Minecraft 成 AI 最嚴峻考驗 各實驗室競相挑戰破關

矽谷最搶手的 AI 研究人員有了新執念，而那不是聊天機器人，也不是寫程式的助理，而是 Minecraft。這款方塊風格的生存遊戲，玩家要捶樹取木、挖礦、合成工具，最後獵殺巨龍，如今已成為自主 AI 代理最新的試煉場。問題說來簡單，卻難以回答：機器能否像人類孩童那樣，從零開始學會玩一款漫長且沒有固定結局的遊戲？

想在 Minecraft 裡玩得好，光靠反應不夠。代理必須自行設定目標、記住看過的事物、規劃數千步的行動，並從錯誤中復原。在洞穴裡轉錯一個彎，可能就意味著全盤皆輸。探索、記憶與長程規劃的這種組合，正是當今大型語言模型仍難以駕馭之處，也因此各實驗室紛紛把這款遊戲變成基準測試。

各家做法不一。有些研究人員讓單一模型（例如 Claude）獨自挑戰，靠反覆試錯學習。也有人嘗試更快、更專精的代理。Google 近日另闢蹊徑，把四個 Gemini 模型組成一支隊伍，讓它們從零開始合作，一邊分工、一邊共享資訊，朝同一個目標推進。每種方法都揭示了 AI 系統如何失敗、又如何復原的不同面向。

研究成果以論文發表並在排行榜上互相比較，把玩家的沙盒變成了競技場。這場競爭之所以重要，是因為受測的技能並不限於遊戲。一個能在 Minecraft 裡熬過一夜、蓋起庇護所、規劃前往遠方目標路線的代理，展現的正是現實任務所需的能力，從倉儲機器人到代訂行程、管理時程的軟體皆然。

Minecraft 並非第一款擔此重任的遊戲。西洋棋、圍棋等棋類多年前就已被攻克，電玩也長久以來被用來測試 AI。但那些遊戲大多規則固定、勝負分明。Minecraft 開放而無單一正解，因此更接近代理在實驗室外將面對的混亂、模糊的問題。

這股熱潮也反映 AI 產業衡量進展方式的轉變。靜態測驗的基準分數日益被視為容易鑽漏洞或過度擬合。一款要花數小時才能完成、且每個決定都會層層累積的遊戲，則更難造假。這使 Minecraft 成為各實驗室炫技的熱門舞台，也讓外界得以判斷一個代理究竟是真有本事，還是只擅長短暫衝刺。

目前尚無模型能在無人協助下令人信服地通關。但這場競賽本身已透露端倪。每一次新的嘗試都帶來關於記憶、規劃與團隊合作的經驗，並回饋到下一代模型。對全球讀者而言，重點在於：AI 的下一次躍進，或許不會來自更大的聊天機器人，而是來自一台能學會在陌生世界中生存的機器。