依据游戏开发人工智能技术具有使命可控、低本钱的长处，并在近年内逐步展现了从虚拟环境走向实际国际的可搬迁性。有AI学者曾着重，假如咱们要依托强化学习完成通用人工智能，首要有必要树立满足仿真的虚拟环境来练习AI智能体。在这方面，游戏是很好的天然“修炼营”、“主力练习师”。
AI需求向人类学习，但咱们也能在此过程中发现AI比人类愈加优异的当地。久远来看，这个研讨方向能够协助咱们更好地了解AI和咱们本身。
当谈到新式技术在改进国际各地人们日子的潜力时，你首要想到的或许不是电子游戏。但是，虚拟游戏能够在练习人工智能 (AI) 以对实际国际发生积极影响方面发挥重要作用。
每年，国际电信联盟（ITU）都会举行AI for Good（“AI向善”）峰会，以展现人工智能在支撑联合国可继续开展方针方面的技术前进。国际电信联盟（ITU）还拟定了电子游戏体会的规范。
近期国际电信联盟（ITU）有关在线游戏服务质量规范的网络研讨会标明，国际各地的研讨人员现在需求尽力将人工智能和电子游戏这两个范畴结合起来，以营建能够协助机器从游戏数据中学习的环境，一起让研讨者调查人工智能技术的开发。这种做法的方针是运用虚拟游戏结构来前进人工智能的自学才能，然后能够将其运用在实际国际中的运用（场景），例如促进医疗保健的前进以及城市的才智化与可继续开展中。
那么电子游戏怎么加速人工智能的开展脚步，让全国际的人们在日常日子中都能看到其有利之处呢？
长时间以来，游戏一直是衡量人工智能 (AI) 技术前进的办法，经过在战略中与顶尖人类玩家进行比赛来展现计算机算法的“智能”程度。
纽约大学坦登工程学院副教授朱利安·托格利乌斯 (Julian Togelius) 说：“电子游戏供给了咱们所具有的最好的智力测验。电子游戏是练习 AI 算法的一种很好的办法，由于它们旨在按部就班地让人类的思想阅历越来越难的应战。”
Togelius 解说说，电子游戏旨在经过让玩家专心于打败妨碍和跟从后续故事等元从来应战人类的思想。他说，游戏规划的一个核心理念——也是许多人喜爱玩游戏的部分原因——是玩家一直在学习。
他说，这使得电子游戏成为练习 AI 的抱负环境。游戏供给结构结构、重复练习以及才能强化，这都有助于（AI的）算法学习。
Togelius 说，与在物理空间中学习完成使命的机器人比较，虚拟环境还答应算法以更低的本钱更快地开发。
“用机器人履行 10 次使命的时刻，能够让算法玩 10,000 次游戏，”他说，“你不用忧虑它会不会（如机器人实验一般）损坏或过热。”
例如，OpenAI 的研讨人员就曾展现一种算法，该算法能够经过相当于100年时刻的重复实验，去教会自己操作一个立方体，并从虚拟环境搬迁到了实际国际。
Togelius 说，展望未来，虚拟练习能够直接运用于实际国际的实践，例如运用虚拟驾驭游戏来练习人工智能，以用于自动驾驭轿车。
自动驾驭轿车的技术前进有提高路途安全性、削减交通拥堵、削减排放等其他优点。完成自动驾驭，是国际电信联盟（ITU）在协助完成联合国可继续开展方针的第 11项——“建造更智能、更可继续的城市”中的一部分奉献。
Togelius 解说说，但（咱们）也有时机跳出结构考虑，将电子游戏中学到的经历运用于新范畴。例如，在星际争霸（StarCraft）（这是一款杂乱的多人在线游戏）中练习人工智能，玩家有必要运用战略来推动路程，这能够培育办理技术，他说道。
“你将能够拟定战术和战略方位，树立和协调后勤网络，并保证资源正常工作，”Togelius说，“假如一款游戏有许多与实际国际使命相同的应战，那么它就证明了‘算法’能够学习类似于实际国际的使命。”
调查算法在电子游戏中的体现还能够深化了解它们的行为办法。Togelius 说，这有助于研讨人员更好地了解算法怎么解决问题并做出决议计划。
“经过观看 AI 智能体玩游戏，咱们能够愈加了解 AI 拿手什么以及人类拿手什么，”他说。
例如，依据德国弗莱堡大学机器学习研讨人员宣布的一篇论文所述，一种运用进化战略的算法（其中最成功的算法能够生计和进化），学会了使用电子游戏 Q*bert 中的一个bug，来累积简直无限的积分。
该论文的作者之一弗兰克·哈特 (Frank Hutter) 表明，在这款游戏推出 36 年的时刻里，包含开发者在内的任何人都没有发现这个缝隙。
Hutter 解说说，该算法的探究行为，以及为了长时间最大化积分而不断测验的志愿，协助它找到了毛病。
“依照规划，它着眼于长时间依靠联系，”他说。“它只对‘终究分数’感兴趣，而其他方规律专心于‘怎么快速取得积分’，后者对应了人类玩游戏的办法。”
人类和人工智能，都仍有许多东西需求学习。例如， OpenAI 在 Dota 2 中打败一支人类玩家部队的几周后，它在电子游戏的年度锦标赛中输给了工作玩家。
Togelius 说，展望未来，怎么将 AI 的才能从特定使命扩展到更广义的“智能”，是咱们需求考虑的问题。
“咱们十分拿手经过练习算法来做特定的工作或玩特定的游戏，但咱们在广泛化运用方面仍在婴儿学步阶段，”他说，“现在‘玩游戏’的人工智能和相关研讨给人工智能界的回馈是，人类正在开发可被广泛适用的办法，这些办法既是为玩游戏而开发，也能够有其他用处”。回来搜狐，检查更多