自AlphaGO围棋大战后，不少人已经了解到人工智能 AI 和深度学习的威力。

当它们有大量的样本、数据支持的状态下，在游戏上要战胜专业人士也是可能的事。同时，人工智能能够通过每次学习来提升相应的能力，达到所需的研究目的。

为此，有不少人工智能研究团队选择通过“玩游戏”的方式，让人工智能进行深度学习。但他们这次不是要和棋牌界的大神们比拼，而是要去攻略电子游戏。

根据彭博社的报道，麻省理工大学的人工智能研究团队，就在今年2月份发布了相关的论文。在测试过程中，他们让 AI 去攻略一些较早期的游戏，例如超级马里奥、太空侵略者，又或者是愤怒的小鸟等简单的手机游戏。研究者用这种方式，来提升人工智能的能力。

研究者 Vlad Firoiu 表示，游戏能够让 AI 面对一些接近现实的难题。通过攻略游戏中的成千上万次运算，AI 在应付不确定状况的能力上会有提升，能解决的也会变得更多。只有这样循序渐进地做下去，AI 才能够达到你所需要的层面。

当然，AI 运算性能提升是一个方面。通过攻略游戏这个行为，AI 能够产生大量的数据，这些对于其他问题的研究也有作用。

DeepMind Technologies 的首席执行官 Demis Hassabis 在接受彭博社访问的时候表示：

AI 攻略游戏这个行为，能够产生大量的数据。同时，游戏本身就是一个模拟环境，无需要人为建立。这就为 AI 研究提供了环境。不过，现时的算法还未能完全支持这种研究。这还需要再进一步的提升。

现在有不少游戏是以真实环境做模拟的。这里包括之前推出的 GTA5，还有最近广受好评的大作《塞尔达传说：荒野之息》，这些真实程度极高的游戏。

AI 在游戏世界中运作，要做的并不是简单的预判和策略谋划，而是要针对游戏中各个细节去攻略，才能完成。这里需要用人一样的思考模式去运算，工程量很大。所以，研究者目前都是以递进的方式来进行研究，游戏也从简单到深入开始变化。

当然，也会有团队根据自己所需要的目标，来选择研究的游戏。涉足无人驾驶的 Uber Technologies，就选择了 GTA5 作为攻略对象。游戏中的驾驶数据，有助于行车研究。而在游戏中研究行车，绝对比让 AI 在路上开要安全得多。

总的来说，选择用游戏来辅助研究，让 AI 和专业人士竞技，这一些都是以数据为最主要的着眼点。通过这种方法获得的数据，能够帮助人类用 AI 去解决现实问题。

微软的首席执行官 Satya Nadella 在去年 9 月份的开发者大会上提出这个观点：

这些研究的目标，并不是要让 AI 来击败人类。我们要做的，是通过这些实验让 AI 进步，以帮助我们去解决目前最迫切的问题。

在未来，这种研究将会越来越普遍。有乐观主义者预测，未来人类可能会通过游戏和 AI 结合开发出的新产品，可以帮助人类去对抗疾病。