本期立意AI 可以在 Atari、Dota、星际争霸、3D 开放世界里反复“玩游戏”，为什么小朋友玩二十分钟就要停？这一期，赫小妹试图把赛车游戏包装成“人类游戏体验实验”，爸爸则把“AI玩”和“人类玩”拆成两件事：AI不是为了开心通关，而是在规则清楚、反馈快速、成本很低的虚拟世界里练习观察、选择、试错和计划。
节目也把另一条线讲清楚：游戏公司让 AI 当虚拟玩家，不是为了制造一个把玩家打哭的超级怪物，而是为了帮开发者反复测试关卡、找 bug、检查卡死和作弊路线。最后父女俩回到孩子真正关心的问题：可以有“家庭游戏体验观察员时间”，但不能把 AI 研究当成无限玩游戏的通行证。
主播列表本期金句AI玩游戏，很多时候不是娱乐，而是在练习怎么做决定。
游戏像AI的训练场：有规则、有反馈、能重复试错，犯错成本低。
赢了一款游戏，不等于通关智能；要看它厉害在哪里、在什么限制下厉害。
最厉害的AI，不一定是最好玩的游戏AI。
游戏里的AI要服务“好玩”和“公平”，不是只负责把玩家打哭。
本期你将会听到为什么强化学习喜欢游戏这种“选择题连环轰炸”的环境。
Atari 游戏为什么曾经是 AI 从像素和分数中学习的经典测试场。
Dota 2、星际争霸这类复杂游戏，为什么能测试长期规划、不完全信息和团队配合。
为什么 DeepMind SIMA 这类项目不只是为了刷高分，而是研究能在 3D 虚拟世界中听指令行动的智能体。
游戏公司为什么会用虚拟玩家自动化测试关卡、路径、难度和漏洞。
为什么游戏里的敌人不是越聪明越好：玩家需要挑战，也需要公平和机会。
奖励设计为什么很重要：目标写窄了，AI和小孩都可能学会钻空子。
亲子互动问题如果你设计一个游戏，让 AI 来当测试员，你最想让它帮你检查什么？是找 bug、测难度，还是发现一条人类玩家根本想不到的奇怪路线？
也可以和孩子约定一次“家庭游戏体验观察员时间”：玩完以后不只报分数，而是记录三件事：哪里最容易卡住，哪里最让你想继续玩，哪里让你觉得不公平。
配乐Jump Up, Super Star! — Kate Davis（用户提供）
配图DeepMind 从 Atari 画面像素和分数反馈中训练智能体
图：DeepMind / Google Research 相关文章配图。来源：Google Research Blog，许可见源页面。
AlphaStar 把星际争霸 II 用作复杂决策与多智能体学习测试场
图：AlphaStar 相关资料图。来源：Google DeepMind Blog，许可见源页面。
SIMA 在 3D 虚拟世界中按照自然语言指令行动
图：SIMA 相关资料图。来源：Google DeepMind Blog，许可见源页面。
Unity 介绍用虚拟玩家自动化 playtest
图：虚拟玩家自动化 playtest。来源：Unity Blog，许可见源页面。
Unity ML-Agents：游戏和仿真可作为训练智能体的环境
图：Unity ML-Agents 学习环境示意。来源：Unity ML-Agents 文档，许可见源页面。
参考资料DeepMind / Nature：Human-level control through deep reinforcement learning，2015。
Google Research Blog：From Pixels to Actions: Human-level control through Deep Reinforcement Learning。
OpenAI：OpenAI Five defeats Dota 2 world champions。
Google DeepMind：AlphaStar: Grandmaster level in StarCraft II using multi-agent reinforcement learning。
Google DeepMind：A generalist AI agent for 3D virtual environments / SIMA。
Unity ML-Agents Toolkit documentation：games and simulations as environments for training intelligent agents。
Unity Blog：Automate your playtesting: Create virtual players for game simulation。
在小宇宙查看该单集文稿
