把一百個AI放到遊戲裏內鬥，活下來的它會夢到黑暗森林嗎？_風聞

在一個專屬於AI的遊戲世界裏，它們更像動物一樣活動和學習。

短短的幾年間，人工智能已經在越來越多的遊戲上戰勝了大部分人類。

 發生在圍棋領域的事情不用多説，在更加複雜的電子遊戲領域，人工智能的表現也越來越好——最典型的例子就是OpenAI在《Dota2》 《星際爭霸2》以及平台跳躍等諸多遊戲上的嘗試，人類在面對AI時已經越來越討不到好了。

去年8月OpenAI在《Dota2》中擊敗了五位高分段玩家組成的戰隊

去年末OpenAI舉辦的人工智能遊戲大賽中學會找遊戲Bug的AI

 現在，研究人工智能的學者們已經不再滿足於讓AI擊敗人類了。

 去年9月，OpenAI團隊提交了一篇論文的初稿，題為《神經MMO：一個人工智能的大型多人遊戲環境》。與之前在競技類遊戲發力的AI模型不同，這次研究者並沒有以“擊敗人類”為目的，而是試圖模擬人類乃至生物的行為。

 眾所周知，生物能夠不斷進化很大的原因就是不同物種間競爭的存在，科學家們覺得這點非常契合AI 能“不斷自我學習並進化”的主基調。

 他們借鑑了多款流行的大型多人在線網遊，構建出了一個“資源有限，競爭者眾多”的遊戲環境，來觀察其中的幾十上百個AI將如何行動——是的，這個遊戲的玩家只有AI，沒有真人。

前天這個論文才正式發佈在OpenAI的博客中

 這個遊戲被命名為“Neural MMO”（神經MMO）。最多128名AI會作為玩家降生在遊戲地圖的邊緣。世界中有可以通行的草地、森林和無法通過的水域、岩石。AI有飢餓度和口渴度，在森林方塊可以獲得食物，在水方塊可以獲得飲水。水是無限的，但森林方塊能夠提供的食物是有限的，被吃完後必須等很長一段時間才能回覆。

 當然，AI的目標是生存下去，存活時間越長，得到的分數和評價也就越高。

Neural MMO的遊戲截圖

 單單從“存活下去”這點來看，這個遊戲很像是吃雞遊戲——有限的資源，眾多的競爭對手，目標是活得最長。事實上科學家們最初也覺得AI最終會開始互相廝殺以佔有更多資源，他們還專門為AI們設計了三種戰鬥方式——高傷害的近戰AOE、低傷害的遠程單體和幾乎沒有傷害的減速法術。

 在最初的狹小地圖中，AI們確實不可避免地發生了戰鬥。這很大程度上不僅是由於資源有限，更多的其實是因為它們沒有嘗試其他選擇的機會——每個AI都被設計有戰鬥策略，幾個AI遇到一起總會有AI判斷需要先開火，最後混戰在所難免。

讀過《三體》的人會發現，這種情況和《三體》中描述的黑暗森林狀態有微妙的相似之處，AI們自帶的戰鬥策略，就像書中描寫的“智慧生物天生的攻擊基因”，最後導致的就是AI版本猜疑鏈的產生。

 下圖的小劇場就是一個簡單的例子。

原本位於上方的196和右下的14和平相處，都在採集森林資源而不是互相攻擊。然而左邊的AI並沒有位於森林附近（雖然它前面一格就是森林），可能正是因此，它判斷攻擊的優先級要更高，於是突然對196展開了攻擊。受到攻擊大大增加了196判斷中攻擊的權重，一場三方混戰也就不可避免了。這裏196被攻擊後沒有還擊，而是選擇去攻擊“無辜”的14，是因為AI沒有報復心理，所有行動全部出於邏輯判斷。

 但是在更大、更類似於真實自然環境的遊戲世界中，情況幾乎是徹底翻轉了過來。研究者們發現，環境一旦稍有增大，AI們不再經常三個四個碰到一起，他們的攻擊慾望就飛速地下跌，大部分AI甚至把“避免發生戰鬥”當做最高級別的行動策略之一。

