本文来自微信公众号： 果壳 ，作者：糕级冻雾，编辑：沈知涵，原文标题：《硅谷的天才们怎么天天研究让 AI 在《我的世界》里砍树？》
硅谷最顶尖的那批人才，现在每天上班研究的是怎么让AI速通《我的世界》。
怎么砍树、挖矿、做装备、打末影龙，这些全都成了研究内容。研究完，发论文，和其他家AI进行PK。
有人拿Claude单个AI闯关，有人研究用Jev速通，谷歌最近就让四个Gemini组队，从0开始“取经”。
《我的世界》现在快成AI圈的“科目三”了，而且，玩法越来越有意思了。
从“单枪匹马”到“师徒四人”
看看AI在《我的世界》里一路是怎么走过来的。
Claude那会儿，是开发者给它准备好采矿、做装备、战斗的工具，让它自己决定下一步干什么，再自己调用工具行动。最后，Claude花了不到四小时，击败了游戏里的大Boss末影龙。
Claude Opus 5不到四小时击败末影龙｜YouTube
进阶一些的版本。两个模型合作，GPT6-Astra负责规划，Jev（擅长快速决策）负责选择动作，八分四十三秒通关。当时这还作为一个“Jev的成功案例”，在社交媒体上火了一阵。
最新进展，是四个Gemini 4 Argon组队，从零手搓《我的世界》，它们心里只有一个既定的目标，打败Boss。
四个Gemini空手进入游戏，没有人类编写的程序可以依靠，砍树、挖矿、做装备，都得自己从头学。要砍树，就写一段砍树的代码；要挖矿，就写一段挖矿的代码。写完就执行，结果不对就重写。
就这样，四个AI还学会了分工。有的收集食物和材料，有的做工具，有的去探路。发现问题的人，会找大家来沟通，省得踩坑。
跌跌撞撞的通关之旅｜DeepMind
“四人小队”整得真跟西天取经一样。
末影龙之前，它们打死了其他怪物351次。四个AI淹死了67次，为此，它们还专门写了个程序——关于如何让游戏角色保持浮在水面上。
随便展开“一难”给大家讲讲：有一次，其中一个AI带着打龙要用的关键材料，离队友还剩八米的距离掉河里淹死了。剩下俩AI赶紧发消息，报出死亡位置，催促附近最近的队友去捡关键材料。还好，队友也是一个聪明的。
四个Agent还在互相共享经验｜DeepMind
打龙这关，它们折腾了将近十四个小时，被龙打死就有69次。被虐得多了，经验自然也多了。AI之间专门互相提醒：刚进战场别站着不动，龙会冲过来，把你撞飞。
AI执行的动作，都得靠自己写代码。整场游戏有五分之一的程序报错，AI还得回头修改。
就这么一路写，一路改，四人在游戏里闯荡了八十多天。一共死了605次，写了两千七百多个程序，终于在现实时间27个小时后，征服末影龙。
还写了6.33万行代码｜DeepMind
这场漫长的征程，凝结成为DeepMind这篇论文——研究AI如何在没有人类代打的情况下，击败终极Boss。
为什么全世界最聪明的团队，都在让自己研究的AI打一款老游戏。也许对人类和AI来说一样，《我的世界》是一本常看常新的教科书。
《我的世界》，一本AI操练教材
拿《我的世界》训练AI，远比这一轮大模型热潮流行得更早。
2016年，微软就有五位计算机科学家，天天研究怎么让AI在《我的世界》里爬上一座山。他们后来开放了一个叫Malmo的研究平台，让全球开发者都能用游戏训练AI。
2019年，MineRL（卡内基梅隆大学发起的《我的世界》AI研究项目）创办比赛，要求参赛者在限定的训练时间里，教会AI自己挖到钻石。
你可能觉得，不就挖个钻石吗？直到2025年，谷歌DeepMind才用DreamerV3首次实现不依赖人类示范，和预先安排的学习课程，让AI从零摸索出挖到钻石的方法。这项成果还登上了《自然》杂志。
2022年的MineDojo项目，收集了超过73万条YouTube游戏视频、约7000页Wiki百科，以及34万条Reddit帖子。光是这些视频，就有大约三十万小时，还有对应的英文解说文本。海量的《我的世界》资料，也是AI能在这个游戏上精进的关键｜MineDojo
