6
0NYU 教授 Julian Togelius 做客节目，从 2004 年研究游戏 AI 的亲历讲起，谈游戏为何是最宽广的智能测试床、机器学习为何二十多年进不了游戏业、AI 打游戏的标准该定多严，以及他为什么要写一篇题为"我们发明了错误的 AI"的文章。
本期内容
Julian Togelius 从 2004 年开始研究电子游戏里的 AI，那时学界的主流判断是国际象棋和围棋才叫问题，他常被问"真正的研究是什么"。二十多年后，他已是纽约大学计算机科学与工程系教授、自动游戏测试公司 modl.ai 的创始人，仍然要回答一个更尖锐的问题：我们有 LLM 了，为什么大多数游戏跑的还是行为树和对话树？这期对谈以这条线索展开。
节目切入的方式是从 2005 到 2006 年的一次经历说起：他带着用进化神经网络驱动的赛车去过游戏公司。他没有把回答停在"游戏业太保守"上，而是先把"什么算 AI"这个问题拉宽——《F.E.A.R.》和《光环 1》里那些让人记住的敌人，靠的是行为树和状态机，不是神经网络；他在天空盒里做过分别用大约 100 层网络和简单的决策树控制狗的程序，后者同样跑得很好。AI 的起点远早于 2022 年。
随后是整期最反直觉的一段。面对"为什么机器学习进不了游戏"这个提问，他先承认保密和算力两重现实：游戏业极度保密，还叠加内部的文化战争，美术与策划担心被取代，所以实际在用 AI 的比公开的要多；算力上，玩家要买断游戏，绝不按小时付费，所以计算必须发生在设备端。但他给出的硬答案在后面——游戏不是为需要 AI 而设计的。类型谱系冻结在 80 年代，有人给《上古卷轴 5：天际》做 mod 把 LLM 塞进去替换对话树，游戏直接被毁掉：NPC 幻觉乱答、任务脱轨，没有任何东西把你推向目标。
话题转向行业低谷与"谁是玩家"，落点却是通用智能的标准。他痛骂 AGI 是垃圾术语，又给出一把可操作的尺子：在未见过的游戏里，用与一个真人相同的用时学会玩。电脑游戏成千上万，他想看到的是机器能像人一样玩通前一千款、前一万款。按这个标准，本期被端上来的 Voyager、GPT-6 通关《辐射 3》和《环世界》都不算数。他顺带重新定义了 reward hacking：从设计师视角看，AI 找到你没想到的打法，是设计有缺陷，而这正是自动游戏测试要抓的。
结尾落在产品与个人：他离开纽约大学去瑞典查尔姆斯理工大学，到查尔姆斯是为了能开风气之先的快节奏；他评价个人助理的准绳是"帮助你不替代你"，认为苹果那个 Siri AI 是真正的系统集成和 computer use；最后说喜欢 playtesting 式设计、爱 roguelike，喜欢跟模型打交道的人来他这里做博士。
核心观点
Julian Togelius 认为，电子游戏是比任何基准都宽广得多的 AI 测试床——因为每个游戏都是对现实的一种抽象，而好游戏提供平滑学习曲线，所以游戏设计本质上就是教学法。他用三个例子说明游戏都在抽象现实：俄罗斯方块看着毫无现实感，本质就是装箱打包（他自己全家行李塞进一辆小车就是俄罗斯方块问题）；《星际争霸》是军事战役，也是给一个组织做资源与后勤调度；RPG 抽象的是情绪管理与理解复杂叙事。第二层论证是：游戏之所以好玩，是因为它一直给反馈、让人越玩越好，所以设计良好的游戏就是一条平滑学习曲线——「游戏设计在很大程度上就是教学法」，而那些反馈正是训练 AI 需要的奖励信号。他还指出大众对游戏的想象太窄（以为就马里奥、太空侵略者），实际关于一切的游戏都有，光电子游戏这一类，其多样性就已经远超常用基准。
