想要实现真正的人工智能，还需要AI玩角色扮演

从每个人嘲笑自己糟糕的选择和糟糕的掷骰子结果来看，他们都已经死了，你只是不知道。作为一名社会人类学家，我研究人们如何理解人工智能(AI)以及我们为实现人工智能所做的努力。我也是《龙与地下城》(D&D)的终生粉丝，这是一款创造性的奇幻角色扮演游戏。在最近的一次任务中，当我扮演一个精灵游侠的时候，受训的圣骑士按照他的高尚品格行事，并在一个龙巢穴口宣布了我们的存在，结果当然是灾难性的。虽然在D&D里，成功意味着“打败坏人”，但这个游戏也是一个创造性的沙盒，只要你有能耐讲述一个伟大的故事，失败就可以算作集体胜利。

那这和AI又有什么关系?在计算机科学中，游戏经常被用作算法“智能”的基准。已故的罗伯特•维伦斯基(Robert Wilensky)是加州大学伯克利分校(University of California, Berkeley)的教授，也是人工智能领域的领军人物，他为我们提供了一个原因。他告诉《强迫性技术：计算机文化》(1985)一书的作者们，计算机科学家们“环顾四周，看谁是最聪明的人，当然，那就是他们自己。他们基本上都是经过训练的数学家，数学家做两件事——证明定理和下棋。如果他们说，嘿，如果它能证明一个定理或者下棋，那它一定很聪明。”毫无疑问，人工智能的“智能”集中展示在了人工智能玩家的能力上。

然而，那些被选中的游戏——就像最近几年谷歌DeepMind算法的主战场围棋——往往受到严格的限制，有设定目标，有明确通往胜利或失败的道路。这些体验都没有D&D开放的合作。这不得不让我思考：我们需要一个新的智力测试吗?在这个测试中，我们的目标不仅仅是成功，而是讲故事。在D&D游戏中，人工智能如果可以作为人类“通过”的话那意味着什么?也许我们需要一个精灵游侠测试而不是图灵测试?

当然，这只是一个有趣的思维实验，但它确实突出了某些智力模型的缺陷。首先，它揭示了智能如何在不同的环境中工作。D&D玩家可以在许多游戏中扮演许多角色，玩家可以在不同角色之间“切换”(战士、小偷、医生)。与此同时，人工智能研究人员知道，想要找到一种训练有素的算法，并且这种算法可以应用到哪怕只是稍有不同的领域，这都是极其困难的——但是我们人类在这方面却出奇地表现的非常好。

第二，D&D提醒我们，智慧是具体表达的。在电脑游戏中，身体方面的体验可能会从按下控制器上的按钮来移动图标或化身(乒乓球拍;一艘宇宙飞船;一个拟人化的，永远饥饿的，黄色的球体)，到最近的身临其境的体验，包括虚拟现实护目镜和触觉手套等。即使没有这些附加功能，游戏仍然会产生与压力和恐惧相关的生物反应(如果你玩过《异形：隔离》，你就知道我在说什么)。在最初的D&D中，玩家会围坐在一张桌子旁，感受故事及其影响。最近的认知科学研究表明，身体的互动对于我们如何理解更抽象的精神概念至关重要。但我们很少关注人工智能的体现，以及身体互动如何影响人工智能学习和处理信息的方式。

最后，智力是社会性的。人工智能算法通常通过多轮的竞争来学习，在这种竞争中，成功的策略通过奖励得到强化。的确，人类似乎也通过重复、奖励和强化的方式来学习。但人类智慧有一个重要的协作维度。20世纪30年代，心理学家利维·维果茨基(Lev Vygotsky)将专家和新手之间的互动视为一种被称为“支架式”学习的例子，在这种学习方式中，教师进行演示，然后支持学习者学习新技能。在无界游戏中，这种合作是通过叙述来进行的。在小孩之间的这种游戏可以从赢/输演变成可怕的怪物的攻击，然后再转向更复杂的叙述，解释为什么怪物在攻击，谁是英雄，他们能做什么，为什么——虽然叙述并不总是合乎逻辑的，甚至内部不兼容。一个能够参与社会叙事的人工智能无疑比下棋的人工智能更可靠、更多功能;并且现在还没有人能保证学会下国际象棋可以让我们向获得这种人工智能更近一步。

在某种程度上，没能将这种将角色扮演视为人工智能的技术障碍是很奇怪的。正如凯蒂•哈夫纳(Katie Hafner)和马修•里昂(Matthew Lyon)在《巫师熬夜之地：互联网的起源》(Where Wizards Stay Late：the Origins of the Internet, 1996)中所指出的那样，D&D是20世纪80年代科技工作者重要的文化试金石，也是许多早期基于文本的电脑游戏的灵感来源。即使在今天，在空闲时间玩游戏的人工智能研究人员也经常特别提到D&D。因此，如果我们试着教人工智能像圣骑士和精灵游侠那样一起玩，而不是在游戏中打败对手，我们可能会学到更多关于智能的知识。