2022年，OpenAI收集了七万小时的人类游戏视频，教AI像真人一样，通过鼠标键盘操作《我的世界》。这套方法叫VPT（Video PreTraining），AI不需要开发者提前告诉它每一步该按什么键，而是从玩家的视频里学习操作。AI学会了制作钻石镐，只不过成功率还只有2.5%。
2022年，《我的世界》就被OpenAI拿来做视频模型的预训练了｜OpenAI
2023年，Voyager（一个AI自主探索项目）又把GPT-4接进游戏，让AI自己给自己布置任务。AI学会一项技能，就把代码记下来，下次直接调用，延伸出了“固定技能，形成记忆”的能力。
AI打《我的世界》的历史，妥妥展示了AI能力是怎么一步一步进阶的。
相比之下，其他游戏就没有这种“优势”。国际象棋能训练AI的推理和策略，《星际争霸》让AI学会资源调度，但是它们还是围绕着固定的胜负目标走。
《我的世界》没有这样的限制。作为研究和训练AI的人，可以在一个非常庞大的游戏场景之下，设计题目和挑选场景；作为AI，可以在“开智”之后为自己设置命题。
AI的世界
《我的世界》是个自由度极高的游戏。它不规定用户怎么玩，盖房、种田、养动物、或是四处溜达，都能玩上很久。硬核玩家在里面造“七大奇迹”，手搓布达拉宫，还有人用游戏里的电路元件，搭出了真能运算的计算机。
硬核玩家在《我的世界》里搭出了一套神经网络｜@辰占鳌头UP主
不管是给猪圈修门，还是手搓8位计算机，万变不离其宗，都需要玩家在《我的世界》里通过移动、挖方块、放方块、合成这些单一操作。
Minecraft Universe给《我的世界》整理出3452项基础任务，这些任务可以像拼乐高一样，搭建起一个庞大的游戏世界。
比如“打败末影龙”这个大任务，每一步都能继续拆解成具体的小任务。
AI得备战——就得准备武器——造武器得先找铁——找铁得挖矿——挖矿得用镐子——造镐子。挖完矿还要找燃料，用炉子熔炼。忙到一半累了饿了，得吃饭睡觉。一个“造武器“的小任务，就延伸出了一条生产线。
Gemini自己理解的任务链｜DeepMind
很多针对AI的考试，只看它能否给出标准答案。但是《我的世界》非常适合考验AI的“主观能动性”，先做啥，准备多少材料足够，哪个队友靠谱适合干啥，都要“玩家”自己安排（写程序，并且测试程序能否跑通）。
当然，前提是游戏提供了足够的开放度。游戏地图可以随机生成，也能用同一个地图种子复现实验。资源、怪物、昼夜和游戏难度都能调整。虽然只是一堆方块，却延展和囊括了空间、资源、工具和环境变化这些要素。
因此玩家在明确的任务目标下，能够展现出复杂多样的解题过程。有研究者甚至专门设计了一个评价系统，让AI评价另一个AI的游戏表现。
不过，这些研究AI的专家投入这么多精力，不是为了让AI成为MC专家。让四个Gemini组队打龙，实际上研究的是未来AI之间如何协作。
创造、交流、试错、总结、协作能力，是不是都练出来了｜DeepMind
今天人类“指挥”AI已经从“把这篇论文翻译一下”到“你做一款软件出来”。写一小段代码已经不稀奇，但是让它们连续工作十几个小时，中间调用上千次工具，有记忆，懂配合，能协调，就够它们折腾一阵了。
至于大模型用什么工具、查什么资料、中途卡住怎么办，都由AI自己解决。我们只需要在最后，检查它们交上来的成果。
所以比起速通游戏，磕磕绊绊的开荒，给学者提供了更为丰富的研究素材。
2016年，AlphaGo击败李世石，一盘围棋让全世界认识了“人工智能”。2026年，四个Agent击败末影龙。换了一盘游戏，可能也是一个新的起点。
参考文献
[1]https://arxiv.org/html/2610.22319?utm_source=chatgpt.com
[2]https://ascii.jp/elem/000/004/436/4436545/?utm_source=chatgpt.com
[3]https://craftjarvis.github.io/MCU/?utm_source=chatgpt.com
