我訓練了誰，誰又訓練了我？

今年6月底，知名科技公司OpenAI發布了一篇論文，主要圍繞着一項名為 “視頻預訓練”（VPT：Video PreTraining）的AI技術展開讨論。

這項研究的成果相當喜人，例如，在看了7萬多個小時《我的世界》視頻後，案例中的AI已經成功學會了求生所需的大部分必備技能：遊泳、狩獵、建房、下礦，甚至搜刮村莊。

盡管依然存在着一些人類難以理解的操作，但就結果來說，這已經比許多同類AI表現得要好多了。

AI搜到東西後興奮地撸起了天花闆

當然，相比起背後堆積如山的代碼與“逆動力模型”等看了就讓人迷茫的技術詞彙，作為普通玩家的我們，更關心的可能還是這麼一款高智能、饒有趣味的AI到底什麼時候才能實裝進遊戲裡。

“給俺也整一個”

1

無須等待，AI走進千萬家的場景就在當下。

雖然OpenAI的模型目前僅提交給了專門負責研究《我的世界》AI的MineRL大賽，但就在他們論文發布的前後幾天，另一個功能類似的AI也同樣出現在了網上。更重要的是，研究團隊直接将他們的代碼放在了Github上供所有人下載研究。

MineDojo的Github頁面

這個名叫MineDojo的項目由英偉達的工程師進行開發，同樣是通過觀看網上的視頻資料進行訓練，但與OpenAI略有不同的是，他們的資料庫要龐大得多。

MineDojo一共搜集了73萬個油管上的遊戲視頻、7000多個維基網頁，甚至還有上百萬條和《我的世界》有關的Reddit評論。

“互聯網規模”

這麼做的目的，當然在于幫助AI理解人類語境中“建造“”求生“等詞彙的意義，油管主們在教學視頻中聲情并茂地教導觀衆從哪裡出發，到哪裡尋找神廟，再到如何攻略末影龍——

對于AI來說，這就是上好的“網課”。

支持這一行為的，是一個被稱為MineCLIP的學習算法。它可以幫助AI把主播的解說與視頻中展示的操作聯系起來，以此達到訓練的目的；同樣的，訓練好的AI也能理解玩家直接下達的任務。

這是MineDojo最有趣的部分，工程師們準備了3000個可以直接下達給AI的指令，一類是程序化任務，例如“生存3天”或“收集兩塊木頭”，這是可以用數字和名詞客觀衡量的任務；另一類是抽象化任務，例如“建造一座漂亮的海濱别墅”。

AI可能很難理解“漂亮”“海濱”“别墅”到底是什麼意思，不過通過視頻畫面的講解，再搜索玩家們相關評論的關鍵詞之後，大多數時刻AI都能有模有樣地完成目标。

在這些任務中，玩家可以給AI下令“把牛羊圈起來”“去沼澤裡找雞”“盡可能地活久一點”，或者幹脆讓它去搜刮一個海底神廟。因為使用了互聯網上的常用語言，AI對某些人類特有的幽默感學得挺到位的。

下達”玩”的指令

和OpenAI的模型比起來，MineDojo的技術難度或許并沒有那麼高，畢竟它直接接入了遊戲端口，利用遊戲内的數據直接控制AI行動要簡單許多；而OpenAI則是從零開始建立了一個模仿人類的行動模型，指令都是直接模拟人類的鍵鼠操作。

并且MineDojo在部分時刻依然要借助修改遊戲數據才能達到目的，比如攻略末影龍的時候，隻有“作弊”讓末影龍站在原地挨打才能通關。

手足相殘的殘忍錄像

不過，MineDojo依然呈現出了AI可以通過現有視頻、資料進行學習的能力。唯一遺憾的是，目前還沒有看到多少MineDojo實裝後的反饋，因此實際效果如何也存在一定的疑問。好處是它供所有人免費下載，當作AI入門的免費資料試試未嘗不可。

2

得益于當代互聯網的發展，AI能從視頻資料中獲取自己想要的知識。人類也是如此，制作一個會玩遊戲的AI，有時候看視頻就夠了。

視頻比教科書更進一步的是，哪怕觀衆什麼也不明白，不知道python語言、架構、蒙特卡洛算法是什麼，每個人依然能從視頻裡得到樂趣，随後潛移默化地了解知識。

在這一領域起代表性作用的，是那些緻力于設計遊戲AI的視頻制作者們。

首先要提到的是人們或許更為熟知的“遺傳算法”，一個在上個世紀的六十年代提出，被這個世紀所發揚廣大的技術。

它類似生物學意義上的進化論，具體來說，就是通過系統生成一堆什麼也不懂的嬰兒，讓他們在大自然（程序）世界裡嘗試各種操作，通過選擇表現更好的子代，達到不斷優化AI表現的目的。

