多样AI模子在刚问世时，总有一个屡试屡验的“秀肌肉”技巧，那就是让自家AI独处游玩某款游戏，用以教练模子的智能程度。
围棋选手李世石与AlphaGo的五番棋对决如故以前近十年。尔后，无论是的DeepMind在《DOTA2》《星际争霸2》这些神色上打败东说念主类作事选手，照旧2023年英伟达晓示开发出能玩《我的宇宙》的VOYAGER，皆在不休阐明“游戏”似乎就是AI的自然试验场。
众人体感上应该也能体会到，这十年间AI本事发展速即，如今的谎言语模子，其教练形势、决议经过皆与当初的AlphaGo有较大各别，但十年以前，无论是科技公司想展示琢磨效能，照旧劝诱不懂本事细节的普通东说念主看重，“让AI玩游戏”依旧是个很常见的技巧。
最近，谷歌的AI模子Gemini 2.5 Pro又因为作念到了“独处通关初代《宝可梦》”，再次成了AI边界的热点话题，谷歌的现任CEO Sundar Pichai和DeepMind负责东说念主Demis Hassabis甚而同期发表推文庆祝了这一时刻。
但就像前边提到的，皆到了2025年，让AI玩游戏、通关游戏早就不是什么清新话题，更何况于1995年发售的初代宝可梦，原来也不以高难度、复杂程度著称，向来以赋闲松驰为主的宝可梦系列，哪怕是游戏生人，皆能在很短的时刻内速即上手，通关更不是难事。
那为什么让AI通关《宝可梦》就成了件大事？
上世纪80年代被建议的“莫拉维克悖论” （Moravec's paradox）曾提到一个反直观不雅点：东说念主类认为容易的任务对东说念主工智能来说其实更负责，反之亦然。
建议这一悖论的学者莫拉维克，曾为其写下一段直不雅解释：“要让电脑如成东说念主般棋战相对容易，但让它领有像一岁孩童般的感知和活动能力，却极度负责、乃至是不行能的。”
对于此次AI Gemini通关《宝可梦》，就更类似于让AI领有我方的感知和行能源。
1
对AI来说，“独处通关初代《宝可梦》” 是一个比东说念主类的联想要复杂得多的挑战。
早在本年2月，好意思国另一家AI科技公司Anthropic就对外公布了名为“Claude Plays Pokémon”的本事实验，实验本色就和它的称呼一样，试图让该公司旗下的最新版块AI Claude 3.7 Sonnet体验初代宝可梦游戏，并以“通关游戏”当作实验的最终目标。
这项实验终末以失败告终，Claude 3.7的最终程度是挑战三个说念馆、取得三枚徽章，但哪怕是这个对东说念主类玩家来说微不及说念的配置，亦然Claude反复迭代了一年的效能。
凭据Anthropic公司释出的信息，一年前的3.0版Claude，甚而连游戏当先的“真新镇”皆无法走出，之后的3.5版块略有跨越，行程来到了“常磐丛林”，但依旧无法取得第一个徽章。
程度冷静的原因不过乎：Claude的每一步决议皆会经过漫长念念考、毫意外旨地重迭探索走过的城镇、永劫刻卡在舆图死角，或者反复与一个毫无匡助的路东说念主NPC对话。
这些步履看似是“东说念主工”，远不如在围棋或《星际争霸》这些政策游戏上战胜东说念主类选手的AlphaGo，但这其实是二者教练形势的各别。
前几年那些能在围棋、《DOTA2》等神色中进展出色的AI，开发者庸碌会为算法提供游戏法例和政策的基础信息，并开荒给AI正确活动提供正面答复的奖励函数，这就是频繁提到的 “强化学习”。
但对于像Claude、Gemini这种基于谎言语模子的AI，针对的不是某款特定的游戏，琢磨东说念主员并未提供《宝可梦》专属的游戏法例或目标指示，也不会对其进行特定的教练，而是径直让通用的Claude模子操作游戏。
这更类似于让一个对宝可梦游戏透顶莫得感想的纯生人，通过我方的感知和学习，迟缓掌捏游戏的经过。
再者，Claude在游玩游戏时，取得信息的渠说念并非是里面代码，而是和东说念主类一样，所有本色皆只可从游戏画面上获取，早期版块的Claude频繁撞墙，原因就在于相较于当代游戏更传神的“墙”，AI很难识别这些由像素构成的空洞画面，而这对东说念主类玩家来说却是一件很松驰的事。
反倒是宝可梦更复杂的属性克制系统，Claude分解起来相配容易。比如，当游戏辅导电属性技能对岩石系宝可梦的“效果一般”时，Claude速即捕捉到了这个要津信息，并将其愚弄到后续配队和宝可梦对战政策上。
