eightisenough尊龙

各种 AI 模型在刚问世时，总有一个屡试不爽的"秀肌肉"手段，那就是让自家 AI 独立游玩某款游戏，用以检验模型的智能程度。

围棋选手李世石与 AlphaGo 的五番棋对决已经过去近十年。而后，不论是谷歌的 DeepMind 在《DOTA2》《星际争霸 2》这些项目上击败人类职业选手，还是 2023 年英伟达宣布开发出能玩《我的世界》的 VOYAGER，都在不断证明"游戏"似乎就是 AI 的天然试验场。

大家体感上应该也能体会到，这十年间 AI 技术发展迅速，如今的大语言模型，其训练方式、决策过程都与当初的 AlphaGo 有较大差异，但十年过去，不管是科技公司想展示研究成果，还是吸引不懂技术细节的普通人关注，"让 AI 玩游戏"依旧是个很常见的手段。 

最近，谷歌的 AI 模型 Gemini 2.5 Pro 又因为做到了"独立通关初代《宝可梦》"，再次成了 AI 领域的热门话题，谷歌的现任 CEO Sundar Pichai 和 DeepMind 负责人 Demis Hassabis 甚至同时发表推文庆祝了这一时刻。

但就像前面提到的，都到了 2025 年，让 AI 玩游戏、通关游戏早就不是什么新鲜话题，更何况于 1995 年发售的初代宝可梦，本来也不以高难度、复杂程度著称，向来以休闲轻松为主的宝可梦系列，哪怕是游戏新手，都能在很短的时间内迅速上手，通关更不是难事。

那为什么让 AI 通关《宝可梦》就成了件大事？

上世纪 80 年代被提出的"莫拉维克悖论" （Moravec's paradox）曾提到一个反直觉观点：人类觉得容易的任务对人工智能来说其实更困难，反之亦然。

提出这一悖论的学者莫拉维克，曾为其写下一段直观解释："要让电脑如成人般下棋相对容易，但让它拥有像一岁孩童般的感知和行动能力，却相当困难、乃至是不可能的。"

对于这次 AI Gemini 通关《宝可梦》，就更近似于让 AI 拥有自己的感知和行动力。

1

对 AI 来说，"独立通关初代《宝可梦》" 是一个比人类的想象要复杂得多的挑战。

早在今年 2 月，美国另一家 AI 科技公司 Anthropic 就对外公布了名为" Claude Plays Pok é mon "的技术实验，实验内容就和它的名称一样，试图让该公司旗下的最新版本 AI Claude 3.7 Sonnet 体验初代宝可梦游戏，并以"通关游戏"作为实验的最终目标。

这项实验最后以失败告终，Claude 3.7 的最终进度是挑战三个道馆、获得三枚徽章，但哪怕是这个对人类玩家来说微不足道的成就，也是 Claude 反复迭代了一年的成果。

根据 Anthropic 公司释出的信息，一年前的 3.0 版 Claude，甚至连游戏最初的"真新镇"都无法走出，之后的 3.5 版本略有进步，行程来到了"常磐森林"，但依旧无法获得第一个徽章。

进度缓慢的原因不外乎：Claude 的每一步决策都会经过漫长思考、毫无意义地重复探索走过的城镇、长时间卡在地图死角，或者反复与一个毫无帮助的路人 NPC 对话。

Claude 的通关过程也面向大众进行了直播

这些行为看似是"人工智障"，远不如在围棋或《星际争霸》这些策略游戏上战胜人类选手的 AlphaGo，但这其实是二者训练方式的差异。

前几年那些能在围棋、《DOTA2》等项目中表现出色的 AI，开发者通常会为算法提供游戏规则和策略的基础信息，并设置给 AI 正确行动提供正面回报的奖励函数，这便是经常提到的 "强化学习"。

但对于像 Claude、Gemini 这种基于大语言模型的 AI，针对的不是某款特定的游戏，研究人员并未提供《宝可梦》专属的游戏规则或目标指令，也不会对其进行特定的训练，而是直接让通用的 Claude 模型操作游戏。

这更近似于让一个对宝可梦游戏完全没有感念的纯新手，通过自己的感知和学习，逐步掌握游戏的过程。

再者，Claude 在游玩游戏时，获得信息的渠道并非是内部代码，而是和人类一样，所有内容都只能从游戏画面上获取，早期版本的 Claude 经常撞墙，原因就在于相较于现代游戏更逼真的"墙"，AI 很难识别这些由像素组成的抽象画面，而这对人类玩家来说却是一件很轻松的事。

AI 需要为画面中的每一个坐标点标注信息，红色被视为无法通过的区域

反倒是宝可梦更复杂的属性克制系统，Claude 理解起来非常容易。比如，当游戏提示电属性技能对岩石系宝可梦的"效果一般"时，Claude 迅速捕捉到了这个关键信息，并将其应用到后续配队和宝可梦对战策略上。

