“智”械危機 AI通關(guān)《寶可夢》首個道館花了7千小時

近日國外一位程序員Peter Whidden對AI模型進行了長達5萬小時的訓(xùn)練，試圖教AI如何玩《寶可夢 火紅》。

Whidden讓AI通過模擬器上的控制輸入與游戲進行交互，并將學(xué)習(xí)會話設(shè)置為每次游玩兩個小時，他還通過加速讓AI在六分鐘左右完成，甚至還同時運行40個會話，從而加快了AI的學(xué)習(xí)過程。

由于AI算法本質(zhì)上并不在意如何通關(guān)游戲，因此Whidden設(shè)定了獎勵目標，每當AI發(fā)現(xiàn)新東西時就能獲得獎勵點。這是利用屏幕中像素點變化來觸發(fā)的，不過這也導(dǎo)致AI會長時間盯著有動畫效果的水面發(fā)呆。

而與新事物有關(guān)的獎勵機制，也令A(yù)I選擇放棄戰(zhàn)斗或抓捕寶可夢，Whidden為此添加了與寶可夢等級相關(guān)的獎勵機制。但這一系統(tǒng)也導(dǎo)致了意外，AI在存放和替換寶可夢時會讓獎勵分數(shù)下降，因此在之后的行動中AI完全避開寶可夢中心，使得隊伍得不到治療，Whidden不得不再次調(diào)整獎勵系統(tǒng)。

雖然AI不擅長人類行為，但也做出了更加深奧的行動，Whidden意識到AI走出具體且奇怪的路徑，其實是為了保證只需扔出一個精靈球就能捕獲野生寶可夢，并非是無意義的行動。

不過AI在花費7千個小時擊敗第一個道館后，卻在月見山迷路許久，耗時5萬小時后還是沒能找到第二個道館。但AI也貢獻了許多神奇操作，比如AI最喜歡購入鯉魚王，累計購買超過1萬次；在野外抓捕到小拉達時，將其命名為“AI”。