你认为人工智能能成为你的游戏伙伴吗？来了解一下谷歌DeepMind取得的成就吧！

谷歌DeepMind是否成功创造出一种不仅能够与你一起玩电子游戏，还能理解并回应你的口头指令的人工智能？

以下是DeepMind在游戏AI领域的最新突破，重点介绍他们最新的引人入胜的项目：一种能够像人类一样学习玩不同3D游戏的AI模型。

像人类一样玩多款游戏

传统上，专注于游戏的AI模型通常局限于单一游戏，并且总是为了胜利而战。但DeepMind选择了一种不同的方法：训练一种能够玩多款3D游戏的AI模型，同时教授它理解并执行口头指令。

DeepMind的SIMA（多世界可指令且可扩展的智能体）是谷歌DeepMind研究人员开发的一种人工智能。

它是一种旨在模仿人类方式学习玩各种3D游戏的AI模型，同时能够理解并执行口头指令。

与一些专门针对单一游戏的AI模型不同，SIMA在多款游戏上接受训练，使其具备泛化技能，能够玩尚未遇到的游戏。目标是打造一个更自然、更合作的虚拟游戏伙伴，能够以更直观的方式与玩家互动。

SIMA通过观看大量人类玩不同游戏的视频进行训练，而没有访问内部代码或具体的游戏规则。基于这些数据，AI学习将动作、物体和交互与视觉表现联系起来，从而理解和复制类似人类玩家的行为。

DeepMind的长期目标是开发更通用、更灵活的AI，能够适应现实世界中的各种任务和情境。SIMA在这方面代表了一个重要的突破，为在游戏及其他应用领域中使用AI开辟了新的前景。

在没有访问游戏代码的情况下学习

DeepMind的AI，名为SIMA（多世界可指令且可扩展的智能体），是在没有访问游戏内部代码或规则的情况下训练的。相反，它通过观看许多小时的人类玩不同的游戏的视频，学习将动作、物体和交互与视觉表现联系起来。

技能的普适性

一个重要的问题是：用一组游戏训练的AI能否玩它之前未见过的其他游戏。结果显示，是的，但存在一定的限制。经过多款游戏训练的AI代理在尚未遇到的游戏上表现更佳，但某些游戏具有独特的机制，可能带来挑战。

训练中的难题

虽然游戏有它们自己的术语，但对AI而言只有有限的“动词”是真正有意义的。这意味着AI必须从训练数据中学习，识别和以一般的方式理解这些动作。

与其他方法的对比

DeepMind采用了一种基于模仿人类行为的模仿学习方法，这与其他案例中使用的模拟器方法不同。这种方法允许AI学习执行各种在开放文本中描述的任务，而不受严格奖励系统的限制。

AI在游戏中的未来

DeepMind的研究人员的野心不仅仅是创造能够玩游戏的代理。他们希望开发出更自然、更合作的游戏伙伴，未来有可能陪伴你共同冒险。

谷歌DeepMind在游戏AI领域取得的进展开启了令人振奋的新前景。虽然仍有许多挑战，但不可否认，我们正逐渐逼近创造能够与人类思想的复杂性和灵活性相媲美的虚拟游戏伙伴。