人工智能一代编者按（人工智能一代编者按）人工智能的复杂性正在增加，与人玩游戏是一项非常熟练的任务。美国研究员阿伦德辛茨详细阐述了人工智能和游戏的进化论以及未来的发展方向。 上世纪80年代，一位老师让我写一个可以玩荆棘的电脑程序。不幸的是，我没有写出来。但就在几周前，我向我的一个计算机研究生解释了如何使用所谓的极大极小算法来解决荆棘问题。我们花了大约一个小时才完成这个计划。 几十年前似乎不可能的事情今天可能很容易。1997年，当深蓝击败国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）参加六场比赛时，人们感到惊讶。2015年，（）披露其DeepMind系统从20世纪80年代开始就掌握了许多电子游戏，包括自学的打砖块游戏的获胜技巧。2016年，谷歌的alpha-go系统也击败了对手。五局比赛中的最佳球员。 为了在各种游戏中击败人类玩家，计算机系统的搜索仍在继续。5月底，阿尔法戈将在中国乌镇的围棋峰会上挑战高杰。随着计算能力和技术水平的提高，计算机甚至可以在我们认为需要依靠人类直觉、智慧和能力的游戏中击败人类。赢，如扑克。 我最近看了一个排球运动员用机器人控制的橡胶臂练习扣球的视频，它可以拦截专业运动员有力的扣球，因此，当机器想要获胜时，人类的抵抗是无用的。 这是一件好事：我们希望完美的人工智能系统能为我们提供动力，而不知疲倦的系统能在X光上寻找癌症的迹象。但在玩游戏时，我们仍然不想输给机器。幸运的是，人工智能能使游戏更有趣，甚至可能给我们带来无尽的快乐。 今天的游戏设计者看到了一个问题：开发一个不可战胜的人工智能系统毫无意义。如果没有成功的机会，就没有人想玩。 但是人们在玩游戏的时候都想体验沉浸感、复杂性和惊喜。即使是今天最好的游戏也会在一段时间后变得无聊。理想的游戏模式是积极适应玩家，通过与他们互动保持游戏的趣味性，甚至让情况永远持续下去。 所以当我们设计人工智能系统时，我们不能仅仅看到深蓝和阿尔法的胜利。我们也应该看到魔兽世界的巨大成功，一个大型的多人在线游戏。这些游戏的图形设计精美，但他们最大的吸引力是互动。 大多数人对物体象棋和围棋这一极其复杂的逻辑游戏并不感兴趣，而是想与人建立联系，建立社区，这些MMO游戏面临的真正挑战不是能否被人类智能或人工智能打败，而是如何让玩家每次玩都感觉新鲜。 目前，游戏环境允许人们与其他玩家互动。地牢突击队的角色很容易确定：战士战斗，医生治疗伤员，巫师远程施放法术。或者想想门户2，一个专注于合作解决一系列器官和难题的多人游戏。 与朋友一起玩这些游戏可以帮助你形成一个共同的记忆，但是这些环境或底层场景中的任何变化都必须由人类设计者和开发人员部署。 在现实世界中，各种变化都是自发发生的，没有人为的监督、设计或干扰，玩家需要学习和适应，有的有机体甚至共同进化来应对彼此的发展（武器技术的军备竞赛也会出现类似的现象）。 今天的电脑游戏并不那么复杂，因此，我不认为能玩现代游戏的人工智能技术的发展能够对人工智能的研究做出贡献。 一个值得玩的游戏必须是不可预测的，因为它的适应性，也因为玩游戏过程的新颖性。未来的游戏需要进化。他们的角色不仅需要回应，而且需要能够探索和合作，甚至发现缺点。 达尔文的进化论和学习论是地球上所有新奇事物的驱动力，也是虚拟环境变化的驱动力。 进化已经掌握了创造自然智能的方法，我们应该放弃把思维方式植入人工智能的尝试，直接推动人工智能进化吗几个实验室，包括我的实验室和我的同事克里斯托夫·阿达米的实验室，正在研究所谓的尼禄进化。 我们在计算机中模拟复杂的环境，例如道路网络或生物生态系统。我们创建虚拟生物，让它们模拟几十万代的进化。然后进化本身发展出最好的动力，或者成为最适应环境的生物，也就是那些活到今天的生物。 现在，alpha go已经开始了这个过程，不断地与自己对弈，分析顶级棋手的记录。但它不能像我们那样一边下棋一边学习，也不能进行无人监督的实验。它不能根据对手调整策略：计算机的最佳棋局是最好的棋局，不管对手如何S样式不变。 从自己的经验中学习是人工智能的未来方向，它们可以极大地增加游戏的乐趣，使机器人不仅可以在现实世界中扮演角色，还可以适应忙碌的环境。（编译器/长歌）