下棋很強卻對電玩沒轍，AI 仍缺乏人類的應變能力
紐約大學（New York University，NYU）最新研究指出，人工智慧雖然已能在西洋棋與圍棋等固定規則的遊戲中擊敗人類高手，但一旦面對從未見過的現代電玩，適應能力仍然明顯不足。研究認為，這種落差顯示，目前許多 AI 的成功主要來自針對單一任務的精細優化，距離真正具備像人類一樣的通用學習與應變能力，仍有很大差距。
研究團隊表示，棋類遊戲之所以容易被 AI 攻克，是因為規則明確、環境封閉；相較之下，現代電玩更接近真實世界，不僅需要空間推理與長期規劃，還要透過反覆嘗試來學習，並根據變化即時調整，有些情境甚至涉及社交直覺等複雜因素。研究指出，許多 AI 在遊戲中的亮眼表現，其實建立在針對特定遊戲量身打造的系統上，一旦規則、畫面顏色或物件位置出現些微變動，表現就可能迅速下滑。
研究也提到，強化學習（Reinforcement learning）與大型語言模型都無法完全解決這個問題。強化學習雖然能在大量模擬中取得不錯成果，但通常必須經過數百萬甚至數十億次模擬，且多半只在訓練過的情境中有效；一旦情境改變，表現就容易崩潰。大型語言模型在陌生遊戲上的表現同樣不理想，往往需要額外的遊戲專用架構來解讀狀態、管理記憶並執行動作，若移除這些支援，表現便會明顯下降。
研究者認為，真正的遊戲 AI 應該能在沒有大量預先訓練、也沒有龐大模擬資源的情況下，在與熟練玩家相近的時間內從零學會新遊戲。研究團隊指出，這項能力不僅是遊戲表現的指標，也攸關 AI 能否在更複雜、更多變的真實世界中可靠運作。
AI can beat chess grandmasters, but it can’t adapt to modern video games
AI has mastered chess, so humans are changing the rules of the game
（首圖來源：Unsplash）