最先进的AI大模型，为什么都在挑战《宝可梦》？

正文

请到「今天看啥」查看全文

01

对AI来说，“独立通关初代《宝可梦》” 是一个比人类的想象要复杂得多的挑战。

早在今年2月，美国另一家AI科技公司Anthropic就对外公布了名为“Claude Plays Pokémon”的技术实验，实验内容就和它的名称一样，试图让该公司旗下的最新版本AI Claude 3.7 Sonnet体验初代宝可梦游戏，并以“通关游戏”作为实验的最终目标。

这项实验最后以失败告终，Claude 3.7的最终进度是挑战三个道馆、获得三枚徽章，但哪怕是这个对人类玩家来说微不足道的成就，也是Claude反复迭代了一年的成果。

根据Anthropic公司释出的信息，一年前的3.0版Claude，甚至连游戏最初的“真新镇”都无法走出，之后的3.5版本略有进步，行程来到了“常磐森林”，但依旧无法获得第一个徽章。

进度缓慢的原因不外乎：Claude的每一步决策都会经过漫长思考、毫无意义地重复探索走过的城镇、长时间卡在地图死角，或者反复与一个毫无帮助的路人NPC对话。

Claude的通关过程也面向大众进行了直播

这些行为看似是“人工智障”，远不如在围棋或《星际争霸》这些策略游戏上战胜人类选手的AlphaGo，但这其实是二者训练方式的差异。

前几年那些能在围棋、《DOTA2》等项目中表现出色的AI，开发者通常会为算法提供游戏规则和策略的基础信息，并设置给AI正确行动提供正面回报的奖励函数，这便是经常提到的 “强化学习”。

但对于像Claude、Gemini这种基于大语言模型的AI，针对的不是某款特定的游戏，研究人员并未提供《宝可梦》专属的游戏规则或目标指令，也不会对其进行特定的训练，而是直接让通用的Claude模型操作游戏。

这更近似于让一个对宝可梦游戏完全没有感念的纯新手，通过自己的感知和学习，逐步掌握游戏的过程。

再者，Claude在游玩游戏时，获得信息的渠道并非是内部代码，而是和人类一样，所有内容都只能从游戏画面上获取，早期版本的Claude经常撞墙，原因就在于相较于现代游戏更逼真的“墙”，AI很难识别这些由像素组成的抽象画面，而这对人类玩家来说却是一件很轻松的事。

请到「今天看啥」查看全文