视频游戏为什么对于人工智能的发展如此重要？

　　如今，机器人的研究接触久了便清楚认识到它的局限。机器人价格昂贵，结构复杂，推进很慢。当我刚开始攻读博士学位时，我的计划是研发一套从错误中自我学习的机器人系统，加速复杂性智能性。但很快发现，为了让我的机器人从他们的经验中自我学习，很多的任务不得不重复上千次，每次又需要好几分钟。这意味着，一项简单的任务就需要花上几天的时间，这还是在机器运行良好、电池散热正常的情况下。如果想要更近一步研发复杂的智能任务，我需要制造一个比以前更复杂的传感器和致动器，这极大增加了系统崩溃的风险。我也需要研发一个复杂的环境从而让复杂技能得以习得。以上种种很快就超出了能力范围。这大概就是为什么进化机器人还没有能扩展到更复杂智能领域的原因。

　　我这次太迫不及待了，我渴望看到能从经验中自我学习的智能系统。于是我把主要精力投入到了电脑游戏领域。

　　游戏和人工智能有很悠久的渊源。早在人工智能被定义成一个专业范畴时，早期的计算机科学家就试图通过游戏编程来测试计算机是否能通过某种形式的「智能」来解决游戏中的问题。阿兰·图灵，计算机科学论证的奠基人，(重新)发明了极值算法并用它来下国际象棋(当时他还是用纸笔演算因为那时候还没有计算机)；阿瑟·缪瑟尔(ArthurSamuel)第一个发明了学习机器的形式即现在的强化学习模型，他将这个程序用于跳棋游戏的自我对战。后来，IBM的深蓝计算机靠此战胜了国际象棋的卫冕冠军卡斯帕罗夫。如今，很多研究者力图研发更好的程序进行围棋竞技，但是仍旧没办法超过最好的人类选手。

　　经典棋盘类游戏，比如象棋，跳棋还有围棋很适合也很容易用来做研究，因为很容易用代码模拟它们，而且模拟速度也相当快——在一台现代电脑上，你可以轻易实现每秒上百万步棋招——对许多人工智能来说，这也是必不可少的。要玩转这类游戏也需要思考，具有「学会仅需一分钟，精通却需一辈子」的特点。情况确实如此，游戏与学习密切相关，而且好的游戏能够不断教会我们游戏技巧。实际上，某种程度上说，玩游戏的乐趣就是在于不断学习它，当再没什么东西可学之时，我们基本上就会对这款游戏失去兴趣。这意味着，一款设计精良的游戏很适合作为人工智能的基准。但是，鉴于如今已经出现(相对简单的)会下棋的计算机程序，比人类还厉害，很明显，玩转这些游戏不需要你真的像人们普遍认为的那样聪明。当你下棋思考时，它们锻炼的只是人类思考技巧中非常小的一部分。

　　但是，我们身边的游戏远远不止这些，尽管祖父年代的人们可能一度这样认为。除了我们熟知的棋牌类，角色扮演类游戏外，还有视频游戏。视频游戏很着广大的粉丝，因为它能充分调动人们的各种感官。就拿超级玛丽来说，这款游戏不仅要求你有敏捷的反应，视觉理解和动作协调性，还需要你对路径的判断力，对于风险奖励的取舍能力，对敌人和角色接下来的预测能力，对在规定时间通关的掌控能力。还有一些游戏要求你对信息的获取能力(比如星际)；剧情的理解能力(比如天际)；或者长久的规划力(比如文明)。

　　综上所述，视频游戏可以在计算机中的不同可控环境下运行，而且不少游戏可以在自身的速度上进行加速。开始一款游戏并不复杂也不昂贵，并且在极短的时间内可以运行上千种变化，给学习算法创造了条件。