每当新AI模型亮相时，总会有那么一招炫技的招数：让它们独立玩游戏，看看这小家伙的智力水平到底如何。

李世石和AlphaGo的五局围棋对局都快十年了。之后，谷歌的DeepMind在《DOTA2》和《星际争霸2》上打败了职业选手，2023年英伟达也推出了能玩《我的世界》的VOYAGER。这些都在不断证明，游戏真的是AI展示实力的最佳舞台。

你可能也感受到，过去十年AI发展得飞快，现在的大语言模型在训练和决策上跟AlphaGo比起来已经大不相同。然而，不管科技公司如何想炫耀成果，吸引普通人的注意，“让AI玩游戏”依然是个常见的招数。

最近，谷歌的AI模型Gemini 2.5 Pro成功地“完成了初代《宝可梦》通关”，这让它成为了AI领域的热议话题，谷歌的现任CEO Sundar Pichai和DeepMind的负责人Demis Hassabis都在推特上庆祝这一成就。

不过，像我前面说的，到了2025年，让AI玩游戏、甚至通关已经不是啥新鲜事了。而且初代宝可梦早在1995年就发布，难度并不高，向来以轻松休闲著称，即使是新手玩家也能快速上手，通关更是轻而易举。

那为什么让AI通关《宝可梦》这么重要呢？

其实，这个话题可以追溯到上世纪80年代的“莫拉维克悖论”（Moravec's paradox），它提到一个很有意思的观点：人类觉得简单的事情，AI反而觉得难；而人类认为复杂的任务，AI却能轻松应对。

莫拉维克曾经给这个悖论做过解释，他说：“让电脑像成年人那样下棋其实不难，但要让它拥有像小孩一样的感知和行动能力，就难得多了。”

这次AI Gemini能通关《宝可梦》，其实就是在给AI赋予这样的感知和行动能力。

1

对于AI来说，能够“独立通关初代《宝可梦》”其实是个比想象中复杂得多的挑战。

早在今年2月，美国一家公司叫Anthropic就推出了个叫“Claude Plays Pokémon”的技术实验，目的就是让他们的AI版本Claude 3.7 Sonnet来体验这款经典游戏，并以“通关”为目标。

不过，这个实验最后并没有成功，Claude 3.7的进度仅仅是挑战了三个道馆，拿到了三枚徽章。即便这个成就对人类玩家来说微不足道，但却是Claude经历了一年多的反复迭代才取得的成果。

据Anthropic透露，早在一年前的Claude 3.0版本，连游戏的“真新镇”都没法走出；而3.5版本稍微有所进步，到了“常磐森林”，但依然无法获得第一个徽章。

进展如此缓慢，主要是因为Claude在决策的时候总是犹豫不决，反复走过的地方也会无谓地再探索一遍，或者在地图的死角里卡着，甚至还会不断和一个没什么用的路人NPC交谈。

AI玩宝可梦：从新手到高手的成长之路

Claude的通关过程也面向大众进行了直播

看起来，Claude的表现似乎有点“智障”，比起AlphaGo在围棋或《星际争霸》中的表现，要逊色不少。但其实，这背后是两种训练方式的根本差异。

以前那些能在围棋和《DOTA2》中叱诧风云的AI，开发者会为它们提供游戏的基本规则和策略，搭配正向奖励的“强化学习”模型。

但是像Claude和Gemini这样的AI可就不一样了。它们并不专注于某一款具体的游戏，研究人员没有为《宝可梦》制定专属的规则或目标，而是让Claude这个通用模型自由地探索游戏世界。

这就像是把一个对宝可梦一无所知的新手放进游戏里，让他通过观察和学习，慢慢掌握游戏的玩法。

而且，Claude在玩游戏时获得信息的方式和人类一样，都是通过游戏画面。早期版本的Claude常常撞墙，主要是因为现代游戏中的壁垒对它来说像是迷雾，而人类玩家却可以轻松看出。

AI需要为画面中的每一个坐标点标注信息，红色被视为无法通过的区域

有趣的是，虽然宝可梦的属性克制系统很复杂，但Claude对此却很快就掌握了。比如，当它发现电属性技能对岩石系宝可梦的“效果一般”时，Claude立刻就明白了这个关键信息，并能及时运用到后续的配队和战斗策略中。

AI也能玩宝可梦？看看Claude的聪明表现！

大家可能会好奇，研究人员怎么知道AI真的搞懂了“属性克制”这回事呢？其实，现代的大语言模型已经能够把它的思考过程清晰地展现出来。

Claude在宝可梦中，左边会实时显示每一步的决策过程

就像图中看到的那样，Claude在用比比鸟对抗电系的小磁怪时，仔细分析了自己手上的四个技能：

“翅膀攻击这种飞行系的招式对电系的小磁怪效果一般。”

