最先進的AI大模型，為什麼都在挑戰《寶可夢》？_風聞

各種AI模型在剛問世時，總有一個屢試不爽的“秀肌肉”手段，那就是讓自家AI獨立遊玩某款遊戲，用以檢驗模型的智能程度。

圍棋選手李世石與AlphaGo的五番棋對決已經過去近十年。而後，不論是谷歌的DeepMind在《DOTA2》《星際爭霸2》這些項目上擊敗人類職業選手，還是2023年英偉達宣佈開發出能玩《我的世界》的VOYAGER，都在不斷證明“遊戲”似乎就是AI的天然試驗場。

大家體感上應該也能體會到，這十年間AI技術發展迅速，如今的大語言模型，其訓練方式、決策過程都與當初的AlphaGo有較大差異，但十年過去，不管是科技公司想展示研究成果，還是吸引不懂技術細節的普通人關注，“讓AI玩遊戲”依舊是個很常見的手段。 

最近，谷歌的AI模型Gemini 2.5 Pro又因為做到了“獨立通關初代《寶可夢》”，再次成了AI領域的熱門話題，谷歌的現任CEO Sundar Pichai和DeepMind負責人Demis Hassabis甚至同時發表推文慶祝了這一時刻。

但就像前面提到的，都到了2025年，讓AI玩遊戲、通關遊戲早就不是什麼新鮮話題，更何況於1995年發售的初代寶可夢，本來也不以高難度、複雜程度著稱，向來以休閒輕鬆為主的寶可夢繫列，哪怕是遊戲新手，都能在很短的時間內迅速上手，通關更不是難事。

那為什麼讓AI通關《寶可夢》就成了件大事？

上世紀80年代被提出的“莫拉維克悖論” （Moravec’s paradox）曾提到一個反直覺觀點：人類覺得容易的任務對人工智能來説其實更困難，反之亦然。

提出這一悖論的學者莫拉維克，曾為其寫下一段直觀解釋：“要讓電腦如成人般下棋相對容易，但讓它擁有像一歲孩童般的感知和行動能力，卻相當困難、乃至是不可能的。”

對於這次AI Gemini通關《寶可夢》，就更近似於讓AI擁有自己的感知和行動力。

1

對AI來説，“獨立通關初代《寶可夢》” 是一個比人類的想象要複雜得多的挑戰。

早在今年2月，美國另一家AI科技公司Anthropic就對外公佈了名為“Claude Plays Pokémon”的技術實驗，實驗內容就和它的名稱一樣，試圖讓該公司旗下的最新版本AI Claude 3.7 Sonnet體驗初代寶可夢遊戲，並以“通關遊戲”作為實驗的最終目標。

這項實驗最後以失敗告終，Claude 3.7的最終進度是挑戰三個道館、獲得三枚徽章，但哪怕是這個對人類玩家來説微不足道的成就，也是Claude反覆迭代了一年的成果。

根據Anthropic公司釋出的信息，一年前的3.0版Claude，甚至連遊戲最初的“真新鎮”都無法走出，之後的3.5版本略有進步，行程來到了“常磐森林”，但依舊無法獲得第一個徽章。

進度緩慢的原因不外乎：Claude的每一步決策都會經過漫長思考、毫無意義地重複探索走過的城鎮、長時間卡在地圖死角，或者反覆與一個毫無幫助的路人NPC對話。

Claude的通關過程也面向大眾進行了直播

這些行為看似是“人工智障”，遠不如在圍棋或《星際爭霸》這些策略遊戲上戰勝人類選手的AlphaGo，但這其實是二者訓練方式的差異。

前幾年那些能在圍棋、《DOTA2》等項目中表現出色的AI，開發者通常會為算法提供遊戲規則和策略的基礎信息，並設置給AI正確行動提供正面回報的獎勵函數，這便是經常提到的 “強化學習”。

但對於像Claude、Gemini這種基於大語言模型的AI，針對的不是某款特定的遊戲，研究人員並未提供《寶可夢》專屬的遊戲規則或目標指令，也不會對其進行特定的訓練，而是直接讓通用的Claude模型操作遊戲。

這更近似於讓一個對寶可夢遊戲完全沒有感念的純新手，通過自己的感知和學習，逐步掌握遊戲的過程。

再者，Claude在遊玩遊戲時，獲得信息的渠道並非是內部代碼，而是和人類一樣，所有內容都只能從遊戲畫面上獲取，早期版本的Claude經常撞牆，原因就在於相較於現代遊戲更逼真的“牆”，AI很難識別這些由像素組成的抽象畫面，而這對人類玩家來説卻是一件很輕鬆的事。

AI需要為畫面中的每一個座標點標註信息，紅色被視為無法通過的區域

反倒是寶可夢更復雜的屬性剋制系統，Claude理解起來非常容易。比如，當遊戲提示電屬性技能對岩石系寶可夢的“效果一般”時，Claude迅速捕捉到了這個關鍵信息，並將其應用到後續配隊和寶可夢對戰策略上。