用油管上一條《AI學習玩JUMP KING》的視頻舉例，大緻場景就是這樣的。

先生500個孩子試試

視頻作者Code Bullet（下文簡稱CB）已經用這個算法成功制作出了不少AI通關遊戲的視頻，《吃豆人》《Flappy Bird》這類強調優化AI行動的遊戲都可以沿着類似的思路走下去。

思路是清晰的，做起來也很“簡單”。翻閱一下CB大部分制作AI的視頻，都可以看到他的過程主要分為了三個部分。

“制作一個會玩遊戲的AI僅需要三步”

重做遊戲的原因我們稍後再進行讨論，CB視頻中展現的精髓部分在于遺傳算法的“篩選”功能。不同于物競天擇的大自然，這裡我們才是負責挑選AI的上帝。

剛出生的AI當然是什麼也不懂得的小嬰兒，給它們添加行動指令，AI也不會懂得往哪裡行動有什麼意義。因此常見的做法是給随機行動的AI設置獎勵和懲罰，例如跳躍一次加1分、達到下一關加2分、左右移動加0.5分，向下跌落則扣1分。

“往上走就好，往下是壞，這很簡單”

每代AI隻有五次行動機會，五次行動結束後，跳躍高度最高的AI就會成為下一代的模範，此後的每一代AI都會遵循上一代摸索出最好的路徑前進——這就是很簡單的進化了。

不過這麼簡單的規則還沒有辦法解決某些“思考”問題，如果某關需要先下降，再向上跳躍的話，死腦筋的AI就會因為扣分原則而拒絕往下跳。

解決辦法可以是在降落地點設置同樣可以提供獎勵的收集品，引導AI通過收集獎勵，前往更高的場景。

跟遊戲引導玩家的方式其實很像

等所有程序都準備好之後，隻要讓AI自己跑起來就行了，它們自然會一代代地找到最好走的路線，最終完成遊戲通關的任務。

經曆862代的演變後，就能到頂啦

3

自AlphaGo 2017年從賽場“退役”，已經過去了五年。自那之後，“民用AI”在遊戲領域可謂發光發熱，在油管上用AI玩《VALORANT》《大富翁》《糖豆人》的博主們也大有人在。

雖然沒有公司的資金支持，也沒有流着血淚幫忙标注數據的研究生們，但得益于Github的開放性，每個網民随手就可以下到一大堆經過一定訓練的神經網絡程序。

以一位油管上僅有7000粉絲的小博主River為例，他的一期視頻就很簡潔地展現了AI技術的低門檻。

前期準備非常簡單：你隻需要兩台電腦、一段網上下載的程序、一個視頻采集卡，再加一個無線鼠标信号接收器。

而要做的工作也無非是标注一些供AI訓練識别能力的圖片，一“小”段指示行為模式的代碼，然後直接掃描小地圖指示方位，再把鍵盤信号都通過無線鼠标傳送到電腦裡。

雖然信号發送是麻煩了點，但好處也有，因為沒有額外程序接入遊戲，自然也不會被判斷出使用了外挂。

一切操作都是由另一台電腦根據實時圖像作出的

當然，在目前的表現上來看，River的AI也和普通的AI機器人差不多，并沒有AlphaGo那種神奇的自我進化能力。

不過，隻是想簡單體驗AI設計，已經沒有了那麼高的門檻。不斷設計更新更強的AI也是一件頗有樂趣的行為，其中一項就是分辨正确與錯誤之間的“邊界”。

那是人（确信）

正如MineDojo要區分程式化任務與抽象類任務的區别，我們在教導AI時，同樣能從AI分辨的結果當中，得到自己對于事物的定義和由此産生的解釋，或許能啟發人類解決生活中的矛盾。

朋友問你今天過得怎麼樣、相親時怎麼向對方介紹自己，如果每個問題都能用程序解答，未嘗不是人類也已經進化到更高一層的體現。

誰訓練了我，我又訓練了誰？

轉載内容僅代表作者觀點

不代表中科院物理所立場

如需轉載請聯系原公衆号

本文轉載自公衆号“遊戲研究社”（ID：yysaag），已獲得轉載授權

來源：遊戲研究社

編輯：Paarthurnax

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!