編者按：數據科學家Shayaan Jagtap以馬里奧和精靈寶可夢為例，解釋了當前的AI還不擅長處理哪些種類的問題。

你大概早就聽說機器能以超人的水平玩游戲。這些機器可能經過明確編程，對設定的輸入作出反應，給出設定的輸出，也可能自行學習演化，以不同的方式對相同的輸入作出反應，希望找到最優的反應。

一些著名的例子：

AlphaZero，24小時訓練之后，成為地球上最強大的國際象棋選手。

AlphaGo，著名的圍棋機器人，擊敗了世界級棋手李世乭和柯潔。

MarI/O，可自行學習以任意等級進行游戲的超級馬里奧機器人。

這些游戲很復雜，訓練上面的機器需要精心組合復雜的算法，反復模擬，大量時間。本文將重點討論MarI/O，以及為何我們無法使用相似的方法通關精靈寶可夢游戲。

在這方面，馬里奧和精靈寶可夢有三個關鍵不同：

目標數量

分支因子

全局優化與局部優化

目標數量

機器學習的方式是優化某種目標函數。不管它是最大化獎勵函數（強化學習）、適應度函數（遺傳算法），還是最小化代價函數（監督學習），目標都是類似的：取得盡可能好的分數。

馬里奧只有一個目標：到達本級別的終點。簡單來說，在死亡之前，到達的地方越靠右，表現就越好。這是一個單一的目標函數，模型的能力可以由這一個數字直接衡量。

精靈寶可夢的目標……有很多。擊敗精英4級？捕獲所有寶可夢？訓練最強團隊？上面所有這些？還是其他完全不同的目標？

我們不僅需要定義什么是最終目標，還要定義進展看起來是什么樣的？這樣，任意時刻，大量可能選擇之中的每種行動才能和獎勵或損失對應起來。

這引出了下一項主題。

分支因子

簡單說，分支因子是任意一步可以做出的可能選擇數量。國際象棋的分支因子平均是35，圍棋是250. 額外考慮的未來每一步，都有(分支因子)步數項選擇需要評估。

馬里奧中，要么向左，要么向右，要么起跳，要么什么也不做。機器需要評估的選擇數很小。同時，從算力上說，分支因子越小，機器人可以預計的步數就越多。

精靈寶可夢則是一個開放世界游戲，這意味著，任意給定時刻都有大量選擇。簡單的向上、向下、向左、向右無法有效計算分支因子數量。相反，我們需要查看下一個有意義的行動。下一個行動是進入戰斗，和NPC交談，還是進入左/右/上/下方的小地圖？隨著游戲的進行，可能的選擇范圍越來越大。

創建一個可以找到最佳選擇組合的機器，需要考慮短期和長期目標，這引出了最后一項主題。

全局優化與局部優化

局部優化與全局優化既包括空間層面，也包括時間層面。短期目標和周圍地理區域屬于局部，長期目標和城市、全地圖這樣較大的區域屬于全局。

拆分每一步可以是一種分解精靈寶可夢問題的方式。如何從A點到B點的局部優化是容易的，但決定哪個目的地是最優的B點則是一個困難得多的問題。貪心算法在這里無法奏效，因為局部最優的決策不一定導向全局最優。

馬里奧地圖很小，而且是線性的。而精靈寶可夢卻有著錯綜復雜的非線性大地圖。為了達到高階目標，當前優先級會隨著時間而改變，將全局目標轉換為優先局部優化問題不是一項容易的任務。這不是我們當前的模型具有足夠能力可以處理的事情。

最后一點

從機器人的角度來說，精靈寶可夢不是一個游戲。機器人都是專門的，當你遭遇要戰斗的NPC時，幫助你在地圖上移動的機器人對此束手無策——這是兩個完全不同的任務。

在戰斗階段，每個回合有許多選項。選擇如何移動，切換到哪個寶可夢，何時使用不同的物品，本身就是一個復雜的優化問題。我看到過一篇介紹如何創建戰斗模擬器的文章，考慮得很周到，在沒有考慮物品使用這一決定戰斗結果的關鍵因素的前提下，復雜度已經高得驚人了。

目前，我們能夠創造出能夠在我們自己的游戲中戰勝我們的機器人，我們該為此感到高興。這些游戲在數學上很復雜，但在目標上很簡單。隨著AI技術的進展，我們將創造能夠解決有越來越大影響力的真實世界問題的機器人，這些機器人將通過自行學習復雜優化問題來解決真實世界問題。可以放心的是，還是有很多事情我們要比機器更擅長，其中包括我們童年時玩的游戲——至少到目前為止是這樣。感謝閱讀！