为什么人工智能的研究者如此热衷电子游戏？游戏不仅可以作为现实世界的训练场，还能激发不同的认知技能并把问题分解成小模块，以此帮助建立人工智能理论。游戏公司与AI企业正在展开合作，通过让AI观察游戏中人类同伴的行为来让系统变得“更好奇”。从小动物到小朋友，智能动物的幼体都通过玩耍而非程序来建立认知，人工智能是否也能逐渐学会在现实中举一反三？
六一儿童节，《经济学人·商论》六月刊主题文章全新发布，欢迎登录商论App跟我们一起《玩个游戏吧》！
电子游戏受到人工智能研究者追捧有不少原因：
有些人用游戏作为现实世界的训练场；其他人则注意到不同的游戏需要不同的认知技能，而游戏可以帮助他们了解如何把智能问题分解成更易处理的小模块；还有人进一步认为游戏可以帮助他们发展出一套合适的人工（甚至自然）智能理论。
要发挥这些作用，首先要对游戏做调整，以便让计算机程序可以直接玩游戏而不需要人类玩家的辅助。
游戏公司纷纷开始认识到这个趋势。
2015年6月，微软启动了基于热门游戏《我的世界》（Minecraft）的AI开发平台Project Malmo，目标之一是教AI软件与人合作。2016年11月，《星际争霸》的开发者动视暴雪（Activision Blizzard）宣布与谷歌的控股公司Alphabet拥有的AI公司DeepMind达成类似的合作。旧金山研究小组OpenAI发布了对所有人免费的软件“Universe”，这个平台上提供的数百款游戏可以由适当的AI程序直接操作。
玩不同的游戏需要不同的能力，这也有助于研究人员分解智能问题。
DeepMind分享了研究人员训练一个人工神经网络玩游戏的过程。由于人工神经网络很难建立因果关系，复杂的多任务游戏对它而言会比其他反馈直接的简单游戏更难掌握。为此，DeepMind的研究人员调整了算法，为“探索和尝试”设置了更大的回报，让系统变得“更加好奇”，激励它偶然发现没有即时回报的好策略。这种方法并不限于掌握虚拟世界，也可以应用于现实。DeepMind让神经网络玩一个“寻找最低能耗”的游戏，成功将谷歌数据中心的能耗减少了40%。
目前的神经网络与真正的人类大脑还有许多不同之处，包括迁移学习（transfer learning）和具身认知（embodied cognition）能力。
欢迎登录《经济学人·商论》App浏览六
月刊文章
《玩个游戏吧》
互动有礼
电子游戏会带来AI的新突破吗？
