遊戲世代 驅動AI創新的新物種

文／廖志德   圖／達志影像

距離第一次工業革命，歷史約莫走了270年，演化的軌跡，有偶然也有必然。技術的持續創新是必然，但偉大的突破，往往來自不可預期。1769年， 瓦特改良蒸汽機， 帶動工業由傳統手工朝向機器生產的飛躍前進；2025年，則普遍被視為AI大規模應用的關鍵轉折年，將引領人類邁向不可思議年代。然而，當許多人埋首於生產效率、作業流程與市場競爭之際，另有一群人以「遊戲」作為驅動AI創新的啟動點、不懈地向前奔跑。

Google旗下的DeepMind研究部門，就是典型代表。他們的發展路徑與多數開創AI新局的開發團隊相似，都是以遊戲作為探索AI未來的起手式。最早起步、後續在通用AI領域影響力相對降低的IBM，即在1997年揭開人工智慧的序幕。該公司的超級電腦「深藍」(Deep Blue) 對上當時西洋棋世界冠軍卡斯帕洛夫(Garry Kasparov)，最後「深藍」以2勝1負3和的總積分，擊敗世界棋王。但從此之後，IBM在AI這個領域似乎有點消聲匿跡。

啟動AI革命的遊戲玩家：哈薩比斯

後起之秀OpenAI，後來居上。該公司展開的遊戲實驗， 包括： 魔術方塊、Dota 2、Minecraft 等專案，希望促成機器人自主學習，快速應對從未遇過的情境。透過魔術方塊，OpenAI訓練出一對神經網絡，能在模擬環境中完成虛擬任務、學習如何操控物件，最終具備解決現實世界問題的能力。

相對於OpenAI和IBM ， DeepMind在遊戲領域著墨更深， 深受創始人哈薩比斯(Demis Hassabis) 影響。哈薩比斯四歲開始學西洋棋，經過兩週就在比賽中贏過大人，此後過關斬將，並在13歲獲得國際西洋棋大師的頭銜。身為神童的他，後來未在西洋棋領域發展。11歲時，他察覺自己用於訓練的電子棋盤似乎蘊含智能，此發現令哈薩比斯極度著迷：一塊沒有生命的塑膠塊，如何下得如此出色？這大哉問，觸發他轉向探索智能本質，開始編寫小型AI遊戲。17歲時，已成為相當卓越的遊戲設計師，負責開發並整合AI功能的《主題公園》模擬遊戲，在商業上獲得巨大成功，全球銷售超過1,500萬套。

橫跨電玩遊戲和人工智慧兩大領域，是哈薩比斯推動AI創新與眾不同之處。目睹「深藍」與卡斯帕洛夫的比賽，使他對早期AI的局限性感到失望，正如哈薩比斯接受《MIT科技評論》採訪時所提：「深藍完全依賴人類程式設計師精心編寫的啟發式規則，以及強力搜索的蠻力，它能夠達到世界頂尖的西洋棋水準，但除此之外，如果不重新編撰程式，深藍連井字棋都不會下。」深藍缺乏學習新事物的能力，不像人腦具有通用性。哈薩比斯認為，具有學習能力及通用性，才算真正的人工智慧。

如果能夠如果能夠創造出「從零開始學習複雜任務」的智能體，該有多好？年輕時經歷的事件，成為創新的觸媒，激發哈薩比斯先後進入倫敦大學、麻省理工、哈佛大學，從事認知腦神經科學的研究，深入探索人腦運作機制。人類的想像力，是一種經驗重組機制，大腦能將過去的經驗，重構成為未來場景，而這正是智能學習的基礎。以這核心精神，哈薩比斯在2010年成立DeepMind，運用遊戲研究智能學習的本質與形式。

遊戲具環境可控、規則明確、回饋即時、結果可量化的特性，是訓練及測試AI絕佳的實驗場域。在遊戲裡，人工智慧可以在數百萬次的嘗試錯誤中，學習策略、預測他人、發現模式、創造新知識。遊戲是真實世界的微平行宇宙，如果AI 能夠掌握其運行的結構與邏輯，我們就有機會套用同樣的學習模型，處理真實世界中，商業決策、物流規劃、醫療診斷等複雜的任務。

我們的文化，都是被玩出來的！

圍棋遊戲， 是DeepMind 研究AI的聖母峰。複雜程度遠遠超過西洋棋，可能的棋步組合，估計高達10的170次方，數量比整個宇宙的原子還多。圍棋長久以來，被視為人類直覺與創造力、最不容易被攻克的堡壘。DeepMind使用創新的方法，訓練AlphaGo人工智慧。

首先，透過觀看人類專家數千萬的棋譜資料庫，學會預測對手可能的行動，然後研擬策略。接著，AlphaGo自我對弈數百萬局，進而發展出超越人類的致勝能力。2016年，AlphaGo以四勝一負的戰績，擊敗世界棋王李世乭，第二局第37 手，AlphaGo下出數千年從未見過的棋步，最初被頂尖解說員認為是失誤，經過一百多手之後，證實這步棋是不可思議的一手、充滿創造力的一步棋、AlphaGo 致勝的關鍵，此後人們都以「神之一手」來稱呼。

人工智慧從此改變圍棋的發展史，此後再無任何人打敗過AlphaGo。過去棋王們對弈遺留下來的珍貴棋譜，現在基本上不再具訓練價值，只剩下歷史資產的價值，因為運用AI訓練棋手，更有助於提升棋力。

