一位网名stmonty的开发者用一张RTX 3080 Ti游戏显卡，训练了一个1250万参数的小型AI模型，让它学会在《宝可梦 红》中操作角色并成功选择初始宝可梦。
这个模型属于世界模型，核心思路是让AI通过观察屏幕画面来学习每个按键的效果，而非直接告诉它游戏规则。
简单来说就是，这个AI不知道A键是确认、B键是取消，也不知道游戏目标是什么，它只做一件事：盯着屏幕看，然后猜“如果我按某个键，画面会怎么变”，猜对了就记住，猜错了就修正。
和ChatGPT那种大模型不同，世界模型不靠海量文字训练，而是靠观察环境变化来理解世界，stmonty的模型只有1250万参数，在动辄几百亿参数的LLM面前属于微型，但好处是一张消费级显卡就能跑。
学会按键效果后，AI开始规划下一步行动，每次生成14个按键操作的方案，但不是直接在游戏里试，而是先在模型脑子里模拟一遍，每轮模拟512个方案，筛选保留64个，再继续筛选，最终选出最优方案才送进游戏执行。
首次尝试以失败告终，玩家没有拿到宝可梦，stmonty推测原因是模型基于自身预测做进一步预测时，小误差会逐层放大。
微调后第二次尝试成功选出了杰尼龟，100次同存档测试中，52次成功拿到初始宝可梦，随机按键为0次，未训练模型仅1次。
stmonty表示，从存档点直接按A键本来就能选到宝可梦，但项目的目标不是这个，而是验证模型能否自己发现解决方案。
下一步计划是从实验室出发，走到博士面前，完成对话，再选择宝可梦，stmonty认为难度随规划长度呈指数级增长，单纯增大模型规模也无法通关游戏。
【来源：快科技】
