硅谷的天才们怎么天天研究让 AI 在《我的世界》里砍树？ - 赛马彩池介绍硅谷那些最聪明的大脑，如今每天的工作内容就是琢磨怎么让AI在《我的世界》里速通。
砍树、挖矿、制作装备、击败末影龙——这些统统成了他们的研究课题。研究完成后，他们还会发表论文，与其他AI一较高下。
有些人用Claude单个AI闯关，有些人则研究如何借助Jev实现速通。谷歌最近更是让四个Gemini组队，从零开始“取经”。
《我的世界》现在几乎成了AI圈的“科目三”，而且玩法越来越有趣。
从“单打独斗”到“四人协作”
让我们看看AI在《我的世界》里的进化历程。
Claude时期，开发者为它准备好了采矿、制作装备和战斗的工具，让它自主决策下一步动作，再调用工具执行。最终，Claude用了不到四个小时，击败了游戏中的大Boss末影龙。
更进阶的版本是两个模型合作：GPT6-Astra负责规划，Jev（擅长快速决策）负责选择动作，最终以八分四十三秒通关。当时，这还被当作“Jev的成功案例”在社交媒体上热传。
最新进展是四个Gemini 4 Argon组队，从零开始手搓《我的世界》，它们只有一个既定目标——打败Boss。
四个Gemini空手进入游戏，没有人类编写的程序可依赖，砍树、挖矿、制作装备都得从头学起。要砍树，就写一段砍树代码；要挖矿，就写一段挖矿代码。写完后执行，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，有的制作工具，有的负责探路。遇到问题的人会召集大家沟通，避免踩坑。
这趟跌跌撞撞的通关之旅，真像西天取经。
在击败末影龙之前，它们打死了其他怪物351次。四个AI淹死了67次，为此还专门写了个程序——教角色如何保持浮在水面上。
随便讲一个“劫难”：有一次，一个AI带着打龙的关键材料，离队友仅剩八米时掉河里淹死了。剩下两个AI赶紧发消息，报出死亡位置，催促最近的队友去捡材料。还好，队友足够聪明。
打龙这关，它们折腾了近十四个小时，被龙打死了69次。被虐得多了，经验自然也积累起来。AI之间会互相提醒：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。整场游戏中有五分之一的程序报错，AI还得回头修改。
就这样一路写、一路改，四个AI在游戏里闯荡了八十多天。它们总共死了605次，写了两千七百多个程序，终于在现实时间27个小时后征服了末影龙。
这场漫长的征程，凝结成了DeepMind的论文——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，都在让自家AI打一款老游戏？也许对人类和AI来说，《我的世界》都是一本常读常新的教科书。
《我的世界》，一本AI操练教材
用《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，不就是挖个钻石吗？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。这些视频大约有三十万小时，还配有英文解说文本。海量的《我的世界》资料，也是AI能精进的关键。
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，AI不需要开发者提前告诉它每一步该按什么键，而是从玩家视频里学习操作。AI学会了制作钻石镐，但成功率只有2.5%。
2023年，Voyager又把GPT-4接进游戏，让AI自己给自己布置任务。AI学会一项技能后，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，清晰展示了AI能力如何一步步进阶。
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，但它们仍围绕固定的胜负目标展开。
《我的世界》没有这种限制。作为研究和训练AI的人，可以在庞大的游戏场景中设计题目和挑选场景；作为AI，可以在“开智”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。
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为《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。
很多针对AI的考试，只看它能否给出标准答案。但《我的世界》非常适合考验AI的“主观能动性”：先做什么、准备多少材料、哪个队友靠谱适合干啥，都要“玩家”自己安排（写程序，并测试程序能否跑通）。
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，其中就涉及类似赛马位置Q的评估逻辑，用来判断AI在特定情境下的决策优劣。
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《我的世界》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？
今天，人类“指挥”AI已经从“把这篇论文翻译一下”进化到“你做一款软件出来”。写一小段代码已不稀奇，但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。