【反直觉】Julian Togelius 认为，机器学习进不了游戏业，深层原因不是算力、保密和买断制，而是游戏从一开始就被设计成「不需要 AI」——游戏类型和设计约定在 80 年代就冻结了，今天我们根本不知道如何为 LLM 这样的新能力做设计。大家原来以为大多数圈内人的解释是：游戏业保密、玩家没有跑神经网络的硬件、游戏要靠买断制不能按小时收算力费——所以 AI 进不去。他先承认前两层原因真实存在：游戏业极度保密，实际用 AI 的比公开的多（EA FC 的守门员已由强化学习网络控制），而且内部还有一场文化战争，美术和策划担心被取代；算力上 GPU 本职是做图形，那网络跑在哪里，加上玩家只愿买断、绝不按小时付费，所以计算必须发生在设备端。但他给出真正的硬答案：游戏是建立在前人设计决策之上的，类型谱系被冻结在时间里——RPG、动作 RPG、FPS 都诞生于现代 AI 算法出现之前，甚至连对话树这种他自己称为愚蠢无聊的做法也因玩家预期而存续。最有力的证据是：有人给《上古卷轴 5：天际》做 mod，把 LLM 塞进去替换对话树和脚本，结果直接毁掉了游戏——玩家问错问题、NPC 幻觉乱答、任务完全脱轨，没有任何东西把你推向目标。他总结：有人非常努力地试过，比如《黑与白》，但那之后几乎没人复刻。
【反直觉】Julian Togelius 认为，真正的通用智能标准是在一个从未见过、也没在相近内容上训练过的游戏里，用与单个真人相同的用时、玩到与真人相当的水平——而且不是一款，是前一千款；按这个标准，今天所有 AI 通关游戏的成果都不算数。大家原来以为大家以为 AI 已经会玩游戏了：Voyager 玩通了《我的世界》、GPT-6 通关了《辐射 3》和《环世界》，所以「AI 打游戏」这一关基本过了。他先痛骂「AGI」是个垃圾术语，却仍给出了可操作的尺子：可以在与单个真人相同的用时内学会玩——不是从零学会、也不是开箱即会，而是非常快地学会，因为人类就是这么做的；同时不能靠开一万局并行暴力试错，也不能玩的是训练时见过的游戏。据此他逐一否掉现场被举出的成果：《我的世界》是全球最著名的游戏之一，文字和通关视频多到离谱，所以 Voyager 不算没见过的新游戏；GPT-6 打《辐射 3》《环世界》靠的是暂停—行动—再暂停，实时性不达标，而且它几乎肯定训练时见过这些游戏。他甚至给出一种实验设计：把一间游戏工作室放到南极、做气隙隔离，开发一款游戏再拿来测。他还顺带把 reward hacking 重新定义：从设计师视角看，AI 找到钻空子的打法，恰恰说明你的游戏设计有缺陷，这正是自动游戏测试的用武之地。
【反直觉】Julian Togelius 认为「我们发明了错误的 AI」：先模仿人类写下的全部文本、再教它去做人做的事，这个方向本身就错了；最好的 AI 应该像计算机和数据库一样无聊，替人做人不愿做的事。大家原来以为大家以为 AI 越像人越强，所以把所有人类文本喂给模型、让它像人一样写文章、画图和做决策，就是通往智能的正确道路。他自称想写一篇措辞强硬的文章，核心就是这句话：我们发明了错误的 AI。他说我们选择造一个尽可能像我们的东西，但其实还有有趣得多的方向。他的论证靠一个反常识的类比：数字计算机最初被发明时怎么不叫超级智能？因为它们干的正是人做过但不想做的事——手算加减乘除、按公式解二次多项式——这完全可算法化，于是我们造出执行它的机器，那本来就该叫超级智能，只是当时没这个词。由此他给出定义性判断：最好的 AI 就是替我们做我们不想做的事，好让我们专注想做的事；很多我们根本不视为 AI 的东西——数据库这种无聊的东西——才是真正的 AI，AI 本来就该是无聊的。他还举人工生命传统里元胞自动机上那些小小的生命形态：它们不会跟你说话、不能替你写代码、不能帮你报税，但确实是真正不同、非常有趣的东西。他强调，在个人助理之外还有别的位置：核心准绳是「帮助你不替代你」。
嘉宾
