上週，幾乎是前後腳，英偉達和國內幾家科研機構分別發布了兩份內容相似的論文。首先是英偉達宣布開發出了一個全新的遊戲AI智能體“VOYAGER”，將AI大模型GPT-4接入了《我的世界》（Minecraft）遊戲。

基於GPT-4，VOYAGER能夠在《我的世界》裡擴充著自己的物品和裝備，完成諸如建造房屋、挖礦、收集仙人掌和狩獵等基本生存技能；也能獨立進行開放式探索，去到不同的城市和地點，甚至是自己搭建傳送門。

英偉達稱VOYAGER在《我的世界》裡獲得的物品增加了3.3倍，旅行距離增加了2.3倍，解鎖關鍵技能樹的速度也比之前的方法快了15.3倍。

接著就是商湯科技聯合清華大學、上海人工智能實驗室等機構發布了通才AI智能體“Ghost in the Minecraft（GITM）”。

同樣是將大語言模型（LLM）整合進《我的世界》，GITM在《我的世界》內主世界的所有技術挑戰上實現了100%的任務覆蓋率（成功通關解鎖了完整的科技樹），而此前所有智能體的總和只能覆蓋30%；另外在“獲取鑽石”任務上，GITM成功率達67.5%，同樣相比於此前的最佳成績——OpenAI的VPT方法大幅提高了47.5%。

GITM在《我的世界》的任務覆蓋率遠高於現有AI智能體

直白點說，他們都選擇了《我的世界》這款遊戲來訓練AI，並且AI都實現了真人玩家能夠完成的幾乎所有遊戲任務，堪比是能以假亂真的效果（這放在幾個月前還是不可能的事）。

我們先拋開看起來艱澀的技術細節不談，為啥他們不約而同都迷上了拿《我的世界》做實驗？

《我的世界》就是個大型AI試驗場

要說起在《我的世界》裡訓練過的AI，那可就太多了。

著名的莫拉維克悖論是這麼說的：一些任務對於人類而言很困難，例如下棋，但對AI來說很簡單；而像《我的世界》這樣開放世界中與環境交互、進行規劃和決策等對人類來說較為簡單的事情，對AI來說卻是巨大挑戰。

正因為這種情況的存在，在AI還不像現在這麼發達的早幾年，科學家們最初只是在《我的世界》裡用AI完成一些簡單的指令。

比如在2019年，Facebook研發過一款《我的世界》AI 助手“craftassist bot”，這是一個智能協作式的助理機器人，可以執行人類玩家指定的各種任務，如馴服馬匹、建造城市、與村民會面及交易等。

也是在2019年，卡內基·梅隆大學、微軟、DeepMind和OpenAI，聯合機器學習頂級會議NeurIPS共同舉辦了一個叫做“MineRL”的專門針對《我的世界》遊戲的AI比賽，到2022年一共舉辦了四屆。

這個比賽同樣見證了AI在《我的世界》中的應用由簡單到復雜的過程。

比如第一屆MineRL比的東西還很簡單：看哪個研究團員能夠創造出可以在《我的世界》中成功開採鑽石的AI。不過很慘，最後參加的900多個全球頂尖團隊沒有一個能完成挑戰，一些AI擼掉木材卻不會合成，一些AI造出了熔爐卻不會冶煉，一些AI知道去地下挖礦，但卻選擇了垂直挖……

後來到了第三屆，比賽內容就變成了看誰能訓練出樣本高效的《我的世界》AI智能體。這一屆的冠軍是以76.970分的絕對優勢奪冠的騰訊AI Lab“絕悟”。

各種公司、機構密集開始在《我的世界》中訓練AI其實也是最近五年的事。

美國國防高級研究計劃局（DARPA）在2020年8月啟動了自適應分佈式概率任務分配（ADAPT）項目，以期在戰場空間中利用AI協助指揮官進行決策，該項目的承包商Aptima公司用到的就是《我的世界》來訓練AI與人類的互動能力。

2021年哥本哈根信息技術大學、紐約大學和上海大學的研究者也創建過一個使用3D神經元胞自動機（Neural Cellular Automata，NCA）的系統，並將該系統部署在了《我的世界》裡，這個時候的NCA已經可以建造毛毛蟲、城堡、公寓樓和樹等複雜的實體。