2

为什么研究人员能肯定 AI 确实理解了"属性克制"？因为目前的大语言模型，已经可以将完整的思考过程同步呈现给外界。

Claude 玩宝可梦时，左侧会同步显示每一步操作的决策过程

这同样也是这一项目试图探索的效果，就像上图展示的那样，Claude 在使用比比鸟对战电系的小磁怪时，对自己掌握的四个技能进行了全面分析：

"翅膀攻击这样的飞行系招式对电系宝可梦不是很奏效。"

"起风和电光一闪这样的招式只能造成中等伤害。"

"泼沙只是降低命中率，不造成直接伤害。"

最后 Claude 做出了总结：

"由于比比鸟在属性上处于劣势，我应该尽快击败小磁怪。我最好的选择可能是翅膀攻击，这是我拥有的最强的招式，尽管它效果一般。让我按三次"下"再按一次"确定"来选择翅膀攻击。"

虽然现在展示的仍是相对浅层的思考，但相比于 AlphaGo 这种纯"黑箱式"的决策过程，Claude 和其他以大语言模型为核心的 AI，在实用性上无疑前进了一大步。

要知道早年 AlphaGo 在围棋领域最令人印象深刻的，便是总能下出让人类难以理解、但最后又能取得胜利的"妙手"，可惜当时经由"强化学习"训练的 AlphaGo，决策过程难以用自然语言向人类清晰呈现，否则，人类棋手或许也会从 AI 的逻辑得到进一步启发。

而对于玩宝可梦的 Claude 来说，虽然在策略层面没有什么让人类眼前一亮的操作，但在显示了思考过程后，反倒展示了一些"意料之外"的思维逻辑。

比如下面这一幕，当 Claude 在游戏的"月见山"地图中迷路，认为无法通过正常手段走出洞穴时，AI 做了一个非常"人类化"的思考：

"我现在最好的选择是故意输掉一场战斗，这样我就会被传送回上一次访问的宝可梦中心，也就是 4 号道路上的月见山宝可梦中心，从那里我就可以按之前验证的路径前往华蓝市了。"

再比如，AI 也会有"认错 NPC "的现象。游戏初期时，Claude 被要求寻找 NPC "大木博士"，但游戏没有提供明确的指引，也没有说明 NPC 的具体位置和外形特征，实现这种"模糊目标"对于 AI 来说其实难度更大。

在接到这个任务后，Claude 也进行了一段非常拟人的思考："我注意到下方出现了一个新角色——一个黑发、身穿白色外套的角色，位于坐标 ( 2, 10 ) ，这可能是大木博士！让我下去和他谈谈。"

随后它便和一个跟主线毫无关系的 NPC 对话了数次，最终才意识到这并非是自己想找的大木博士。

3

而前几天通关同一版本游戏的 AI Gemini 之所以受到关注，不仅是因为它能在人类不提供任何规则信息的条件下完成游戏，而且据官方统计，Gemini 总操作步数约为 10.6 万次，甚至比 Claude 获得第三个徽章时达成的 21.5 万步要少一半。

Gemini 通关初代宝可梦

这看似说明 Gemini 的智能水平要优于 Claude，但负责 Gemini 项目的研究人员 JoelZ 自己也表示：无法直接比较这两个 AI，因为这不是在完全相同的条件下进行的测试。

区别在于 Agent Harness，即"代理执行框架"，它的作用是连接 AI 模型与游戏，负责处理输入的信息，如游戏画面、文字数据等，并将模型的决策转化为按键指令等操作。

从官方公布的信息看，Gemini 的代理执行框架在某些程度的确优于 Claude，比如在对地图的分析上，它不仅为每个区域标注了坐标，而且还注明了坐标的可通行状态，这对于不擅长直接解析像素画面的大语言模型来说，提供了巨大的帮助：

但就像开发者自己说的，让 AI 玩宝可梦，意义并不在于对比不同 AI 的水平高低。

像《宝可梦》这类游戏，更需要 AI 感知环境、理解模糊目标、长线规划行动的能力，它必须不断接收游戏画面、理解不同阶段的规则，并将决策转换为游戏操作。之所以执着于让 AI 操作这类游戏，也因为如果 AI 能够在人类没有干预的情况下通关，也说明了它拥有能独立学习，解决现实中某些复杂问题的潜力。

从早年的围棋到现在的《宝可梦》，AI 在实验和"秀肌肉"环节的逐年演变，并不单是个吸引大众关注的噱头，其实一定程度上也代表了这项技术的发展方向：从处理单一问题的专才，到能够自我学习，解决不同领域问题的通用人工智能。

或许这正是众多 AI 科技公司选择《宝可梦》来用作训练的原因：这款游戏本身便是关于成长、选择与冒险的旅程。过去，我们在游戏中体验进化与策略，而现在，AI 正在游戏中尝试理解世界的规则本身。