加州大学实验室引入AI挑战《超级马力欧兄弟》，谷歌和OpenAI模型表现不佳

近日，加利福尼亚大学圣地亚哥分校的Hao人工智能实验室（Hao AI Lab）开展了一项富有创意和挑战性的实验，以测试人工智能（AI）在经典电子游戏《超级马力欧兄弟》中的表现。这项研究旨在将现代AI模型应用于游戏，以探讨它们在实时环境中的能力与局限性。意外的是，实验结果显示，知名企业谷歌的Gemini 1.5 Pro和OpenAI的GPT-4o在此项挑战中未能取得令人满意的成绩。

在这项实验中，研究团队并没有使用1985年首次发布的经典《超级马力欧兄弟》版本，而是通过一个模拟器运行游戏，并使用名为GamingAgent的框架与人工智能进行连接。这个GamingAgent的框架由Hao人工智能实验室自主研发，旨在为AI提供基本的游戏指令和实时截图，从而允许AI如同玩家一样操控游戏角色马力欧。例如，AI会接收到指令，如“若附近有障碍物或敌人，则向左移动或跳跃以躲避”。AI在了解当前游戏状态后，通过生成Python代码来实现对马力欧的控制。

研究发现，这种游戏环境迫使参与测试的AI模型不仅要学习基本的操作技能，还需要制定复杂的游戏策略。在多个基准测试中，尽管谷歌和OpenAI的模型在许多领域的表现通常较为优越，但在这次关于《超级马力欧兄弟》的挑战中却遭遇了显著的困难。研究人员指出，这些推理模型在实时游戏中的表现不尽人意，主要原因在于它们通常需要几秒钟的时间来分析情况并做出决策。而在《超级马力欧兄弟》的激烈场景中，决策的延迟可能导致致命后果，秒与秒之间的差异可能直接影响游戏角色的生死存亡。

长期以来，游戏一直被视为评估AI性能的重要工具。对于AI的开发者和研究者游戏提供了一个相对受控的环境，可以通过各种方式测试程序的极限和能力。一些业内专家对单纯依靠游戏表现来评价AI技术的进步提出了质疑。他们认为，游戏机制相对简单、抽象，与现实世界的复杂性相比，显得略显不足。游戏的设计能够为AI提供理论上无穷无尽的训练数据，但这种数据的单一性也可能导致AI在真实场景中的运用受到限制。

近期，随着有关游戏中的AI表现受到广泛关注，OpenAI的研究科学家及创始成员安德烈·卡帕西（Andrej Karpathy）在X上发文，表达了对当前AI评估标准的不确定性。他在帖子中指出：“我目前真的不知道该关注哪些AI指标。”这句表述反映了AI领域中日益突显的评估危机，研究者对现有模型的能力和效用产生了疑问，许多人甚至感到困惑不已。

即便如此，能看到AI玩《超级马力欧》的过程本身也是一种奇妙的体验。这项实验不仅为研究人员提供了新的视角去审视流行的AI模型，还引发了人们对AI在复杂且瞬息万变的环境中表现的深思。尽管目前的AI在某些任务中表现卓越，但当进入更具挑战性的实时游戏场景时，其局限性显露。

至今为止，如何进一步提升AI的响应速度、决策能力和适应性仍然是业界面临的一大挑战。技术的不断进步和算法的改进，能为AI赋予在复杂游戏环境中生存和胜出的能力。随着研究的深入，我们有理由期待未来的AI能够在《超级马力欧兄弟》等更具挑战性的游戏中展现出更为出色的表现。

加州大学实验室的这项研究不仅测试了AI在经典游戏中的能力，也为我们提供了关于当今AI发展的深刻反思。这是一次关于性能、效率和技术局限性的探索，而其带来的思考将推动我们在AI领域更为深入的研究与发现。无论这次实验的结果如何，能够观察AI与经典游戏的结合过程已经是一个值得庆祝的进展，未来的科技发展将继续挑战我们今已认知的界限。