剑桥大学在文明5游戏中设定AI毁灭世界,AI突破即时策略游戏防线?

简介: 剑桥大学生存风险研究中心发布免费的MOD,让文明5的游戏玩家利用人工智能快速发展,但同时如果不建设人工智能安全实验室,超级AI就会毁灭人类文明。虽然AI在文明5中的表现糟糕,在即时策略游戏中也尚未战胜人类,但人类应该为此庆幸。

最近,剑桥大学生存风险研究中心(The University of Cambridge’s Centre for the Study of Existential Risk,CSER)做了一件防止发生世界末日的事:在游戏文明5中实验让AI毁灭人类。

文明5是一款即时策略(RTS)游戏,玩家带领一个历史悠久的民族不断升级打仗,与其他国家在文化、科学、军事和宗教等领域展开全方面竞争。

CSER发布的是一个免费的MOD,最终将文明5变成一场阻止“天网”的比赛。

在这个MOD中,游戏玩家可以利用人工智能快速发展,但如果不建设人工智能安全实验室,超级AI就会毁灭人类文明。

成败都在超级智能MOD

如果游戏玩家安装了CSER免费的超级智能MOD,科技胜利的目标将从发射航天器到半人马座阿尔法星(Alpha Centauri),变成建立一个安全可靠的高级AI。

游戏玩家不断在文明5中进入更高级的时代,而一旦进入现代时代,玩家需要投入大量的资源来建设人工智能安全实验室,并打击流氓AI元素的影响。如果玩家在利用超级智能获得技术进步的同时能做好AI的检查工作,那么就会取得胜利,最终将离开这个世界走向乌托邦;但如果让流氓AI失去控制,超级智能就会摧毁人性,人类建立的文明就会失败。

文明5中的甘地是个“核弹狂魔”,但跟不受控制的人工智能比起来,就是小巫见大巫。

8c1175d7266544b6e0f5cc09ea595502e9b854ed

CSER的研究Shahar Avin在接受The Verge的采访时表示,玩这个MOD的确能激励他更深入地思考AI的危险。 “假设你陷入了两个激进文明之间的纷争,管理人工智能的风险就会变得非常困难,因为你的资源专注于打仗。”Shahar Avin说。

文明5甚至已被纳入高中课程作为学习工具——虽然这可能并不是了解历史的最好方式,但是对于国家之间的基本经济、发展和外交能带来很多教训。

尽管AI在游戏中处理外交时的表现非常糟糕,但就模拟国与国之间完全误解的后果而言,它又是相当准确的。

AI尚未突破即时策略游戏防线

AI不仅在处理文明5中的外交表现糟糕,实际上在即时策略游戏中,整体能力尚不如人类。

在去年的星际争霸AI竞赛中,Facebook悄悄地派出一款叫做CherryPi的AI bot,最终CherryPi在28场比赛里仅排第6。国外科技网站Engadget甚至以Facebook“被业余玩家狂虐”(Facebook’s 'StarCraft' AI was defeated by hobbyists)为题做了报道。

虽然AI在围棋、德州扑克等策略游戏中战胜了人类,但在即时策略游戏始终不能突破人类防线。这由以下几点决定:

1、RTS游戏重在“即时”,每个玩家都在较少的时间内思考行动计划,AI做不到短期决策。在星际争霸中游戏每秒执行24帧,这意味着玩家可以在比赛前每42ms一样快状态变化。而对于棋牌类游戏而言,玩家有几分钟后的时间来思考。

2、AI无法应对突发事件。除了打仗外,玩家还需要考虑经济、局势、侦查等方方面面,不断做出安排。更重要的是,AI在处理突发能力上的表现不足,这也是AI在文明5处理外交时表现糟糕的原因。

3、游戏的公平性限制条件。由于机器在速度和频率上高出人类玩家,因此在某些游戏中,AI被限制在特定条件下与人类“公平”对决的,即APM(每分钟操作数)等操作指标不能超过人类血肉之躯的极限。

总体而言,AI更强调长期规划和推理能力。

不过,虽然AI无法占领即时策略游戏这块高地,CherryPi也未能给Facebook带来像DeepMind一样的赫赫战绩,但人类应该为此庆幸。

试想,如果AI在即时策略游戏中完爆人类,说明AI在政治、军事、社会等各个方面具备了接管能力,如果再加上人类又毫无人工智能安全管理意识,CSER创造的那种最坏结局恐怕是会发生的。


原文发布时间为:2018-01-08

本文作者:张乾

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:剑桥大学在文明5游戏中设定AI毁灭世界,AI突破即时策略游戏防线?