比較出圈的一次實驗是在去年。

OpenAI去年宣布由他們訓練的AI已經做到了熟練遊玩《我的世界》。通過引入一種新穎且便捷的AI訓練法“視頻預訓練（Video PreTraining）”，在向AI“投餵”了7萬小時從相關合作方處獲取的《我的世界》演示視頻以及與視頻配套的鍵盤鼠標操作記錄後，OpenAI旗下的AI的操作已經相當傳神，掌握了只有人類才能領悟的高階玩法。

OpenAI在《我的世界》中的實操演示

此外，DeepMind也在今年年初開發出了能夠媲美OpenAI成果的名叫“DreamerV3”的AI智能體。DreamerV3在沒有任何人工數據輔助的情況下，被丟進《我的世界》裡摸爬滾打了17天，驚人地學會瞭如何從0開始挖鑽石，成了世界上第一個純靠自己摸索，就能在《我的世界》裡速挖鑽石的AI智能體。

當時MineRL比賽的發起人之一William Guss都忍不住第一時間發來賀電：4年了，“鑽石挑戰”終於被攻克了！

沒有誰比《我的世界》更合適了

《我的世界》面世12年，已經成為世界上最受歡迎的一款遊戲，被許多玩家形容為電子版的樂高。早在2019年，《我的世界》就超過《俄羅斯方塊》成為全球銷量最高的遊戲。

《我的世界》“開放世界”的遊戲屬性讓它成了科學家們訓練AI的絕佳場所。

不同於LOL和王者榮耀等單一的戰略對戰遊戲，《我的世界》並不預先設定目標，僅有的兩個模式是“生存”和“創造”。“生存”模式中，玩家要造好房子並收集東西，保證活下來，即使是用來擊退殭屍和蜘蛛的劍也需要玩家用木材和鐵礦來鍛造；“創造”模式則更加自由，玩家使用各種功能的立方體，自由構建建築物和物體，而且遊戲永遠不會結束。

如果說LOL、王者榮耀或是很多棋類游戲因為簡單的規則和遊戲機制，可以讓AI以極快的速度學習並超越戰勝人類，《我的世界》遊戲過程的複雜程度就幾乎是在挑戰AI的極限。

極度多樣的環境、完全靠隨機種子生成的地圖、長決策序列與復雜的技能學習、高自由度玩法帶來的海量策略偏好，都增加了《我的世界》AI研究的難度。

比如，為了讓AI在15分鐘內找到鑽石，AI需要經歷徒手採集原木、合成木板、木棍與木鎬，採集到鐵礦，經過一系列加工才能合成鑽石，看似只是一件小事，但對於AI來說，卻需要掌握其中復雜的邏輯關係——這還只是《我的世界》遊戲的一部分，除了製造工具，AI還需要給自己制定目標，學著在遊戲世界裡探索，直到解鎖所有的遊戲任務。

《我的世界》中找鑽石的步驟

而如果只是學下棋或是打LOL，AI只用知道怎麼贏就行了。

是不是覺得，《我的世界》訓練出來的AI，要比靠下棋、玩LOL訓練出來的AI高級多了（雖然學習速度可能慢了點）？

事實上在當前的AI研究中，科學家們會越來越追求通用人工智能（AGI）的研究，追求打造更通用的AI智能體，也就是發展AI智能體能夠掌握廣泛的技能，適應各種環境變化，更深入地模擬和應對人類在復雜問題上的能力，像人一樣的進行感知、理解和交互（而不是只會回答簡單問題、下棋能贏人類那種“小打小鬧”的AI）。

這就意味著要訓練通用AI，《我的世界》模擬的環境是非常合適的。

不過，開放世界遊戲那麼多，為什麼又偏偏是《我的世界》呢？

有網友在Twitter向參與開發了VOYAGER的英偉達首席科學家Jim Fan發問說，既然VOYAGER是為開放世界而生，那為什麼沒有選擇在《塞爾達》或者是《艾爾登法環》這樣看上去更加宏大的開放世界遊戲中作AI訓練？

Jim Fan的回答是，這中間的主要難點其實並不是算法，而是因為《塞爾達》和《艾爾登法環》這樣的遊戲運用了“緩慢且難以以編程方式控制高端控制台”，並且“需要一個好的編碼API來控制角色”。相較之下，《我的世界》的技術門檻要更低，在目標和玩法類似的情況下，《我的世界》實際也為AI訓練降低了難度。

