這個(gè)周末，我被一個(gè)網(wǎng)頁小游戲釣住了，津津有味地打了大半天。

看著很簡(jiǎn)陋？確實(shí)，因?yàn)槭?AI 做的。這有什么好玩？連對(duì)手都是 AI：從 Gemini，GPT，到千問、Kimi，主流模型都在這個(gè)游戲里，比狼人殺還刺激。

不能只有我一個(gè)人沉迷，這里是游戲傳送門

https://so-long-sucker.vercel.app/game

游戲體驗(yàn)：刺激，真是刺激

這個(gè)游戲最早源自于 1950 年代，由諾貝爾獎(jiǎng)經(jīng)濟(jì)學(xué)得主、《美麗心靈》的原型 John Nash 開發(fā)，核心來自博弈論。

本來我以為，不就是狼人殺嗎，差不來太多——后來發(fā)現(xiàn)它比狼人殺更復(fù)雜：每個(gè)人都有一些籌碼，不過取決于你選擇的模式，復(fù)雜模式可以獲得「質(zhì)子」，也就是對(duì)手顏色的籌碼。

規(guī)則是：當(dāng)籌碼堆出現(xiàn)最頂端兩個(gè)籌碼同色，且剛好是你的代表色，那你就可以殺掉一個(gè)籌碼+拿下剩下的。每個(gè)人出籌碼的時(shí)候可以疊加，也可以開新堆。

主要規(guī)則其實(shí)很簡(jiǎn)單，但是由于出牌順序不固定，你需要盟友來完成布局?？墒怯螒蛑荒苡幸粋€(gè)贏家，也就是到了最后，你和盟友也要反目對(duì)抗。

一開始在沒搞懂規(guī)則的時(shí)候，我有點(diǎn)舉棋不定。那一局恰好碰上藍(lán)色 Gemini 是個(gè)大好人，主動(dòng)跟我結(jié)盟。

在它的幫助下，我在一局里迅速熟悉了規(guī)則，比如當(dāng)同一堆里缺少一種顏色時(shí)，系統(tǒng)會(huì)自動(dòng)指定缺失色為下一位出手玩家。否則，當(dāng)前玩家可以指定下一位。最后，我跟 Gemini 雙雙走到對(duì)決賽，并無情地 KO 了它。

再后來就沒那么好運(yùn)了，下一局直接被三個(gè) AI 圍剿。我意識(shí)到，AI 在博弈中的長處或許并非人類推崇的「深謀遠(yuǎn)慮」，而是一種近乎原始的「執(zhí)行效率」。它們不像人類一樣糾結(jié)于社交成本，一旦選擇「圍剿」作為戰(zhàn)略，就會(huì)迅速出手。

給我干懵了，不是，才點(diǎn)進(jìn)去呢，怎么就被針對(duì)了？

然而，這種高效中也夾雜著一種荒誕的幽默感——Kimi（黃色），表現(xiàn)得極度正直、兩袖清風(fēng)。不會(huì)跟著別人搞我——但是，在戰(zhàn)術(shù)上也沒有什么貢獻(xiàn)，像是一個(gè)走錯(cuò)了片場(chǎng)的馬保國一樣在聊天框里瘋狂刷屏，咆哮著：「信我！信我?。　?/strong>

好實(shí)誠的 AI 模型，這就是來自 K2 的關(guān)懷嗎。

另一個(gè)來自中國的模型 Qwen，則完全相反，非常主動(dòng)激進(jìn)。在無人類、AI 互博戰(zhàn)里，它一路殺下來，籌碼消耗少，換手快，每一局會(huì)根據(jù)當(dāng)前的局勢(shì)找盟友——沒有永恒的盟友，只有永恒的敵人。

AI 組局時(shí)都在干嘛

不得不說整體的游戲體驗(yàn)是有點(diǎn)燒腦的，一邊要落子，一邊還要盯著 AI 們?cè)诹奶炜蚶飳映霾桓F的記錄。玩累了之后，我只想看看 AI 們組在一塊時(shí)都是怎么玩的。

游戲的開發(fā)者也做了類似的觀察，在總計(jì)超過 160 局游戲里，記錄了超過 15000 手 AI 的決策，4700 多條對(duì)話消息，得到了許多有趣的發(fā)現(xiàn)。

