为什么视频游戏仍然难倒 AI 模型：Julian Togelius 论 LLM 智能的局限性

纽约大学游戏创新实验室主任 Julian Togelius 指出，尽管 LLM 在编程等领域快速进步，但在玩视频游戏方面仍然很糟糕，这一失败揭示了当前 AI 方法的根本局限。

Togelius 将编程视为'良好设计的游戏'：获得规格说明、编写代码、运行并获得即时反馈。这解释了 LLM 为何擅长编程。但视频游戏缺乏这种清晰结构：没有文本形式的明确规则、不同游戏有根本不同的机制、奖励通常延迟且不明确、AI 必须通过体验学习而非文本。

'人们普遍认为既然能构建擅长特定游戏的 AI，就应该能构建玩任何游戏的 AI。我不确定我们能做到。'数据问题也突出：AI 在 Minecraft 和 Pokemon 等有大量攻略的游戏上成功，但对研究较少的游戏数据稀缺。'它们失败，非常糟糕，全都如此，甚至不如简单的搜索算法。'

游戏失败凸显 LLM 主要通过文本模式匹配而非真正理解动态交互环境来操作。