審視AlphaGo令人驚豔的37手，我們不得不誠心反思：如果沒有遊戲，AI還會發展如此神速嗎？

翻閱西方文化史研究的經典著作《遊戲人》(Homo Ludens) 帶來全新啟示。根據維基百科的引述：「我們的文化系統，諸如政治，科學，宗教，法律等，都是由帶有遊戲性的發展，隨著時間加深其儀式化而成。」真如《遊戲人》封面所強調的這樣嗎？我們的文化，都是被玩出來的？人類社會所有的文明發展，最早的形式來自遊戲，缺少遊戲成分的形式下，真正的文明不可能存在？

有點誇張不是嗎？文明的發展有著無限的可能性，只能說人類是喜歡遊戲的物種，這使得遊戲成為文化相當重要的元素。

我們在遊戲中展現本性、自由與創造力。遊戲不只創造美好的時光，更幫助我們探索世界的規則，激發我們評估風險、建立團隊、預演未來的能力。遊戲具有強大的力量，事實證明，遊戲是塑造人工智慧的理想途徑。

哈薩比斯是典型的「遊戲人」，是企業領域的新物種，一個在遊戲中啟蒙，以遊戲為師，最終通過遊戲探索智能本質的創新者。由於有許多像哈薩比斯這樣的遊戲世代，在前方引領潮流，人工智慧才有了百倍速的進步空間，他們在慢速的自然演化過程中，推展出快速的人工演化，遊戲是他們孕育AI新生命的搖籃。

神奇的37手，揭示遊戲世代未來終將成為要角，現在人類已創造出能玩遊戲、學習遊戲、在遊戲中成長並創造的智能體。可預知的是，人工演化的腳步最終不會停歇，而是朝向更高維度的遊戲空間發展，由虛擬世界大步跨向真實世界。未來，無論企業、科學、教育、醫療、交通、物流等領域，都將成為AI的遊樂場，遊戲世代將與人工智慧同步演化，成為人類新世界的共同玩家與設計者。

AlphaFold
一年完成十億年的科研工作

模擬遊戲只是開始，真正的挑戰，是將遊戲中的學習模型搬到現實世界。科學研究不一定要正經八百、躲在象牙塔。2008年，華盛頓大學開發出一款名為Foldit的網路遊戲，試圖把困擾科學界長達半個世紀的生物學難題，轉化為人人可玩的遊戲，期望通過群眾外包(Crowdsourcing) 及分散式運算的嶄新模式，激發民眾參與科研的意願。實證結果證明，Foldit真有助於解決令人束手無策的問題。震撼時刻出現在2011年，科學家苦思15年未解的M-PMV逆轉錄病毒蛋白酶結構，被來自全球各地、數以萬計的遊戲玩家在十天內破解。他們不是博士，沒有傲人的學術背景，沒有設備精良的實驗室，只是一般玩家。蛋白質，是支持生命所有活動的關鍵角色。若能預測其折疊後的三維結構，便能掌握其運作功能。解析蛋白質結構，對於研發抗癌藥物、設計病毒疫苗、破解疾病機制，將產生相當大的進展。這項研究極其困難、複雜、耗時，科學界稱其為生物學的「登月計畫」。

Foldit的優異成果，證實遊戲確實有助於啟發人類的空間直覺，釋放玩家的創造力，通過競爭機制放大群體智慧，其成效甚至超越利用電腦進行蠻力運算的結果。應用Foldit成功訓練玩家的直覺和匹配能力，啟發哈薩比斯重新思索推動AI發展的新思維：人工智慧是否能模仿遊戲玩家所展現的直覺能力？

培養AI複製人類在遊戲當中不斷探索、嘗試、修正的做法， 促成DeepMind研發出AlphaFold來解析蛋白質結構。如果Foldit 展示的，是人類在遊戲中的智慧，那麼AlphaFold則是模擬玩家嘗試錯誤、比較調整、最佳化的行為模式。只不過，人工智慧比起人類更快速、精確、耐煩，而且從來不知什麼是疲倦。過去，一名博士生需花費四、五年，才能發現一種蛋白質結構，而科學界已知的蛋白質種類就有兩億種。現在，應用AlphaFold，一年內就已完成所有的解析。

也就是說，DeepMind在一年內完成了博士生十億年的研究工作。由於蛋白質是推動生物化學反應的關鍵要角，對於醫學界理解疾病及開發治療方法，有相當大的助益。基於AlphaFold在蛋白質結構預測的重大突破，哈薩比斯在2024年被推舉為諾貝爾化學獎得主。

類似哈薩比斯這樣的遊戲玩家不容忽視，我們期待遊戲世代，在未來扮演更關鍵的角色，激發出更大的創新能量。遊戲可以摧毀一個人，也可以成就一個人。遊戲世代，不應該與頹廢世代、躺平世代劃上等號。生命本身就是一場遊戲，有許多好玩的關卡在前方等待著我們，不容許我們逃避、浪費，不然真的太無趣，太可惜。

展望未來，我們要盡量設法將追求效率的工作交給AI，至於空餘的時間如何妥善運用呢？這真的值得每個人深思：用來磨練強大的思維能力、維持身體的健康、建立良好的人際關係、探索地球的雨林與峽谷、制定有益於公司及個人發展的經營策略；或用來跳舞、唱歌、寫書法，設計美好生活的新體制；還是用來對著寬闊的草原靜坐、發呆、沉思。當然，更重要的，是要用來享受生活與工作的樂趣。而這些事情，都是AI無法取代的。

時間如何運用，沒有固定的答案。幸福因人而異，每個人都是自己生命的遊戲設計師。自己的關卡自己設、自己的任務自己創，自己的演化路徑自己決定。好好摸索、好好設計，每個人都可以在AI浪潮中，找到適合的遊戲規則。

【更多精彩內容請見，《能力雜誌》2026年2月號，非經同意不得轉載、刊登】