另外，《我的世界》對開發者也很友好。許多用於構建《我的世界》的代碼庫都是開源的，所以人們可以很容易修改。並且該遊戲也允許研究人員記錄和學習人們是如何一起完成任務的，然後觀察他們將如何與AI智能體一起工作。

從這些意義上說，沒有誰比《我的世界》來訓練AI更合適的了。

這次《我的世界》裡的AI有什麼特別？

此次英偉達開發的VOYAGER，和商湯科技聯合清華大學、上海人工智能實驗室等機構開發的GITM，與過去基於《我的世界》訓練的AI智能體最大的不同在於，引入了大語言模型（LLM）作為AI訓練的核心方法。

以往在《我的世界》中訓練AI用到的主流方法則是，模仿學習和強化學習。

即便是此前OpenAI和DeepMind開發出的最先進的《我的世界》AI智能體，用到的訓練方法也是模仿學習和強化學習。

打個比方，如果想讓AI在《我的世界》裡學會挖礦，模擬學習要做的就是先餵給AI上萬個遊戲視頻，讓它分析學習為什麼要擼樹，如何利用工作台進行分解合成，如何做出第一把鎬子，如何冶煉鐵錠，製作鐵鎬，獲取鑽石，如何避免落入岩漿，如何戰斗等等挖礦的必要步驟。

等到投餵學習結束，AI接下來就要接受強化學習，也就是把AI小人扔進《我的世界》，讓它去“真正”執行挖礦的任務，通過反复實驗來發現和解決問題，從而真正學會挖礦這一技能。

但在大語言模型的訓練方法下，AI的學習邏輯是被完全重構的。

依然拿挖礦來說，AI智能體自身會首先根據“盡可能多發現不同的東西來幫助挖礦”的總體目標去提問、自動生成許多小任務，通過去存儲有助於成功解決某個任務的行動程序（比如擼掉樹木再去進行合成被驗證是正確的，造出了熔爐就要去冶煉也是正確的），AI就會逐漸建立起一個如何正確挖礦的技能庫。而往後如果再遇到挖礦任務，AI就可以根據其描述的嵌入在技能庫中進行檢索。

大語言模型訓練方法下的GITM

也就是說，大語言模型的訓練方法下，AI是可以自主驅動探索並掌握廣泛技能的，這就使得大語言模型方法更能幫助AI成為一個終身學習者，能在較長的時間跨度內逐步獲得、更新、積累和遷移知識，同時緩解了其他持續學習方法中的“災難性遺忘”。

VOYAGER探索物品量高於其他許多AI智能體

有點像是一直讓AI呆在學校裡讀書實習，還是讓AI一開始就在社會裡摸爬滾打的區別。

總而言之，用大語言模型方法在《我的世界》訓練出來的AI更像一個真實的人了。

我們知道，一個理想的AI應該具有與人類類似的能力。《我的世界》裡的AI不管是根據其當前的技能水平和世界狀態提出合適的任務（如果發現自己處於沙漠而不是森林，就會在打鐵前學會獲取沙子和仙人掌），根據環境反饋完善技能並將掌握的技能存入記憶（比如打殭屍和打蜘蛛的技能類似），還是不斷探索世界，以自驅動的方式尋找新任務，其實都已經和現實世界中人類的決策過程和行為方式非常相近。

說《我的世界》已經是一個縮小版的現實世界也許一點也不誇張。

而讓人細思極恐的是，隨著VOYAGER和GITM的研究成果發布，AI現在已經能通關《我的世界》了。

這不禁讓人猜想，AI是不是很快就能在現實世界裡如魚得水，它能像人一樣生活，會做飯、會用手機、知道怎麼穿衣服、怎麼養寵物、怎麼坐公交地鐵……更不可思議的是，它還能像人一樣有自己的想法，知道穿哪件衣服好看，怎麼做飯能更好吃，電話應該打給誰……沒准在不久的將來，我們在生活中遇到到的“人”，都無法分辨它是不是AI。

既然都能通關《我的世界》了，AI過上人的生活從技術上來講也不是不能實現。

人類又會如何選擇呢？