Julian Togelius（嘉宾）：纽约大学计算机科学与工程系教授，研究方向是"AI 用于游戏"。2004 年开始读博，硕士阶段研究进化机器人，之后转向游戏。自动游戏测试公司 modl.ai 的创始人，也在 Unity AI 董事会任职，年底将离开纽约大学前往瑞典查尔姆斯理工大学。语出时用"Digital Computer"和"Database"两个反例论证 AI 本应做的事。
（姓名未披露）（主持人）：本期两位与谈主持之一，持宽口径的 AI 观，熟悉游戏史与近期大模型动态（Siri AI、Jev、Fallout 3/RimWorld 通关等），是本期"为什么机器学习进不了游戏"和"AI 反噬"两条主线的提问方。
（姓名未披露）（主持人）：本期第二位与谈主持，主要负责追问与串场，涉及游戏规划、reward hacking、生成模态与招募博士生等问题。
（姓名未披露）（主持人）：节目中仅有一次简短插话，主持身份未在节目内明确。
技术背景
游戏 AI 的传统技术栈：行为树、有限状态机与 A*
现代游戏里的敌人 AI 大多不跑神经网络，而是由行为树、有限状态机这类基于规则的结构驱动：状态机用状态和转移描述行为，行为树用可组合的节点描述分层决策，寻路则普遍依赖 A* 算法及其在网格、导航网上的各种衍生版本。这条路线的关键作品很早，《F.E.A.R.》（Monolith Productions，2005 年）就以敌人会利用掩体、协同移动著称，让玩家误以为对方感知极强。Julian 在本期用这个事实拆掉"AI 始于 2022"的叙事：2005 年的规则式 AI 与今天的神经网络，都是"智能感"的实现方式，二者没有本质先后之分。他还提到达里尔·莫里斯在天空盒里用大约 100 层网络和决策树分别驯狗，效果相近。
为什么算力必须发生在设备端
游戏业的经济模型是买断制：玩家花一次钱买下游戏，不会为运行模型按小时付费。这决定了大规模服务器推理在游戏里没有直接商业模式，GPU 的本职又是渲染图形。于是真正需要在游戏运行时跑的计算，必须落在玩家自己的设备上，而这个预算被图形占了大半。本期把这条和保密放在一起谈，说明业界此前对机器学习冷淡，有一半是算术问题：不是不想用，是算不出这笔账。
游戏类型与设计约定的冻结
RPG、动作 RPG、第一人称射击的类型原型都诞生于现代 AI 算法出现之前，对话树这种结构简单、但玩家已经习惯的交互约定也一直沿用。Julian 的论点因此不是技术问题，而是设计问题：当你有一个能说任何话的模型时，不知道该围绕它设计什么样的游戏。他的证据是反面的：把 LLM 塞进《上古卷轴 5：天际》替换对话树和脚本，游戏直接崩掉；真正认真尝试过 AI 驱动设计的是《黑与白》，那之后几乎无人复刻。
即时战略、程序化生成与自博弈游戏研究
《星际争霸》是实时战略，也是对战时长短、资源与后勤调度的抽象，DeepMind 的 AlphaStar 就选它做研究平台；程序化内容生成（PCG）则用算法自动生成关卡、地形与道具，是 roguelike 类游戏的核心技术。这两条线共同支撑本期的一个判断：游戏研究之所以成立，是因为每个游戏都是对现实的一种抽象，而抽象之间差异极大——从俄罗斯方块到 RPG，从即时战略到模拟经营，覆盖面远超任何单一基准。Julian 本人偏爱程序化生成，也把《Spelunky》《哈迪斯》列为心头好。
Voyager 与"AI 会打游戏"的证据问题
Voyager 是 2023 年的 LLM 智能体研究（arXiv:2305.16291，以 NVIDIA 为主的研究团队），让 GPT-4 在《我的世界》中自主探索，核心机制是把代码当作动作空间、自动积累可复用的技能库、并根据环境报错反复自我修正。它在开放世界里的"通关"常被引用为 AI 会玩游戏的代表。Julian 的反驳不是能力层面，而是证据层面：《我的世界》是全球最著名的游戏，文字与视频多到离谱，所以它不构成一款未见过的游戏。他要求的测试是前一千款游戏、要干净得多。
