在游戲中卡殼時，你是會繼續反復地撞南墻，還是轉而探索游戲地圖的其它方向？也許是受古裝戲影響，我們可能會四處尋找密道開關。但當前的人工智能可能會選擇前一種，不達目的不罷休。

加州大學伯克利分校最近發布的論文，則想要開闊人工智能的視野，讓它在卡殼時退一步，轉而探索更廣闊的天地，對視野外的世界產生興趣。論文被 8 月的國際機器學習大會接收。

剛剛退役的 AlphaGo，使用蒙特卡羅樹搜索來決定下一步，并依據此前的經驗確定加權值，給出相對的獎勵反饋，借此讓機器具備人工編程沒有設計的技能。這種機器學習方法叫做“增強學習”，特點是獎勵高效和阻止無效的行為。

這種方法的缺點則是，需要大量的訓練工作，并且不管什么情況都只追求高回報的行動，哪怕損害整體效率也不在乎。如果 AI 不能立即獲得所需的反饋，繼續行進可能會遇到困難，尤其是在反饋不明顯的電子游戲中。

伯克利研究團隊的方法，是在缺乏獎勵、甚至沒有獎勵的情況下，訓練人工智能探索環境。研究人員讓 AI 學會了在動態環境中預測行動造成的誤差，并將這種探索的動力稱為“好奇心”。小寶寶們經常就有這種實驗行為，他們受好奇心的指引，在天馬行空的探索中學習技能。

為了訓練神經網絡，研究人員讓人工智能學習玩《馬里奧兄弟》和射擊游戲《毀滅戰士》。結果如同視頻中所示，有好奇心的 AI 沒有盲目地重復回報較高的行動，對游戲整體有了更多把握，學會了觀察周遭環境和快速地移動，而沒有花很多時間去撞眼前的墻。

研究人員認為，在許多現實的場景常常缺乏外在的獎勵。在這種情況下，好奇心可以作為內在的動力，讓 AI 探索環境，學習后期才會有用的技能。這或許可以為機器人導航任務帶來啟發，也能讓機器人學會抓握奇形怪狀的物體。機器人往往浪費大量時間做無用功，比如嘗試很多隨機的手勢。如果配備了好奇心，機器人可以很快掌握環境信息并作出相應的動作。

讓人工智能具備好奇心已經成為該領域的研究熱點。紐約大學的科學家 Brenden Lake 接受《麻省理工科技評論》采訪時說，好奇心驅動的學習技術并沒有關注得分，但也能在游戲中讓 AI 表現更好，這令人驚訝，“配備與人相似的特征，是開發出具備人類的學習思考能力的機器人的重要一步”，但這項研究里的好奇心仍然不同于孩童身上的好奇心，“AI 只好奇和自己有關的環境特點。但人類的好奇心更加寬泛。他們不只關心周遭的世界?！?/p>

這也不是 AI 第一次玩《馬里奧兄弟》。這款游戲一直是人工智能的試驗田。2015 年，德州大學奧斯汀分校開發的 MarI/O 程序（ GitHub 鏈接），用吃一塹長一智的方法在 34 次嘗試后通關，但它并沒有預測的能力。

也是 2015 年，德國蒂賓根大學開發的 Mario A.I. 項目，讓 AI 學習人類的語音內容，理解英文的攻略，并獲得過關的經驗。更早的年代，2009 ～ 2012 年間，網絡上還曾舉辦過馬里奧 AI 大賽，之后被平臺 AI 大賽所取代。

而谷歌旗下的 DeepMind 在拿下圍棋之后，也要挑戰《星際爭霸》了。過去七年間一直有類似的嘗試，但 AI 從未贏過和熟練玩家的比賽。DeepMind 也并未表明何時會開展人機對決，只計劃在未來幾個月內發布相關的接口。

但人工智能發展速度如此之快，在電子競技上打敗人類的那一天也許并不遙遠。