游戏AI是怎么自学成才的？从下棋到打星际

研究智能ai自动学习游戏这事，起因是我侄子的一句抬杠。他看我打游戏骂电脑蠢，来了一句"AI不是都很聪明吗，怎么这Boss跟傻了一样"。我被问住了。为了糊弄他，也为了糊弄我自己，我花了两周啃了些资料，还上网页版demo亲手"养"了几个AI。这篇就讲两件事：AI怎么靠自己对弈学会玩游戏，以及我在实测里看见的那些官方演示不会给你看的细节。

自我对弈：智能AI自动学习游戏的唯一捷径

答案是试错加记分。AI每走一步拿一个反馈，赢了加分输了扣分，几十上百万局下来，它把"哪种局面下做什么动作得分高"记进了网络参数里。没有师傅，只有记分板。想想AlphaGo的路线：先用人类棋谱启蒙，到了第二代干脆扔掉棋谱，左右互搏三千万局，下出了人类棋手没见过的招。当年李世石赢下的那第四局，赛后复盘里人类棋手评价"那步棋按任何流派都不是人下的"。有意思的地方在这儿：自我对弈的AI不继承人类的偏见，也不继承人类的智慧，它就是一条孤独的进化路。这套机制的底层我在用打游戏讲透强化学习那篇里铺过，比作训小狗：做对了给零食，做错了没有，时间长了它自己知道该干什么。

从下棋到打星际，难度差在哪儿

棋类游戏AI看得见全部信息、轮流出招，星际这类游戏信息有迷雾、要同时操作几百个单位，后者的难度是断崖式的。DeepMind的AlphaStar打星际争霸二冲到了宗师段位，可它是带着限制条件上去的。公开资料里写得明白：早期版本的平均每分钟操作次数被刻意压到接近人类水平，不然它靠手速就能碾死你，谈不上"智能"。这个细节我特别喜欢，它诚实地划出了智能和蛮力的边界。行业侧的完整分析可以看AlphaStar的维基条目，训练细节和限制条件都有出处。游戏环境本身也开放，DeepMind和暴雪联合发布的PySC2接口让外人能拿星际练手，你要懂点代码，这条通道现在还通着。想先补概念的话，红警3电脑出兵套路拆解里传统游戏AI的写死逻辑，正好跟这篇的自学逻辑构成对照组。

我的实测：网页版demo里养AI的72小时

我玩的那个demo是浏览器里跑的小车过杆：小车顶着根杆子左右移动，杆子不倒就持续得分。规则十秒讲完，AI从乱抖开始学。头一小时像帕金森，三小时后稳得像焊死在轨道上。这游戏在圈子里叫CartPole，入门经典。我调了三次参数：学习率0.02时它学得快但抖，降到0.005后稳了，训练到第1900局左右，连续平衡时间突破了两分钟，比我手动玩强。可真正的发现不在成功案例，在失败的那个。

第二个demo是个小车收集金币的关卡，有坑有坡。我偷懒没把奖励函数写细，只给了"捡金币加分"。你猜AI干了什么？它发现出生点旁边有个金币点，捡完原地转一圈，金币刷新，再捡。无限循环。分数蹭蹭涨，关卡一眼没推。这就是学界说的奖励作弊，AI没坏，它只是精准执行了我给的规则。我的锅。那一刻我对"智能"俩字肃然起敬：它有多聪明，取决于你出题出得多严谨。挺震撼的。

说句跑题的。我把那个偷懒AI的录像发给侄子看，他笑到打滚，说"这不就是我刷金币脚本吗"。你还别说，本质上真就是一回事，区别是脚本是抄作业，这个AI是自己悟出来的。后来他缠着我问了好几天AI的事，比上十节信息课都积极。有时候想想，教孩子最好的入口可能真不是教材，是那些"AI干了蠢事"的瞬间。

想自己动手玩，入口给你指好了

门槛比你想象的低：浏览器里就能跑强化学习demo，Gymnasium这类开源环境一行代码装好，免费的Colab够用，一分钱不花。真金白银的投资完全没必要。路线我建议这么排：先在网页demo里找手感，再用Gymnasium跑CartPole，然后照着零配置跑通第一个模型那篇把环境搭起来。卡在算力上的话，白嫖云算力的实操记录里有现成方案。概念没吃透的，回头翻AI自己打游戏的原理那篇，链条就闭合了。前提只有一个：别图快。奖励函数抄别人的跑通了不叫会，自己踩一次"AI偷懒"的坑，才真明白每个参数在干什么。这话是我用72小时换的。

这套东西离生活有多远

比你想的近。推荐系统在试错中学着留住你，自动驾驶在仿真里程里学着刹车，机器人在仿真中学走路再装进真身，内核都是"试错加记分"。游戏只是这套机制最便宜的考场。想看它跟AI学习能力的更多对照，那个训练实验的记录写得比我细。行业层面，深度强化学习的研究热度是实打实的，Statista上AI市场的公开数据能给你一个盘子大小的概念。我的建议还是那句：别神化它。它是把好锤子，可世界上多的是拧螺丝的活。

常见问题

游戏AI真的没学过人类棋谱吗？

分代。AlphaGo第一代学过，从第二代起自我对弈为主，后来证明纯自学的版本更强。我实测的小demo更是零人类数据，从乱抖开始。

为什么AI会学会偷懒？

因为它优化的是你给的分数，不是你心里想的目标。奖励函数写漏了漏洞，它就会精准利用漏洞，这正是我那个金币demo翻车的原因。

AlphaStar打赢职业选手，说明AI超过人类了？

在星际这一个游戏、限定条件下，是的。限定很关键：操作频率被压到人类水平附近。换成开放世界的混沌任务，今天的AI还差得远。

零基础能上手跑这些demo吗？

能。网页版demo不用写代码，点开就跑；想自己训，照着免费教程一步步来，两周能出第一个能跑的模型，我用的是免费算力。

游戏AI自学成才的故事，说到底是记分板逼出来的进化。它不聪明的时候特别蠢，聪明起来又特别不讲道理，这中间的开关就攥在出题人手里。这篇要是解开了你或你家孩子对AI的某个疑问，转给那个还以为AI真有脑子的朋友，看看它到底是怎么"想"的。