视频世界模型与可作者性
Genie 3 是 Google DeepMind 于 2025 年 8 月 5 日发布的通用世界模型预览：给定一句文本提示或一张图，它以 720p、24 帧每秒实时生成可交互的三维环境，并能在运行中接受"可提示的世界事件"，几十秒到几分钟内保持一致性。DeepMind 明确它的用途是训练具身智能体、做能力评测，而不是成品游戏引擎。Julian 用它说明可作者性（authorability）问题，认为生成模型最终会落在呈现层：引擎负责逻辑并输出带语义标注的白盒几何，生成模型负责把它变成好看的画面。
时间戳
00:00 磊哥导读：游戏是AI最宽的考场
10:05 游戏为何值得做 AI 研究：从装箱的俄罗斯方块到宽口径的 AI 定义：Julian 讲 2004 年入行时被质疑"真正的研究是什么"，用俄罗斯方块、星际争霸与 RPG 说明游戏都是现实的抽象，用《F.E.A.R.》和《光环 1》说明 AI 不是 2022 年才有的。
17:06 为什么机器学习进不了游戏：保密、算力、买断制，以及"游戏本就不是为需要 AI 而设计的"：三层答案：行业保密与内部文化战争、买断制让算力必须留在设备端，以及最硬的第四点：类型与交互约定冻结在 80 年代，给天际塞 LLM 直接把游戏毁掉。
23:54 游戏业的低谷与保守化：爆款驱动、长青游戏扼杀创新、玩家"总是错的"：疫情后的需求宿醉、投资全涌向 AI、长青游戏让大厂不敢冒险，技术也不再是换机动力，活力只剩独立游戏层面，还有"热情税"和顾客总是错的讨论。
30:47 玩家用 AI 改游戏、主机生态复兴，以及拿游戏测 AGI 的严格标准：讨论谁是玩家、玩家用 AI 自制与模拟他人，由此他反直觉地看好封闭主机生态，并给出通用智能的可操作标准，逐条否掉 Voyager、GPT-6 的"通关"。
44:41 自动游戏测试、人机协作游戏设计，以及"我们发明了错误的 AI"：modl.ai 把最无聊的测试环节自动化，reward hacking 在设计师眼中就是设计缺陷；他由此展开那篇文章的核心：AI 本该像计算机和数据库一样无聊。
50:11 个人助理的准绳、真正的头条是 Siri AI、Jev 与结构化输出的差别、代码只是一个"好游戏"：个人助理应该帮助你不替代你；他抛出反直觉判断，真正的大新闻是 Siri AI 而非 Jev；随后把编程视为最好的一款游戏，用 Unity AI 说明非代码模态。
56:27 3D 资产的反馈 harness、Genie 3 与"引擎管逻辑＋生成模型管画面"，以及一个研究者的品味：3D 生成缺的不是能力而是评估纠错的 harness；Genie 3 发布引发股价下跌是不理性的，因为可作者性问题未解；最后他谈去查尔姆斯、招募与自己的游戏口味。
术语表
AI for games（游戏 AI / 面向游戏的 AI 研究）：用 AI 技术服务游戏本身——做更强的 NPC、生成内容、做测试——而不是把游戏只当成通用 AI 的考题。这是 Julian Togelius 的主要研究方向。
behavior tree（行为树）：游戏 AI 常用的层级式决策结构，用可组合的节点描述智能体行为，比有限状态机更易扩展。Julian 认为它是游戏业相当精妙的发明，存在有理由。
finite state machine（有限状态机）：用一组状态与转移规则描述行为的经典模型，是老一代游戏敌人 AI 的主力实现方式。
dialogue tree（对话树）：RPG 中预设分支的对话结构，玩家点选选项推进。Julian 认为它在技术上愚蠢无聊，但因为玩家预期和设计师习惯被冻结下来，一直没有被替换。
