北京
游戏一直是AI研究的天然试验场。从Atari到围棋，再到星际争霸，游戏推动了许多AI领域的重大突破。如今，Google DeepMind正与游戏开发者合作，共同打造全新的游戏原型玩法，探索游戏与AI融合的更多可能。
自2010年DeepMind成立以来，游戏在其研究体系中扮演着关键角色。这些被规则约束却又足够丰富的虚拟世界，帮助研究人员理解智能的本质。从掌握Atari游戏到助力蛋白质结构预测，游戏驱动的突破贯穿了DeepMind的发展历程。
游戏基因深植团队血脉
游戏是DeepMind的DNA。联合创始人Demis Hassabis本人就是前游戏开发者，团队中也有不少成员拥有游戏开发背景。数十年的游戏开发经验，让他们对游戏制作这门手艺保持着足够的敬畏。
DeepMind一直强调，用游戏做AI研究需要与游戏开发者深度合作。今年早些时候，他们与Fenris Creations和EVE Universe建立了新的研究合作关系，此前也与Hello Games、Coffee Stain Studios、Foulball Hangover等知名工作室有过合作。
从像素到冠军：AI征服游戏的里程碑
这段旅程始于一个小团队用深度神经网络直接学习玩Atari 2600游戏。Deep Q-Network（DQN）在没有针对特定游戏做工程优化的情况下，学会了玩49款不同的游戏——从Pong到Breakout再到Space Invaders。2015年发表在《自然》杂志上的DQN论文，推动了现代深度强化学习时代的到来。
此后，DeepMind不断挑战更复杂的游戏，每一座里程碑都催生出更强大、更通用的系统：
- AlphaGo：2016年击败围棋世界冠军李世石，这一成就曾被许多专家认为还要等十年
- AlphaGo Zero：完全通过自我对弈学习，不依赖任何人类数据，超越了此前所有版本
- AlphaZero：用同一套算法掌握了国际象棋、将棋和围棋
- MuZero：在不知道规则的情况下学会了玩游戏
- AlphaStar：2019年在星际争霸II中达到宗师级别，应对了实时复杂性和不完全信息
AI不仅赢棋，还改变了游戏本身
对每一款游戏而言，AI都丰富了玩家的体验。AlphaGo著名的第37手，是一步让职业解说员最初以为是失误的棋，它颠覆了围棋界数百年的传统智慧，启发专家探索新的策略。AlphaZero同样在国际象棋中激发了全新的下法。
更重要的是，在游戏中验证的探索精神深刻影响了其他AI系统：AlphaFold将这些基础应用于蛋白质结构预测这一50年未解的重大挑战，该突破获得了2024年诺贝尔化学奖。
此前的成果证明，只要有明确目标和足够训练，AI可以掌握任何游戏。但现实世界没有分数和规则书——这引出了DeepMind正在探索的全新问题，也是与游戏工作室合作的新方向。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
