如何教会AI玩游戏？当然是通过自然语言来进行指导。Facebook AI开发的MiniRTSv2就是这样一个例子，它通过自然语言来教AI玩实时战略游戏。这项研究在2019年的NeurIPS会议上发表，并且其代码、模型和数据集均已开源。

MiniRTSv2是一个简化版的即时战略游戏，玩家需要控制弓箭手、龙和农民等单位，摧毁对手的基地。尽管比《DOTA2》或《星际争霸》要简单，但MiniRTSv2仍然具有复杂的战略元素。游戏开始时，地图是隐藏的，AI需要考虑大量的状态和动作空间，协调不同类型的单位，并根据对手的行动调整战术。

不同于直接模仿人类策略的AI，MiniRTSv2采用了分层决策的方法。系统包括两个主要部分：一个是指导网络，负责观察游戏状态并用自然语言发出指令；另一个是执行网络，负责理解和执行这些指令。这两个网络共同协作，使AI能够在游戏中取得更好的成绩。

为了训练这些模型，Facebook AI团队收集了大量人类玩家的游戏数据，涵盖了许多不同的策略组合。指导网络通过这些数据学习如何将自然语言转化为有效的游戏指令。经过训练，基于自然语言处理的AI在对抗其他方法训练的AI时，胜率达到57.9%。

这种方法不仅提高了AI的游戏表现，还推动了AI在理解和应用自然语言方面的进步。未来，这可能有助于开发出更能理解人类指令的AI系统，从而帮助残障人士更好地使用现代电子设备。

此外，这项研究展示了AI在解决复杂问题上的潜力，不仅仅是玩游戏，还包括适应不熟悉的任务和环境。随着技术的发展，我们有望看到更多创新的应用出现。

招聘启事：量子位现正寻找有才华和热情的编辑和记者，工作地点在北京中关村。如果您对此感兴趣，欢迎在量子位公众号(QbitAI)回复“招聘”了解详情。