相关文章
|
1月前
|
人工智能 安全 架构师
不只是聊天:从提示词工程看AI助手的优化策略
不只是聊天:从提示词工程看AI助手的优化策略
265 119
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
628 8
|
2月前
|
人工智能 算法 数据库
给AI装上一个'超级大脑':信息检索如何改变RAG系统的游戏规则
从传统检索方法到现代向量检索,通过一个购物助手的故事,直观展示了不同检索技术的原理与应用。学会这些技巧,让你的AI不再是「记忆只有金鱼长度」的大模型!
189 24
|
1月前
|
人工智能 算法 数据安全/隐私保护
拔俗AI多模态心理风险预警系统:用科技守护心理健康的第一道防线
AI多模态心理风险预警系统通过语音、文本、表情与行为数据,智能识别抑郁、焦虑等心理风险,实现早期干预。融合多源信息,提升准确率,广泛应用于校园、企业,助力心理健康服务从“被动响应”转向“主动预防”,为心灵筑起智能防线。(238字)
|
2月前
|
机器学习/深度学习 人工智能 算法
当AI提示词遇见精密算法:TimeGuessr如何用数学魔法打造文化游戏新体验
TimeGuessr融合AI与历史文化,首创时间与空间双维度评分体系,结合分段惩罚、Haversine距离计算与加权算法,辅以连击、速度与完美奖励机制,实现公平且富挑战性的游戏体验。
|
3月前
|
人工智能 JSON 程序员
别再和AI玩文字游戏:JSON提示工程让AI乖乖按表填空
厌倦了和AI玩猜谜游戏吗?JSON提示工程来拯救你!用咖啡订单的方式和AI对话,让每次交互都精准到位,告别模糊不清的回复,迎接可预测的AI输出时代。
|
6月前
|
数据采集 存储 人工智能
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
本文深度聚焦 AI 模型训练效率优化,全面涵盖数据预处理(清洗、归一化、增强)、模型架构(轻量级应用、剪枝与量化)、训练算法与超参数调优(自适应学习率、优化算法)等核心维度。结合自动驾驶、动物图像识别、语音识别等多领域实际案例,佐以丰富且详细的代码示例,深度剖析技术原理与应用技巧,为 AI 从业者呈上极具专业性、可操作性与参考价值的技术宝典,助力高效优化模型训练效率与性能提升。
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
|
4月前
|
存储 人工智能 自然语言处理
AI代理内存消耗过大?9种优化策略对比分析
在AI代理系统中,多代理协作虽能提升整体准确性,但真正决定性能的关键因素之一是**内存管理**。随着对话深度和长度的增加,内存消耗呈指数级增长,主要源于历史上下文、工具调用记录、数据库查询结果等组件的持续积累。本文深入探讨了从基础到高级的九种内存优化技术,涵盖顺序存储、滑动窗口、摘要型内存、基于检索的系统、内存增强变换器、分层优化、图形化记忆网络、压缩整合策略以及类操作系统内存管理。通过统一框架下的代码实现与性能评估,分析了每种技术的适用场景与局限性,为构建高效、可扩展的AI代理系统提供了系统性的优化路径和技术参考。
249 4
AI代理内存消耗过大?9种优化策略对比分析
|
7月前
|
人工智能 自然语言处理 前端开发
DeepSite:基于DeepSeek的开源AI前端开发神器,一键生成游戏/网页代码
DeepSite是基于DeepSeek-V3模型的在线开发工具,无需配置环境即可通过自然语言描述快速生成游戏、网页和应用代码,并支持实时预览效果,显著降低开发门槛。
1486 93
DeepSite:基于DeepSeek的开源AI前端开发神器,一键生成游戏/网页代码
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用

热门文章

最新文章

下一篇
oss云网关配置