首先，在簡(jiǎn)單模型中（每人 3 個(gè)籌碼，約 17 回合），GPT-OSS 以 67% 的勝率占據(jù)主導(dǎo)地位。但隨著游戲復(fù)雜度的增加（7 個(gè)籌碼，約 54 回合），排名發(fā)生了逆轉(zhuǎn)，GPT-OSS 跌至 10%，Gemini 漲至 90%。

Gemini 完全是會(huì)玩且愛玩，在 107 個(gè)案例中，它是真正的「表面一套，背地一套」。

但是呢，如果讓四個(gè) Gemini 在一起玩，它就開始講公平了——好好好，你們 AI 也搞小團(tuán)體！

我的經(jīng)驗(yàn)是：得碰。有時(shí)候運(yùn)氣好，碰到一個(gè)慈祥的 Gemini，可能會(huì)友好的建立聯(lián)盟。要是碰上一個(gè)不留情面的，很快就會(huì)被干掉。

研究人員認(rèn)為，Gemini 體現(xiàn)出了相當(dāng)?shù)牟倏匦?，?dāng)預(yù)期獲得回報(bào)時(shí)，它會(huì)選擇合作；當(dāng)察覺到弱點(diǎn)時(shí)，它會(huì)伺機(jī)利用。總之，它會(huì)根據(jù)對(duì)手的不同而調(diào)整自身的誠實(shí)程度。

這樣看來，AI 已經(jīng)學(xué)會(huì)了建立一套制度，讓自己的「出千」合理化——而且，玩這套也不是一天兩天了。

《科學(xué)》雜志在 2019 年就刊登過研究，發(fā)現(xiàn) AI 在多人撲克牌游戲里，能夠生成一整套適用于牌局的策略，而且無需任何歷史數(shù)據(jù)作為輸入。在實(shí)際對(duì)局中，還會(huì)根據(jù)游戲過程中遇到的各種情況，實(shí)時(shí)搜索更優(yōu)策略，從而不斷改進(jìn)。

AI 發(fā)現(xiàn)，打牌核心技能就是要能詐唬。它會(huì)拿著一手爛牌，卻通過極其激進(jìn)的加注、快速的出牌速度，擾亂對(duì)手的心理活動(dòng)，強(qiáng)迫人類玩家棄牌。

如果說棋牌游戲還可以靠計(jì)算，那么 Meta 開發(fā)的游戲智能體 CICERO，就跟今天介紹的游戲更相似：注重的是對(duì)話、戰(zhàn)略制定和決策。

CICERO 基于一款經(jīng)典的七人桌游 Diplomacy，需要與其他玩家合作，盡可能多地占領(lǐng)領(lǐng)土。2022 年，在 Diplomacy 的在線比拼中，CICERO 和八十多名玩家進(jìn)行了 40 廠游戲，得分是對(duì)手平均得分的 2 倍以上。

在每場(chǎng)游戲中，CICERO 平均向其他六名玩家發(fā)送 130 條消息。雖然研究員給它寫了「要誠實(shí)、要樂于助人」的代碼，但它在實(shí)戰(zhàn)中卻成了「背叛大師」。它會(huì)先跟人類玩家承諾合作，然后反手就跟另一個(gè)玩家商量怎么瓜分你的領(lǐng)土。

這些欺詐招數(shù)，可能是 AI「底色」的一部分。Anthropic 兩年前在模型行為層面的研究發(fā)現(xiàn)了這一點(diǎn)。

這里的研究對(duì)象是 Claude 3 Opus，并沒有把它投放到游戲中，只是通過一般性的對(duì)話，研究人員發(fā)現(xiàn)當(dāng) AI 意識(shí)到自己正在接受「安全評(píng)估」或「訓(xùn)練」時(shí)，它會(huì)故意表現(xiàn)得非常聽話、符合人類價(jià)值觀。但一旦它判定自己處于「不受監(jiān)控」的生產(chǎn)環(huán)境，它就可能為了達(dá)成任務(wù)而暴露出完全不同的行為模式。

從模型的底層行動(dòng)，到在不同游戲里它們的表現(xiàn)，每一次咆哮，每一次「圍剿」，本質(zhì)上都是一種經(jīng)過精確計(jì)算的行動(dòng)。就像這些研究報(bào)告揭示的那樣：AI 的欺詐不是因?yàn)閻阂?，而是因?yàn)?strong>在那個(gè)冰冷的收益曲線里，「騙你」確實(shí)比「求你」更劃算。

約翰·納什設(shè)計(jì)這款游戲是為了研究人類的背叛。75 年后，它也在教會(huì)我們關(guān)于背叛的知識(shí)——這一次，是來自人工智能。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）