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
|
2月前
|
机器学习/深度学习 人工智能
AI训AI惨遭投毒9次大崩溃,牛津剑桥等惊天发现登Nature封面!
【8月更文挑战第11天】牛津与剑桥大学研究揭示,AI模型若反复在自身生成的数据上训练,将遭遇“模型崩溃”,即性能严重退化,甚至遗忘真实世界的数据分布。此现象在《自然》杂志刊出,警示AI进化之路暗藏风险。实验显示,随着训练代际增加,模型倾向于生成更简单内容,丢失稀有信息,最终可能导致对现实世界的误解加深。此发现对AI领域的持续发展及模型可靠性提出了新的挑战。
168 60
|
14天前
|
机器学习/深度学习 人工智能 开发者
谷歌推世界首个AI游戏引擎,2000亿游戏产业恐颠覆!0代码生成游戏,老黄预言成真
【9月更文挑战第22天】谷歌近日推出的AI游戏引擎GameNGen,作为全球首款神经模型驱动的游戏引擎,引发了广泛关注。该引擎使用户无需编写代码即可生成游戏,并实现了与复杂环境的实时交互,显著提升了模拟质量。在单TPU上,GameNGen能以超20帧/秒的速度流畅模拟经典游戏《DOOM》。这项技术不仅简化了游戏开发流程,降低了成本,还为游戏设计带来了更多可能性。然而,它也可能改变游戏产业的商业模式和创意多样性。无论如何,GameNGen标志着游戏开发领域的一次重大革新。
25 2
|
2月前
|
存储 人工智能 供应链
AI赋能电商中小企业的三大制胜策略
AI赋能电商中小企业的三大制胜策略
AI赋能电商中小企业的三大制胜策略
|
2月前
|
人工智能 iOS开发 UED
详解苹果和微软的AI集成策略
详解苹果和微软的AI集成策略
详解苹果和微软的AI集成策略
|
1月前
|
人工智能 运维 自然语言处理
AI战略丨构建未来: 生成式人工智能技术落地策略
GenAI 的技术落地需要企业进行周密地规划和持续地努力。企业必须从自身的战略出发, 综合考虑成本、效果和性能,制定合理的技术架构,通过全面的 AI 治理,实现可持续的创新和发展。
|
9天前
|
机器学习/深度学习 人工智能 开发框架
智能ai量化高频策略交易软件、现货合约跟单模式开发技术规则
该项目涵盖智能AI量化高频策略交易软件及现货合约跟单模式开发,融合人工智能、量化交易与软件工程。软件开发包括需求分析、技术选型、系统构建、测试部署及运维;跟单模式则涉及功能定义、策略开发、交易执行、终端设计与市场推广,确保系统高效稳定运行。
|
2月前
|
机器学习/深度学习 人工智能 PyTorch
面向AI Native应用的高效迁移学习策略
【8月更文第1天】随着人工智能技术的发展,越来越多的应用场景需要定制化的AI解决方案。然而,从零开始训练一个深度学习模型往往需要大量的标注数据和计算资源。迁移学习提供了一种有效的方法来解决这个问题,它利用预训练模型的知识,通过少量的数据就能达到很好的性能。本文将深入探讨面向AI Native应用的高效迁移学习策略,并通过实例展示如何针对具体场景进行模型微调。
199 6
面向AI Native应用的高效迁移学习策略
|
2月前
|
存储 人工智能 语音技术
通义语音AI技术问题之动态加权采样策略的工作原理如何解决
通义语音AI技术问题之动态加权采样策略的工作原理如何解决
27 5
|
2月前
|
机器学习/深度学习 人工智能
高于临床测试3倍准确率!剑桥大学开发AI模型,提前6年预测阿尔茨海默症
【8月更文挑战第9天】剑桥大学研发的人工智能模型在预测阿尔茨海默症方面取得突破,准确率比传统临床测试高三倍,能提前六年预测疾病发生。该模型基于深度学习,利用大量临床及神经影像数据识别生物标志物,预测准确性达80%。这一成果有望促进早期干预,改善患者预后,但仍需更大规模研究验证,并解决隐私与公平性等问题。论文已发表于《The Lancet》子刊。
38 6
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的正则化技术:提升模型泛化能力的关键策略探索AI的奥秘:深度学习与神经网络
【8月更文挑战第27天】在深度学习的探索旅程中,我们常常遭遇模型过拟合的困境,就像是一位探险者在茫茫林海中迷失方向。本文将作为你的指南针,指引你理解并应用正则化技术,这一强大的工具能够帮助我们的模型更好地泛化于未见数据,就如同在未知领域中找到正确的路径。我们将从简单的L1和L2正则化出发,逐步深入到更为复杂的丢弃(Dropout)和数据增强等策略,为你的深度学习之旅提供坚实的支持。

热门文章

最新文章

下一篇
无影云桌面