0
「注：文章來自國際電信聯盟（ITU）」
當談到新興技術在改善世界各地人們生活的潛力時，你首先想到的可能不是電子游戲。然而，虛擬游戲可以在訓練人工智能 (AI) 以對現實世界產生積極影響方面發揮重要作用。
每年，國際電信聯盟（ITU）都會舉辦 AI for Good （“AI向善”）峰會，以展示人工智能在支持聯合國可持續發展目標方面的技術進步。國際電信聯盟（ITU）還制定了電子游戲體驗的標準。
在觀看近期國際電信聯盟（ITU）有關在線游戲服務質量標準的網絡研討會時，世界各地的研究人員目前需要努力將人工智能和電子游戲這兩個領域結合起來，以營造可以幫助機器從游戲數據中學習并提供洞悉人工智能開發的環境。目標是使用虛擬游戲結構來提高人工智能的自學能力，然后可以將其應用在現實世界中的應用（場景），例如促進醫療保健的進步以及城市的智慧化與可持續發展中。
那么電子游戲如何加快人工智能的發展步伐，讓全世界的人們在日常生活中都能看到他們的有益之處呢？
長期以來，游戲一直是衡量人工智能 (AI) 技術進步的方式，通過在策略中與頂尖人類玩家進行較量來展示計算機算法的“智能”程度。
“整個電子游戲提供了我們所擁有的最好的智力測試。”
——Julian Togelius紐約大學坦登工程學院副教授
紐約大學坦登工程學院副教授朱利安·托格利烏斯 (Julian Togelius) 說：“整個電子游戲提供了我們所擁有的最好的智力測試。” “電子游戲是訓練 AI 算法的一種很好的方式，因為它們旨在循序漸進地讓人類的思維經歷越來越難的挑戰。”
Togelius 解釋說，電子游戲旨在通過讓玩家專注于克服障礙和跟隨后續故事等元素來挑戰人類的思維。他說，游戲設計的一個核心理念——也是許多人喜歡玩游戲的部分原因——是玩家一直在學習。
他說，這使得電子游戲成為訓練 AI 的理想環境。游戲提供結構框架、重復訓練以及能力強化，這都有助于（AI的）算法學習。
Togelius 說，與在物理空間中學習完成任務的機器人相比，虛擬環境還允許算法以更低的成本更快地開發。
“用機器人執行 10 次任務的時間，可以讓算法玩 10,000 次游戲，”他說，“你不必擔心它會不會（如機器人實驗一般）損壞或過熱。”
虛擬游戲對人工智能的物理性優勢已經開始顯現。
例如，OpenAI 的研究人員最近展示了一種算法，該算法可以通過相當于100年的反復試驗，去教會自己操縱一個立方體。
Togelius 說，展望未來，虛擬訓練可以直接應用于現實世界的實踐，例如使用虛擬駕駛游戲來訓練人工智能以用于自動駕駛汽車。
騰訊自動駕駛TAD Sim仿真場景
自動駕駛汽車的技術進步有提升道路安全性、減少交通擁堵、減少排放等其他好處。實現自動駕駛，是國際電信聯盟（ITU）在幫助實現聯合國可持續發展目標的第 11項——“建設更智能、更可持續的城市”中的一部分貢獻。
Togelius 解釋說，但（我們）也有機會跳出框架思考，將電子游戲中學到的經驗應用于新領域。例如，在星際爭霸（StarCraft）（這是一款復雜的多人在線游戲）中訓練人工智能，玩家必須使用策略來推進賽程，這可以培養管理技能，他說。
“你正在制定戰術和戰略位置，建立和協調后勤網絡，并確保資源正常運轉，”Togelius說。“如果一款游戲有許多與現實世界任務相同的挑戰，那么它就證明了[算法]可以學習類似于現實世界的任務。”
觀察算法在電子游戲中的表現還可以深入了解它們的行為方式。Togelius 說，這有助于研究人員更好地了解算法如何解決問題并做出決策。
“通過觀看 AI 代理玩游戲，我們可以更多地了解 AI 擅長什么以及人類擅長什么，”他說。
這一點可以幫助公司和政策制定者去識別在哪些領域人工智能能夠以有利于人類的方式，來提高效率或支持現有的工作。在這些場景中觀察 AI 的另一個好處可能是發現新技術或新機會。
例如，根據德國弗萊堡大學機器學習研究人員今年早些時候發表的一篇論文所述，一種使用進化策略的算法，其中最成功的算法能夠生存和進化，利用電子游戲 Q*bert 中的一個bug，來累積幾乎無限的積分。
該論文的作者之一弗蘭克·哈特 (Frank Hutter) 表示，在這款游戲推出 36 年的時間里，包括開發者在內的任何人都沒有發現這個漏洞。
Hutter 解釋說，該算法的探索行為，以及為了長期最大化積分而不斷嘗試的意愿，幫助它找到了故障。
“按照設計，它著眼于長期依賴關系，”他說。“它只對‘最終分數’感興趣，而其他方法則專注于‘如何快速獲得積分’，這就是人類嘗試玩游戲的方式。”
人類和人工智能，都仍有很多東西需要學習。例如， OpenAI 在 Dota 2 中戰勝一支人類玩家隊伍的幾周后，它在電子游戲的年度錦標賽中輸給了職業玩家。
Togelius 說，展望未來，如何將 AI 的能力從特定任務擴展到更廣義的“智能”，是我們需要思考的問題。
“我們非常擅長通過訓練算法來做特定的事情或玩特定的游戲，但我們在廣泛化應用方面仍在嬰兒學步階段”他說。“現在‘玩游戲’的人工智能和研究給人工智能界的回饋是，人類正在開發可被廣泛適用的方法，這些方法既是為玩游戲而開發，也可以有其他用途”。
雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
