当AI遇上《我的世界》：一场高中生与科技巨头的创意对决

在AI技术飞速发展的今天，如何评估AI模型的能力成为了一个热门话题。传统的AI基准测试（AI benchmarking ）方法已经显得力不从心，开发者们开始寻找更具创意的评估方式。而一名高中生Adi Singh，竟然通过《我的世界》（Minecraft）这款游戏，为AI模型搭建了一个全新的竞技场。

从《我的世界》到AI竞技场

Adi Singh开发的网站Minecraft Benchmark（简称MC-Bench），将AI模型置于《我的世界》的虚拟世界中，让它们根据提示进行建筑创作。用户可以投票选出他们认为更好的作品，只有在投票后才能知道哪个AI模型完成了哪项任务。这种创新的方式不仅让AI能力的评估变得直观有趣，也让普通人能够轻松参与其中。

为什么选择《我的世界》？Adi Singh解释道，即使是没有玩过《我的世界》的人，也能轻松判断哪个“菠萝”的方块建筑更具表现力。通过这种方式，AI的进步变得更加直观，普通人也能轻松理解。

AI的“创造力”大比拼

MC-Bench的挑战任务看似简单，比如“建造一个雪人”或“在沙滩上搭建一座热带小屋”，但背后却隐藏着复杂的编程逻辑。AI模型需要生成代码来完成这些任务，而用户则通过直观的建筑效果来评判AI的表现。这种方式不仅让技术变得更加亲民，也为AI模型的创造力提供了一个全新的测试平台。

目前，MC-Bench的团队由八人组成，项目得到了Anthropic、Google、OpenAI和阿里巴巴等科技巨头的支持。虽然这些公司并未直接参与项目，但它们为MC-Bench提供了AI模型的使用权限。

简单任务到复杂挑战

MC-Bench目前主要进行一些简单的建筑任务，回顾从GPT-3时代以来的AI发展历程。但展望未来，可以扩展到更复杂的计划和目标导向任务。游戏作为一种测试媒介，不仅比现实生活更安全，也更容易控制，因此是测试AI代理推理能力的理想选择。

这并不是唯一一个将游戏作为AI测试平台的案例。像《精灵宝可梦 红/绿》、《街头霸王》和《超级马里奥兄弟》等游戏，也都被用来测试AI的能力。这些游戏不仅为AI提供了一个可控的环境，也让我们能够更直观地看到AI的进步和局限。

困境与突破

传统的AI基准测试存在局限性。许多测试方法让AI在特定领域表现优异，但在实际应用中却显得力不从心。例如，OpenAI的GPT-4在LSAT考试中表现优异，但在回答“草莓”这个词中有多少个“R”时却犯了错误。Anthropic的Claude 3.7 Sonnet在软件工程基准测试中取得了62.3%的准确率，但在玩《精灵宝可梦》时却不如一个五岁孩子。

结语

通过《我的世界》这个虚拟世界，我们不仅能看到AI的创造力，也能更直观地感受到技术的进步。或许，未来的AI基准测试将不再局限于枯燥的代码和分数，而是通过更多有趣的方式，让我们看到AI的无限可能。

如果你对AI与游戏的结合感兴趣，不妨访问https://mcbench.ai/，亲自体验这场科技与创意的碰撞。

内容来源：https://techcrunch.com/

图片来源：Minecraft Benchmark

如果你喜欢这篇文章，欢迎分享给你的朋友，并关注我们的公众号【脑洞大开AI实验室】，获取更多关于科技与文化的深度内容。

更多AI知识请前往脑洞大开AI实验室官方网站

https://www.ai360labs.com

使用脑洞大开AI实验室AI对话功能，可访问

https://www.ai360labs.com/playground/chatService/new

点击底部分享、赞和在看，把好内容传递出去