卡bug玩游戏就相当于是作弊，但是却一直有玩家乐此不彼，通过卡bug快速达到自己想要的目标，有的人甚至迷上了这种寻找bug的乐趣，这次小编要说的就是作弊卡bug玩游戏似乎有人更擅长，那就是AI，难倒AI也学会了吗？

AI的游戏方式大大出乎研究人员的意料。

多年以前，当我第一次见识到朋友们是如何在《超级马里奥》中通过卡一个龟壳无限刷分，在《魂斗罗》中用一种奇怪的方式获得额外生命的时候，拯救世界和公主就再也不是我想做的事了。

在我看来，游戏里发掘各种奇怪的Bug明显比拯救公主更有趣。

在《恶魔城：月下》里研究各种各样的出城Bug一直是我乐此不疲的一件事

但是现在，关于“利用Bug快速完成游戏目标”这件事情上，AI似乎比我还要擅长。

今年四月，曾经开发出击败Dota2职业选手的OpenAI公司，举办了首届针对AI的强化学习竞赛。这个比赛的目标，旨在评估强化学习算法从以往经验中泛化的能力。这听起来很拗口，具体地说，就是让AI来玩单机游戏，而且玩的是NES平台上的《刺猬索尼克》。

世嘉公司在多年前开发的初代索尼克游戏成了AI的实验对象

每个参赛团队需要让自己研发的AI在不同的训练关卡上运行，通过短时间的机器学习，让AI掌握这款游戏的规则和操作方法，并在游戏设计师重新设计的地图上迅速找到最优的通关策略。

OpenAI举办这次比赛的目的，是想验证这样一个观点：强化学习的强泛化性是通往通用人工智能的关键路径之一。举个例子，如果你在《CS：GO》中是一个百发百中的神枪手，那么其他的FPS游戏你可能也会很轻松的上手。但如果你把一个针对《CS：GO》训练的AI直接扔到《守望先锋》里，那么它估计会直接崩溃。

因此，参赛选手需要让AI自己学习游戏的策略和技巧，以便在陌生的地图上自己找到最优的通关方法。

不过这一次，AI们好像聪明过了头。

在研究人员的调试下，AI被告知要优先获得更高的分数(一般通过击杀敌人和拾取金环获得)，同时在仅可能短的时间内到达终点。这样的条件导致了一个奇怪但有趣的结果：AI开始通过寻找游戏内的Bug来更好的完成目标。

[1] [2] [3] 下一页 在本页阅读全文