Black & White（《黑与白》）：Lionhead 的上帝模拟游戏，玩家用奖励和惩罚教一只巨兽行为。被 Julian 视为少数真正认真尝试 AI 驱动设计的游戏，但之后几乎无人复刻。
F.E.A.R.（《极度恐慌》）：Monolith Productions 2005 年发行的第一人称射击游戏，以敌人会利用地形、掩体和队友协同著称。本期用它说明 2005 年靠规则式 AI 就能做出"聪明"的对手。
**A* search**（A* 寻路算法）：游戏中最常用的路径搜索算法，业界有大量针对网格和导航网的精细衍生版本。
procedural content generation (PCG)（程序化内容生成）：用算法自动生成关卡、地形、道具等内容，是 roguelike 类游戏的核心技术，也是 Julian 偏爱的方向。
roguelike：每局随机关卡、死亡即重开的游戏类型，如 Spelunky、《哈迪斯》。节目里作为他个人口味的注脚出现。
modl.ai：Julian 七年前创办的自动游戏测试公司，让 AI 智能体代替人类试玩，把开发中最无聊的测试环节自动化。节目口播为"Model AI"。
reward hacking（奖励黑客）：智能体通过规则漏洞或非预期手段拿到高奖励。本期被重新定义为设计缺陷：AI 找到钻空子的打法，说明你的游戏设计有问题。
passion tax（热情税）：Julian 的比喻：游戏从业者极有才华，却因为热爱而来拿微薄薪资，相当于为自己的热情额外缴税。
live service（长线运营）：游戏上线后持续更新内容、长期留住玩家的运营模式。Julian 认为它让玩家失去换新游戏的理由，也降低了行业的冒险意愿。
Voyager：2023 年的 LLM 智能体研究（arXiv:2305.16291，以 NVIDIA 为主），让 GPT-4 在《我的世界》中自主探索。本期用它讨论"通关"能不能证明会玩游戏。
air gap（气隙隔离）：与外界在物理或网络上完全断开的隔离方式。Julian 建议把游戏工作室放到南极并气隙隔离，用来开发模型绝未见过的测试游戏。
Siri AI：苹果系统性集成的助手能力。Julian 认为它在系统集成和真正的 computer use（通过 API 调用系统，而不是看像素移鼠标）上领先前沿模型好几个数量级，但他对它的了解可能有限，具体名称也有不确定性。
Jev：本期讨论的一种非 LLM 的新模型架构：输入端是文本编码器，输出端是固定数量的经典网络输出，卖点是"超快且文本条件化"。嘉宾与主持人在速度上直接出现分歧。
Unity AI：Unity 引擎内置的 AI 系统，据 Julian 描述是强 LLM 加编排层调度扩散模型生成 2D/3D 资产。他是其董事会成员。
Genie 3：Google DeepMind 2025 年 8 月 5 日发布的通用世界模型预览：文本或图片提示下实时生成可交互环境，720p、24fps。Julian 认为它当前形态难以在其上构建游戏。
authorability（可作者性 / 可创作性）：内容能否被人类或模型以结构化方式精确指定与编辑。Julian 用它解释视频世界模型为何承载不了完整游戏：你说不清要生成什么，就设计不出游戏。
artificial life（人工生命）：研究人造生命形态与涌现行为的传统，例如元胞自动机上的生命体。Julian 举它作为"真正不同且有趣"的 AI 方向。
延伸阅读
原节目：。
本节目为英文原节目的中文译制，每位说话人都用自己的声音说中文，观点以原节目为准。
原节目：Why Video Games Still Don’t Use Modern AI | Julian Togelius (NYU)
原节目发布时间：2026-10-31
