想要實現真正的人工智慧，還需要AI玩角色扮演

從每個人嘲笑自己糟糕的選擇和糟糕的擲骰子結果來看，他們都已經死了，你只是不知道。作為一名社會人類學家，我研究人們如何理解人工智慧(AI)以及我們為實現人工智慧所做的努力。我也是《龍與地下城》(D&D)的終生粉絲，這是一款創造性的奇幻角色扮演遊戲。在最近的一次任務中，當我扮演一個精靈遊俠的時候，受訓的聖騎士按照他的高尚品格行事，並在一個龍巢穴口宣布了我們的存在，結果當然是災難性的。雖然在D&D里，成功意味著「打敗壞人」，但這個遊戲也是一個創造性的沙盒，只要你有能耐講述一個偉大的故事，失敗就可以算作集體勝利。

那這和AI又有什麼關係?在計算機科學中，遊戲經常被用作演算法「智能」的基準。已故的羅伯特?維倫斯基(Robert Wilensky)是加州大學伯克利分校(University of California, Berkeley)的教授，也是人工智慧領域的領軍人物，他為我們提供了一個原因。他告訴《強迫性技術：計算機文化》(1985)一書的作者們，計算機科學家們「環顧四周，看誰是最聰明的人，當然，那就是他們自己。他們基本上都是經過訓練的數學家，數學家做兩件事——證明定理和下棋。如果他們說，嘿，如果它能證明一個定理或者下棋，那它一定很聰明。」毫無疑問，人工智慧的「智能」集中展示在了人工智慧玩家的能力上。

然而，那些被選中的遊戲——就像最近幾年穀歌DeepMind演算法的主戰場圍棋——往往受到嚴格的限制，有設定目標，有明確通往勝利或失敗的道路。這些體驗都沒有D&D開放的合作。這不得不讓我思考：我們需要一個新的智力測試嗎?在這個測試中，我們的目標不僅僅是成功，而是講故事。在D&D遊戲中，人工智慧如果可以作為人類「通過」的話那意味著什麼?也許我們需要一個精靈遊俠測試而不是圖靈測試?

當然，這只是一個有趣的思維實驗，但它確實突出了某些智力模型的缺陷。首先，它揭示了智能如何在不同的環境中工作。D&D玩家可以在許多遊戲中扮演許多角色，玩家可以在不同角色之間「切換」(戰士、小偷、醫生)。與此同時，人工智慧研究人員知道，想要找到一種訓練有素的演算法，並且這種演算法可以應用到哪怕只是稍有不同的領域，這都是極其困難的——但是我們人類在這方面卻出奇地表現的非常好。

第二，D&D提醒我們，智慧是具體表達的。在電腦遊戲中，身體方面的體驗可能會從按下控制器上的按鈕來移動圖標或化身(乒乓球拍;一艘宇宙飛船;一個擬人化的，永遠飢餓的，黃色的球體)，到最近的身臨其境的體驗，包括虛擬現實護目鏡和觸覺手套等。即使沒有這些附加功能，遊戲仍然會產生與壓力和恐懼相關的生物反應(如果你玩過《異形：隔離》，你就知道我在說什麼)。在最初的D&D中，玩家會圍坐在一張桌子旁，感受故事及其影響。最近的認知科學研究表明，身體的互動對於我們如何理解更抽象的精神概念至關重要。但我們很少關注人工智慧的體現，以及身體互動如何影響人工智慧學習和處理信息的方式。

最後，智力是社會性的。人工智慧演算法通常通過多輪的競爭來學習，在這種競爭中，成功的策略通過獎勵得到強化。的確，人類似乎也通過重複、獎勵和強化的方式來學習。但人類智慧有一個重要的協作維度。20世紀30年代，心理學家利維·維果茨基(Lev Vygotsky)將專家和新手之間的互動視為一種被稱為「支架式」學習的例子，在這種學習方式中，教師進行演示，然後支持學習者學習新技能。在無界遊戲中，這種合作是通過敘述來進行的。在小孩之間的這種遊戲可以從贏/輸演變成可怕的怪物的攻擊，然後再轉向更複雜的敘述，解釋為什麼怪物在攻擊，誰是英雄，他們能做什麼，為什麼——雖然敘述並不總是合乎邏輯的，甚至內部不兼容。一個能夠參與社會敘事的人工智慧無疑比下棋的人工智慧更可靠、更多功能;並且現在還沒有人能保證學會下國際象棋可以讓我們向獲得這種人工智慧更近一步。

在某種程度上，沒能將這種將角色扮演視為人工智慧的技術障礙是很奇怪的。正如凱蒂?哈夫納(Katie Hafner)和馬修?里昂(Matthew Lyon)在《巫師熬夜之地：互聯網的起源》(Where Wizards Stay Late：the Origins of the Internet, 1996)中所指出的那樣，D&D是20世紀80年代科技工作者重要的文化試金石，也是許多早期基於文本的電腦遊戲的靈感來源。即使在今天，在空閑時間玩遊戲的人工智慧研究人員也經常特別提到D&D。因此，如果我們試著教人工智慧像聖騎士和精靈遊俠那樣一起玩，而不是在遊戲中打敗對手，我們可能會學到更多關於智能的知識。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！