進階地圖不再那麼狹窄，大部分遭遇都是發生在兩個AI之間

 AI們在這種環境下不約而同地達成了一致的選擇——儘可能擴大探索範圍。

 很難説避免戰鬥和擴大探索這二者，哪個是因，哪個是果。一方面，可探索的地區增多代表着資源不那麼匱乏，戰鬥的收益也就大大降低；另一方面，戰鬥的收益降低讓AI們更加熱衷於擴大自己的行動範圍。這兩個因素互相作用，最後導致了一個出乎研究者意料，但細想起來卻在情理之中的結果。

 下圖是OpenAI的研究者給出的一張比較典型的大地圖下AI行動軌跡。

 可以看出，不同顏色的線條重合得不少，代表着AI們時有相遇。但是大多數路線在重合後還是繼續延展下去，這説明相遇後大部分AI沒有選擇你死我活的戰個痛快，而是對視一眼後就繼續去探索了。

 這張圖對於人工智能專家和普通人來説都沒什麼特殊意義，但是生物學家，尤其是研究生物行為的學者會發現，AI們的行為非常接近自然界中不同動物種羣的活動。

 “在自然界中，動物之間的競爭可以激勵它們擴散以避免衝突”，OpenAI研究團隊在報告中寫道，“我們觀察到AI的探索範圍隨着AI數量的增多而變大了。”據此，他們推測，AI數量越多越能激勵它們探索新的地圖尋找資源（當然前提是不出現最開始那種狹路相逢的混戰）。

1個AI就只會一條路走到黑，而8個AI在一個地圖會讓它們的探索更廣

 這其實是一個很好理解的結果。對自然界的動物們和AI們而言，戰鬥的成本是非常高的。它們可不像坐在電腦前的人類一樣，被打擊後罵一句倒黴就可以繼續下一局遊戲了，對它們來説，生命只有一次，死亡是最大的成本（AI可以不斷重生，但它們自己不知道這點）。’

 也正是因此，戰鬥大部分時候是萬不得已的選擇，這和很多人視之為普遍真理的黑暗森林法則截然相反——不過，在更大的尺度上事情更加複雜。

美國動物學家統計的“幾隻狼的活動路線”，可以看出它們儘可能不互相碰面，更別提戰鬥了

 “事情更加複雜”，這正是計算機學者們下面要解決的問題。他們認為在目前的遊戲中得出的結果，最多算是有限的推測。Neural MMO的遊戲世界雖然已經儘可能模擬了現實環境，但還是簡化得太過分了。

 OpenAI團隊有很多計劃。下一步，他們準備引入更多的攻擊方式，讓AI們的戰鬥能力大幅增加（就像現實世界的人類一樣）；他們還計劃調低森林再生食物的速度，讓環境更加惡劣；另外一個規劃是引入更復雜的合作機制，目前同樣顏色的AI被設置為不能互相攻擊（模擬生物的種羣），還是稍顯單調，因為羣體和羣體之間從來不是並非簡單的“非敵即友”關係。

 就算學者們儘可能模擬了現實環境，AI能不能代表人類還是很值得懷疑的問題。OpenAI團隊發佈了關於這個項目的論文初稿後，就有不少學者指出，人類的行為模式和AI的邏輯判斷有極大的區別。比如人不是完全趨利避害的生物，人類種羣就更不是了；再比如對“什麼是利，什麼是害”，人類和目前設計的AI模型也有很大區別——AI把生存時間當成“利”，但人類是不是這樣想還很難説。很多學者認為現在的這個遊戲更像是純粹的自然界，而AI更像野生動物而不是高度社會化的人類。

 然而即使是這些懷疑者，也普遍認為“這個模擬相當有趣”，在AI研究領域意義非凡。不同於之前更多着眼於技術水準的AI遊戲對戰，這個研究涉及到了AI的長期判斷和選擇。一個長期、穩定的環境能體現AI長期、穩定的取捨傾向，在人類身上，我們把這個“取捨傾向”叫做“道德”。

 AI是否會有道德準則，它們通過利弊抉擇得出的判斷能不能算我們所説的“道德取向”，這些大哉問一直以來被人們爭論不休。現在，在一款MMO生存遊戲中，我們很可能會看到回答這些問題的曙光。