2

為什麼研究人員能肯定AI確實理解了“屬性剋制”？因為目前的大語言模型，已經可以將完整的思考過程同步呈現給外界。

Claude玩寶可夢時，左側會同步顯示每一步操作的決策過程

這同樣也是這一項目試圖探索的效果，就像上圖展示的那樣，Claude在使用比比鳥對戰電系的小磁怪時，對自己掌握的四個技能進行了全面分析：

“翅膀攻擊這樣的飛行系招式對電系寶可夢不是很奏效。”

“起風和電光一閃這樣的招式只能造成中等傷害。”

“潑沙只是降低命中率，不造成直接傷害。”

最後Claude做出了總結：

“由於比比鳥在屬性上處於劣勢，我應該儘快擊敗小磁怪。我最好的選擇可能是翅膀攻擊，這是我擁有的最強的招式，儘管它效果一般。讓我按三次“下”再按一次“確定”來選擇翅膀攻擊。”

雖然現在展示的仍是相對淺層的思考，但相比於AlphaGo這種純“黑箱式”的決策過程，Claude和其他以大語言模型為核心的AI，在實用性上無疑前進了一大步。

要知道早年AlphaGo在圍棋領域最令人印象深刻的，便是總能下出讓人類難以理解、但最後又能取得勝利的“妙手”，可惜當時經由“強化學習”訓練的AlphaGo，決策過程難以用自然語言向人類清晰呈現，否則，人類棋手或許也會從AI的邏輯得到進一步啓發。

而對於玩寶可夢的Claude來説，雖然在策略層面沒有什麼讓人類眼前一亮的操作，但在顯示了思考過程後，反倒展示了一些“意料之外”的思維邏輯。

比如下面這一幕，當Claude在遊戲的“月見山”地圖中迷路，認為無法通過正常手段走出洞穴時，AI做了一個非常“人類化”的思考：

“我現在最好的選擇是故意輸掉一場戰鬥，這樣我就會被傳送回上一次訪問的寶可夢中心，也就是4號道路上的月見山寶可夢中心，從那裏我就可以按之前驗證的路徑前往華藍市了。”

再比如，AI也會有“認錯NPC”的現象。遊戲初期時，Claude被要求尋找NPC“大木博士”，但遊戲沒有提供明確的指引，也沒有説明NPC的具體位置和外形特徵，實現這種“模糊目標”對於AI來説其實難度更大。

在接到這個任務後，Claude也進行了一段非常擬人的思考：“我注意到下方出現了一個新角色——一個黑髮、身穿白色外套的角色，位於座標 (2, 10)，這可能是大木博士！讓我下去和他談談。”

隨後它便和一個跟主線毫無關係的NPC對話了數次，最終才意識到這並非是自己想找的大木博士。

3

而前幾天通關同一版本遊戲的AI Gemini之所以受到關注，不僅是因為它能在人類不提供任何規則信息的條件下完成遊戲，而且據官方統計，Gemini總操作步數約為10.6萬次，甚至比Claude獲得第三個徽章時達成的21.5萬步要少一半。

Gemini通關初代寶可夢

這看似説明Gemini的智能水平要優於Claude，但負責Gemini項目的研究人員JoelZ自己也表示：無法直接比較這兩個AI，因為這不是在完全相同的條件下進行的測試。

區別在於Agent Harness，即“代理執行框架”，它的作用是連接AI模型與遊戲，負責處理輸入的信息，如遊戲畫面、文字數據等，並將模型的決策轉化為按鍵指令等操作。

從官方公佈的信息看，Gemini的代理執行框架在某些程度的確優於Claude，比如在對地圖的分析上，它不僅為每個區域標註了座標，而且還註明了座標的可通行狀態，這對於不擅長直接解析像素畫面的大語言模型來説，提供了巨大的幫助：

但就像開發者自己説的，讓AI玩寶可夢，意義並不在於對比不同AI的水平高低。

像《寶可夢》這類遊戲，更需要AI感知環境、理解模糊目標、長線規劃行動的能力，它必須不斷接收遊戲畫面、理解不同階段的規則，並將決策轉換為遊戲操作。之所以執着於讓AI操作這類遊戲，也因為如果AI能夠在人類沒有干預的情況下通關，也説明了它擁有能獨立學習，解決現實中某些複雜問題的潛力。

從早年的圍棋到現在的《寶可夢》，AI在實驗和“秀肌肉”環節的逐年演變，並不單是個吸引大眾關注的噱頭，其實一定程度上也代表了這項技術的發展方向：從處理單一問題的專才，到能夠自我學習，解決不同領域問題的通用人工智能。

或許這正是眾多AI科技公司選擇《寶可夢》來用作訓練的原因：這款遊戲本身便是關於成長、選擇與冒險的旅程。過去，我們在遊戲中體驗進化與策略，而現在，AI正在遊戲中嘗試理解世界的規則本身。