2
为什么琢磨东说念主员能校服AI如实分解了“属性克制”？因为目前的谎言语模子，如故不错将齐备的念念考经过同步呈现给外界。
这一样亦然这一神色试图探索的效果，就像上图展示的那样，Claude在使用比比鸟对战电系的小磁怪时，对我方掌捏的四个技能进行了全面分析：
“翅膀袭击这么的遨游系招式对电系宝可梦不是很告成。”
“刮风和电光一闪这么的招式只可形成中等伤害。”
“泼沙仅仅缩小射中率，不形成径直伤害。”
终末Claude作念出了追念：
“由于比比鸟在属性上处于时弊，我应该尽快打败小磁怪。我最佳的遴荐可能是翅膀袭击，这是我领有的最强的招式，尽管它效果一般。让我按三次“下”再按一次“校服”来遴荐翅膀袭击。”
自然目前展示的仍是相对浅层的念念考，但比较于AlphaGo这种纯“黑箱式”的决议经过，Claude和其他以谎言语模子为中枢的AI，在实用性上无疑前进了一大步。
要知说念早年AlphaGo在围棋边界最令东说念主印象久了的，就是总能下出让东说念主类难以分解、但终末又能取得告成的“能手”，可惜其时经由“强化学习”教练的AlphaGo，决议经过难以用自然话语向东说念主类显着呈现，不然，东说念主类棋手大约也会从AI的逻辑得到进一步启发。
而对于玩宝可梦的Claude来说，自然在政策层面莫得什么让东说念主类目下一亮的操作，但在披露了念念考经过后，反倒展示了一些“意料除外”的念念维逻辑。
比如底下这一幕，当Claude在游戏的“月见山”舆图中迷途，认为无法通过平素技巧走出洞穴时，AI作念了一个相配“东说念主类化”的念念考：
“我目前最佳的遴荐是成心输掉一场战役，这么我就会被传送回上一次看望的宝可梦中心，也就是4号说念路上的月见山宝可梦中心，从那儿我就不错按之前考据的旅途赶赴华蓝市了。”
再比如，AI也会有“认错NPC”的景观。游戏初期时，Claude被要求寻找NPC“大木博士”，但游戏莫得提供明确的指导，也莫得阐明NPC的具体位置和外形特征，完好意思这种“无极目标”对于AI来说其实难度更大。
在接到这个任务后，Claude也进行了一段相配拟东说念主的念念考：“我谨防到下方出现了一个新变装——一个黑发、身穿白色外衣的变装，位于坐标 (2, 10)，这可能是大木博士！让我下去和他谈谈。”
随后它便和一个跟干线毫无关连的NPC对话了数次，最终才封闭到这并非是我方想找的大木博士。
3
而前几天通关合并版块游戏的AI Gemini之是以受到看重，不仅是因为它能在东说念主类不提供任何法例信息的条目下完成游戏，况且据官方统计，Gemini总操作步数约为10.6万次，甚而比Claude取得第三个徽章时达成的21.5万步要少一半。
这看似阐明Gemini的智能水平要优于Claude，但负责Gemini神色的琢磨东说念主员JoelZ我方也暗意：无法径直比较这两个AI，因为这不是在透顶相通的条目下进行的测试。
差异在于Agent Harness，即“代理践诺框架”，它的作用是连接AI模子与游戏，负责处理输入的信息，如游戏画面、笔墨数据等，并将模子的决议滚动为按键指示等操作。
从官方公布的信息看，Gemini的代理践诺框架在某些程度真是优于Claude，比如在对舆图的分析上，它不仅为每个区域标注了坐标，况且还注明了坐标的可通劳动态，这对于不擅长径直解析像素画面的谎言语模子来说，提供了弘大的匡助：
但就像开发者我方说的，让AI玩宝可梦，意旨并不在于对比不同AI的水平高下。
像《宝可梦》这类游戏，更需要AI感知环境、分解无极目标、长线策画活动的能力，它必须不休汲取游戏画面、分解不同阶段的法例，并将决议转换为游戏操作。之是以执着于让AI操作这类游戏，也因为淌若AI能够在东说念主类莫得扰乱的情况下通关，也阐明了它领有能独处学习，措置执行中某些复杂问题的后劲。
从早年的围棋到目前的《宝可梦》，AI在实验和“秀肌肉”才气的逐年演变，并不只是个劝诱众人看重的噱头，其实一定程度上也代表了这项本事的发展标的：从处理单一问题的专才，到能够自我学习，措置不同边界问题的通用东说念主工智能。
大约这恰是无边AI科技公司遴荐《宝可梦》来用作教练的原因：这款游戏自身就是对于成长、遴荐与冒险的旅程。以前，咱们在游戏中体验进化与政策，而目前，AI正在游戏中尝试分解宇宙的法例自身。