人工智能日益復雜，和人類玩游戲成為非常有技巧的事情。研究人員Arend Hintze對人工智能和游戲的發展前途展開了探索。早在20世紀80年代，一名教師曾向我提出挑戰：寫一個叫作“井字棋”的游戲程序，我不幸失敗了。但就在幾周前，我向我的一位計算機科學研究生解釋了如何使用所謂的“極大極小算法”來完成“井字棋”游戲程序的編寫，最后我們花了大約一個小時編寫完這個程序。不可否認，多年來我的編程技能一直在提高，但計算機科學的進步也走過了一段漫長的道路。幾十年前看似不可能的事情，在今天卻變得異常輕松。

1997年，在一場六局國際象棋比賽中，一款名為“深藍”的IBM電腦擊敗了國際象棋大師Garry Kasparov，這令人們感到震驚。2015年，谷歌透露其DeepMind系統已經掌握了數個20世紀80年代的視頻游戲，其中包括一個關鍵的制勝策略。

2016年，谷歌的AlphaGo系統在五局比賽中擊敗了排名第一的圍棋選手。對能在游戲中擊敗人類的技術系統的探索仍在繼續。5月底，AlphaGo將會在中國烏鎮舉行的圍棋峰會上對戰世界上最優秀的選手柯潔。

隨著計算技術的提高和工程的改進，計算機甚至可以在我們本認為需要依賴于人類直覺、智慧、欺騙或虛張聲勢的游戲中擊敗人類——比如撲克。最近我看到一段視頻，排球運動員練習對著機器人控制的橡膠手臂進行活動和刺擊，試圖阻止投籃。我得到一個教訓：:當機器努力贏得勝利時，人類的努力是徒勞的。我們都想要一個完美的人工智能系統來驅動我們的汽車，一個不知疲倦的系統在x射線中尋找癌癥的跡象，這種想法是美好的。但說到游戲，人類不想輸。幸運的是，人工智能可以讓游戲變得更有趣，甚至可以帶來無窮無盡的快樂。

今天的游戲設計師們，他們編寫的東西比一部大片更賺錢，這說明了一個問題：打造一個不可戰勝的人工智能系統是毫無意義的。沒有人想要打一場不可能贏的比賽。但人們確實想玩那種沉浸式、復雜和刺激的游戲。即使是當現在最好的游戲，玩了一段時間后也會變得不新奇。有趣的游戲會讓玩家通過調整并作出反應來保持游戲的趣味性，也許可以維持到永遠。所以，當我們在設計人工智能系統時，我們不應該去看那些得意洋洋的“深藍”和“阿爾法”人工智能，而是要去看獲得巨大成功的魔獸世界這樣的大型多人在線游戲。這些游戲都是圖形設計的，但它們的主要吸引力在于其互動性。

大多數人似乎都不喜歡像國際象棋和圍棋這樣極其復雜的邏輯謎題，而更傾向于富有意義的人脈圈子和社區活動。這些大型多人在線游戲的真正挑戰在于如何保持玩家每一次的全新體驗，而不是他們是否能被智能（人為或非人為）打敗。目前，很多游戲環境允許玩家之間進行充分的互動。在地牢里的小隊中扮演的角色是明確的：戰士們遭到傷害，治療者幫助他們從傷痛中恢復過來，而脆弱的巫師們則從遠處施展魔法。想想傳送門2，這是一款多人游戲，完全集中在機器人協作上，讓他們在迷宮般的認知測試中迷失方向。一起探索世界可以讓你和朋友們擁有共同的回憶。但對這些環境或基本布局的任何改動，都必須由人類設計師和開發人員做出。

在現實世界中，改變是自然發生的，沒有監督、設計或人工干預。玩家可以學習，生物也會適應。有些生物甚至會共同進化，對彼此的發展作出反應。（在武器技術軍備競賽中也出現了類似的現象）如今的電腦游戲缺乏這樣的復雜性。出于這個原因，我認為開發出能夠玩現代游戲的人工智能并不會對人工智能研究有實質性的推進。一款值得玩的游戲應該是不可預測的，因為它能適應，保持永久的新穎性，并且它是通過玩游戲創造出來的。未來的游戲有待發展。游戲的角色不應該只是做出反應；他們需要探索，看到弱點，學會合作。

我們知道，達爾文的進化論和他的學問是地球上所有新奇事物的驅動因素。這也可能是推動虛擬環境變化的原因。進化論可以解釋自然智慧的創造。難道我們不應該把開發人工智變成進化人工智能嗎？包括我自己和我的同事Christoph Adami在內的幾個實驗室正在研究“神經進化”。

在計算機中，我們模擬復雜的環境，比如道路網絡或生物生態系統。我們創造出虛擬的生物，并挑戰它們，讓它們進化出成千上萬的虛擬后代。進化本身就是最好的驅動力，或者可以說是最好的適應環境的有機體，它們就是存活下來的生物。今天的AlphaGo正在進行這一過程，通過不斷地和自己玩游戲，分析頂級圍棋冠軍的游戲記錄來學習。但它不會像我們一樣學習，體驗無人監督的實驗。而且它不能適應一個特定的對手：對電腦玩家來說，最好的動作是認定的，不考慮對手的風格。從經驗中學習的程序是人工智能的下一步。它們會讓電腦游戲變得更有趣，讓機器人不僅能在現實世界中發揮更大的作用，還能讓機器人在運行中適應它。