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，主要圍繞著一項名為 " 視頻預訓練 "（VPT：Video PreTraining）的 AI 技術展開討論。

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》視頻后，案例中的 AI 已經成功學會了求生所需的大部分必備技能：游泳、狩獵、建房、下礦，甚至搜刮村莊。

盡管依然存在著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 搜到東西后興奮地擼起了天花板

當然，相比起背后堆積如山的代碼與 " 逆動力模型 " 等看了就讓人迷茫的技術詞匯，作為普通玩家的我們，更關心的可能還是這么一款高智能、饒有趣味的 AI 到底什么時候才能實裝進游戲里。

" 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后幾天，另一個功能類似的 AI 也同樣出現在了網上。更重要的是，研究團隊直接將他們的代碼放在了 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 萬個油管上的游戲視頻、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 "

這么做的目的，當然在于幫助 AI 理解人類語境中 " 建造 "" 求生 " 等詞匯的意義，油管主們在教學視頻中聲情并茂地教導觀眾從哪里出發，到哪里尋找神廟，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別墅 "。

AI 可能很難理解 " 漂亮 "" 海濱 "" 別墅 " 到底是什么意思，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后，大多數時刻 AI 都能有模有樣地完成目標。

在這些任務中，玩家可以給 AI 下令 " 把牛羊圈起來 "" 去沼澤里找雞 "" 盡可能地活久一點 "，或者干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么高，畢竟它直接接入了游戲端口，利用游戲內的數據直接控制 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，指令都是直接模擬人類的鍵鼠操作。

并且 MineDojo 在部分時刻依然要借助修改游戲數據才能達到目的，比如攻略末影龍的時候，只有 " 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 實裝后的反饋，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，制作一個會玩游戲的 AI，有時候看視頻就夠了。

視頻比教科書更進一步的是，哪怕觀眾什么也不明白，不知道 python 語言、架構、蒙特卡洛算法是什么，每個人依然能從視頻里得到樂趣，隨后潛移默化地了解知識。

在這一領域起代表性作用的，是那些致力于設計游戲 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么也不懂的嬰兒，讓他們在大自然（程序）世界里嘗試各種操作，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，大致場景就是這樣的。

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 通關游戲的視頻，《吃豆人》《Flappy Bird》這類強調優化 AI 行動的游戲都可以沿著類似的思路走下去。

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。

" 制作一個會玩游戲的 AI 僅需要三步 "

重做游戲的原因我們稍后再進行討論，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，這里我們才是負責挑選 AI 的上帝。

剛出生的 AI 當然是什么也不懂得的小嬰兒，給它們添加行動指令，AI 也不會懂得往哪里行動有什么意義。因此常見的做法是給隨機行動的 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 只有五次行動機會，五次行動結束后，跳躍高度最高的 AI 就會成為下一代的模范，此后的每一代 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。

不過這么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。

跟游戲引導玩家的方式其實很像

等所有程序都準備好之后，只要讓 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，最終完成游戲通關的任務。

經歷 862 代的演變后，就能到頂啦

3

自 AlphaGo 2017 年從賽場 " 退役 "，已經過去了五年。自那之后，" 民用 AI" 在游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，也沒有流著血淚幫忙標注數據的研究生們，但得益于 Github 的開放性，每個網民隨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：你只需要兩臺電腦、一段網上下載的程序、一個視頻采集卡，再加一個無線鼠標信號接收器。

而要做的工作也無非是標注一些供 AI 訓練識別能力的圖片，一 " 小 " 段指示行為模式的代碼，然后直接掃描小地圖指示方位，再把鍵盤信號都通過無線鼠標傳送到電腦里。

雖然信號發送是麻煩了點，但好處也有，因為沒有額外程序接入游戲，自然也不會被判斷出使用了外掛。

一切操作都是由另一臺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，只是想簡單體驗 AI 設計，已經沒有了那么高的門檻。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確與錯誤之間的 " 邊界 "。

那是人（確信）

正如 MineDojo 要區分程式化任務與抽象類任務的區別，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產生的解釋，或許能啟發人類解決生活中的矛盾。

朋友問你今天過得怎么樣、相親時怎么向對方介紹自己，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？