从 Atari 到 EVE Online：基于 15 年游戏 AI 研究的构建

判断

游戏工作室的技术负责人要在「接 DeepMind 的研究原型」和「自建 AI 团队」之间下注：换来的是一流强化学习能力，代价是把玩法节奏的一部分话语权交给合作方。

依据

作者 Alexandre Moufarek 和 Adrian Bolton 给出的依据是一条十五年曲线：DeepMind 2010 年成立后把游戏当理解智能的试验场，DQN（Deep Q-Network，深度 Q 网络，用神经网络从屏幕像素直接学动作价值）在 2015 年发表于 Nature，不做任何游戏专属工程就学会 49 款 Atari 2600 游戏；2016 年 AlphaGo 击败李世石，AlphaGo Zero 则完全靠自我对弈、不用人类棋谱。机制是：游戏规则明确、反馈密集，强化学习（reinforcement learning，即靠试错加奖励信号调整策略）能在低成本环境里反复迭代，再把能力外移。这次的转向是把能力反向输出给制作方——与 Fenris Creations 围绕 EVE Universe 的新研究合作，以及 Hello Games、Coffee Stain Studios 等工作室的项目。取舍在于节奏：DeepMind 按研究周期推进，工作室按发行节点排期，原型一旦迁就不上，付代价的是工作室的档期和人力，而不是论文。