“像起风和电光一闪这样的技能只能造成中等的伤害。”

“泼沙虽然能降低命中率，但并不会直接造成伤害。”

最后，Claude给出了自己的总结：

“由于比比鸟在属性上有劣势，我需要尽快解决小磁怪。最好的选择可能是翅膀攻击，虽然效果一般，但这是我最强的招式。让我按三次‘下’，再按一次‘确定’来选择翅膀攻击。”

虽然现在的思考看起来还是比较基础，但是相较于AlphaGo那种完全“黑箱”的决策方式，Claude和其他以大语言模型为基础的AI，确实在实用性上迈出了重要的一步。

AI的游戏思维：Claude的“人类化”选择

你可能还记得，早年间AlphaGo在围棋上可是让人惊艳不已，它总能下出一些让人捉摸不透的“妙手”，最终赢得比赛。不过，有一点让人感到可惜：AlphaGo的决策过程是通过“强化学习”训练而成，这样的过程实在难以用人类的语言来解释。要是棋手们能理解它的思考逻辑，或许能从中获得更多启发呢。

说到Claude，它在玩宝可梦的时候，虽然在策略上没有什么特别出彩的表现，但它的思考过程却展现出了一些让人意想不到的逻辑。

举个例子吧，当Claude在“月见山”这个地图里迷路，觉得无法通过正常方式走出洞穴时，它竟然做出了一个特别“人性化”的选择：

“我现在最好的办法是故意输掉一场战斗，这样我就能被传送回上次到达的宝可梦中心，也就是4号道路上的月见山宝可梦中心，然后我可以按之前的路线去华蓝市。”

再说说Claude的另一个小插曲。在游戏的早期阶段，它接到了寻找NPC“大木博士”的任务，但游戏中并没有提供清晰的指引，也没有描述NPC的外貌。面对这种“模糊的目标”，AI可真是感到挑战。

接到任务后，Claude进行了非常“人性化”的思考：“我注意到下方出现了一个新角色——黑发、白外套的角色，坐标在(2, 10)，这可能是大木博士！我去和他聊聊。”

结果它和一个跟任务毫无关系的NPC聊了好几次，最后才意识到这个并不是它想找的大木博士。

3

最近在同一款游戏中脱颖而出的AI Gemini，吸引了不少关注，不仅因为它在没有任何规则提示的情况下完成了游戏，官方统计显示，Gemini的操作总步数大约是10.6万次，甚至比Claude在获得第三个徽章时的21.5万步还少了一半。

AI Gemini：游戏中的新星，挑战与机遇并存

Gemini通关初代宝可梦

表面上看，Gemini似乎比Claude更聪明，但项目负责人JoelZ也坦言，直接比较这两者并不合适，因为他们的测试条件并不完全一样。

核心差别在于“代理执行框架”，也就是Agent Harness，它是连接AI和游戏的桥梁，负责处理输入的各种信息，比如游戏画面和文字数据，然后把AI的决策转化为实际操作。

从官方发布的信息来看，Gemini的代理执行框架在某些方面的确超越了Claude，比如在地图分析上，它不仅给每个区域加上了坐标，还标明了这些坐标是否可通行，这对那些不太擅长处理像素画面的语言模型来说，帮助非常大。

不过，正如开发者所说，让AI来玩《宝可梦》，其实并不是为了单纯比较不同AI的优劣。

像《宝可梦》这样的游戏，更考验AI对环境的感知能力、理解模糊目标的能力以及长远规划的能力。AI需要不断分析游戏画面、理解不同阶段的规则，并将其决策转化为具体操作。为了看AI是否能在没有人干预的情况下通关，这也是为了证明它具备独立学习的能力，能处理现实中一些复杂问题。

从早期的围棋到如今的《宝可梦》，AI在实验和展示能力上的逐步演变，绝不仅仅是为了吸引眼球，同时也展示了这项技术的进步方向：从解决单一问题的专家，向能够自我学习、跨领域解决问题的通用人工智能迈进。

你有没有想过，为什么那么多AI公司都选择《宝可梦》作为它们的训练对象？其实呢，这款游戏不仅仅是个消遣，它讲述的是一个关于成长、选择和冒险的故事。回想一下，以前我们在游戏里研究进化和策略，而如今，AI正试图在这个虚拟世界里搞明白规则是什么。真是有趣吧！