如何教会AI玩游戏呢？答案其实很简单——直接通过自然语言给它下达指令。

比如，告诉AI去建造农民，它就会自动地生产农民：

在指挥农民挖矿、建立兵工厂时，只需一句简单的指令就能完成任务：

当发现敌人出现时，AI会立即采取行动，主动发起攻击：

在激烈的战斗过程中，经济建设也不能落下：

以上内容来源于Facebook AI团队开发的MiniRTSv2项目。不同于其他需要精细操作的游戏，MiniRTSv2利用自然语言指导AI进行实时战略游戏。此项目在2019年的NeurIPS会议上发布，其代码、模型以及数据集均对外开放。

MiniRTSv2是一个专为AI研究设计的简化版即时战略游戏。玩家需控制弓箭手、龙和其他单位，摧毁对手基地。尽管相比《Dota2》或《星际争霸》等商业游戏，MiniRTSv2显得较为简单，但它依然是一款复杂的即时战略游戏。游戏开始时，地图处于未知状态，AI必须根据形势的变化，协调不同单位的行动，并随时调整策略。

与AlphaStar等直接模仿人类策略的AI不同，MiniRTSv2采用了分层决策的方法。系统包括两个独立的AI模型：一个负责持续观察游戏情况，并用自然语言提供指令，称为“指导网络”；另一个则负责解析这些指令并执行相应的操作，称为“执行网络”。

在游戏中的每一个时间点，观察编码器都会对每个游戏对象的位置和状态进行编码，生成特征向量。随后，辅助编码器会帮助AI学习全局游戏特性，这些信息将被用于指导网络和执行网络。

为了训练这个框架，Facebook团队收集了5392场游戏的数据集，每场比赛由两个人合作完成，一人负责指挥，另一人执行。该数据集包含了76000种人类协作的情况，覆盖了各种策略。这两种模型都是在有监督的情况下进行训练的。

由于训练指导网络的数据集来自人类语言，AI需要学会推理和理解自然语言，然后据此制定策略并执行。此外，该模型不仅能够生成自然语言命令，还可以结合上下文理解命令。

经过训练，AI的表现显著提升。不仅可以像人类一样给出合理的指令，如何时建造农民或龙，而且在与其他AI对手对抗时，基于自然语言处理技术的AI胜率达到57.9%。

除了提升AI在游戏中的表现外，这种通过自然语言指导AI的方法还推动了AI在更多领域的应用，例如使AI能够更好地适应不熟悉的任务和环境。此外，这种方法还有可能催生出更加理解和执行人类指令的AI系统，从而帮助残疾人士更方便地使用现代电子设备。

总的来说，通过自然语言教授AI玩游戏，不仅是研究者们的一项创新尝试，更是推动AI技术进步的重要一步。

（注：部分细节已省略，以便更好地符合改写要求。）