他說：“我曾經(jīng)以為機(jī)器不可能打五對五的，更不用說贏了。我絕對被征服了�！�

這種技術(shù)在游戲中的應(yīng)用令人印象深刻，但許多人工智能專家質(zhì)疑它是否最終能轉(zhuǎn)化為解決現(xiàn)實(shí)問題。專注于人工智能的喬治亞理工學(xué)院計(jì)算機(jī)教授Mark Riedl質(zhì)疑到：DeepMind的代理人事實(shí)上并沒有真正在合作。他們只是回應(yīng)游戲中發(fā)生的事情，而不是像人類玩家那樣互相交換信息。（甚至渺小如螞蟻也可以通過交換化學(xué)信號進(jìn)行協(xié)作。）

雖然結(jié)果看起來像是協(xié)作，但這是因?yàn)榇�理人作為個(gè)體本身是可以完全理解游戲中發(fā)生的事情。

負(fù)責(zé)該項(xiàng)目的另一位DeepMind研究員Max Jaderberg則表示：“如何定義團(tuán)隊(duì)合作并不是我想要解決的問題。但是一名代理人在對手的大本營坐等旗子出現(xiàn)這種情況，只有在依靠隊(duì)友時(shí)才有可能出現(xiàn)�！�

像這樣的游戲并不像現(xiàn)實(shí)世界那么復(fù)雜。Riedl博士說到：“3D環(huán)境旨在使導(dǎo)航變得容易。Quake的戰(zhàn)略與協(xié)調(diào)很簡單�！�

強(qiáng)化學(xué)習(xí)非常適合這類游戲。在視頻游戲中，很容易識別成功的指標(biāo)：獲得更多的得分。但在現(xiàn)實(shí)世界中，沒有人能保持得分。研究人員必須以其他方式定義成功。

這一點(diǎn)是可以實(shí)現(xiàn)的，至少在簡單的任務(wù)中。OpenAI的研究人員訓(xùn)練了一個(gè)機(jī)器人手像孩子一樣來操縱字母塊——告訴它給你看字母A，它就會(huì)拿字母A給你看。

在谷歌機(jī)器人實(shí)驗(yàn)室，研究人員已經(jīng)證明機(jī)器可以學(xué)習(xí)拾取隨機(jī)物品，例如乒乓球、塑料香蕉，并將它們?nèi)拥綆子⒊咄獾睦�圾箱里。這種技術(shù)或許在將來可以應(yīng)用到亞馬遜、聯(lián)邦快遞和其他公司運(yùn)營的大型倉庫和配送中心。目前，這些工作還是由人類工作者來完成的。

如DeepMind和OpenAI這樣的實(shí)驗(yàn)室要想解決更大的問題，他們可能開始需要大量的計(jì)算能力。因?yàn)镺penAI的系統(tǒng)在幾個(gè)月內(nèi)通過完成需要多年時(shí)間才能完成的45萬多輪游戲?qū)W會(huì)了玩Dota，這依賴于成千上萬的計(jì)算機(jī)芯片。Brockman表示光買這些芯片就讓實(shí)驗(yàn)室花費(fèi)了數(shù)百萬美元。

卡內(nèi)基梅隆大學(xué)研究員Devendra Chaplot表示，由各種硅谷大拿，其中包括Khosla Ventures和科技億萬富翁Reid Hoffman在內(nèi)資助的DeepMind和OpenAI可以負(fù)擔(dān)得起這些計(jì)算能力。但是，學(xué)術(shù)實(shí)驗(yàn)室和其他小型企業(yè)不能。對某些人來說，他們擔(dān)心的是那些資金充足的實(shí)驗(yàn)室將主宰人工智能的未來。

但即使是大型實(shí)驗(yàn)室也可能沒有將這些技術(shù)轉(zhuǎn)移到現(xiàn)實(shí)世界的復(fù)雜性所需的計(jì)算能力，因?yàn)檫@可能需要更厲害的人工智能形式——人工智能需要學(xué)得更快。雖然機(jī)器現(xiàn)在可以在虛擬世界中贏得奪旗游戲，但讓他們在夏令營中開放的場地上贏得游戲仍然無望，并且這將持續(xù)相當(dāng)長一段時(shí)間。