣極其復雜的邏輯謎題，而更傾向于富有意義的人脈圈子和社區(qū)活動。這些大型多人在線游戲的真正挑戰(zhàn)在于如何保持玩家每一次的全新體驗，而不是他們是否能被智能（人為或非人為）打敗。目前，很多游戲環(huán)境允許玩家之間進行充分的互動。在地牢里的小隊中扮演的角色是明確的：戰(zhàn)士們遭到傷害，治療者幫助他們從傷痛中恢復過來，而脆弱的巫師們則從遠處施展魔法。想想傳送門2，這是一款多人游戲，完全集中在機器人協(xié)作上，讓他們在迷宮般的認知測試中迷失方向。一起探索世界可以讓你和朋友們擁有共同的回憶。但對這些環(huán)境或基本布局的任何改動，都必須由人類設計師和開發(fā)人員做出。

在現(xiàn)實世界中，改變是自然發(fā)生的，沒有監(jiān)督、設計或人工干預。玩家可以學習，生物也會適應。有些生物甚至會共同進化，對彼此的發(fā)展作出反應。（在武器技術(shù)軍備競賽中也出現(xiàn)了類似的現(xiàn)象）如今的電腦游戲缺乏這樣的復雜性。出于這個原因，我認為開發(fā)出能夠玩現(xiàn)代游戲的人工智能并不會對人工智能研究有實質(zhì)性的推進。一款值得玩的游戲應該是不可預測的，因為它能適應，保持永久的新穎性，并且它是通過玩游戲創(chuàng)造出來的。未來的游戲有待發(fā)展。游戲的角色不應該只是做出反應；他們需要探索，看到弱點，學會合作。

我們知道，達爾文的進化論和他的學問是地球上所有新奇事物的驅(qū)動因素。這也可能是推動虛擬環(huán)境變化的原因。進化論可以解釋自然智慧的創(chuàng)造。難道我們不應該把開發(fā)人工智變成進化人工智能嗎？包括我自己和我的同事Christoph Adami在內(nèi)的幾個實驗室正在研究“神經(jīng)進化”。

在計算機中，我們模擬復雜的環(huán)境，比如道路網(wǎng)絡或生物生態(tài)系統(tǒng)。我們創(chuàng)造出虛擬的生物，并挑戰(zhàn)它們，讓它們進化出成千上萬的虛擬后代。進化本身就是最好的驅(qū)動力，或者可以說是最好的適應環(huán)境的有機體，它們就是存活下來的生物。今天的AlphaGo正在進行這一過程，通過不斷地和自己玩游戲，分析頂級圍棋冠軍的游戲記錄來學習。但它不會像我們一樣學習，體驗無人監(jiān)督的實驗。而且它不能適應一個特定的對手：對電腦玩家來說，最好的動作是認定的，不考慮對手的風格。從經(jīng)驗中學習的程序是人工智能的下一步。它們會讓電腦游戲變得更有趣，讓機器人不僅能在現(xiàn)實世界中發(fā)揮更大的作用，還能讓機器人在運行中適應它。