这项由麻省理工学院团结哈佛大学、剑桥大学等多所顶尖学府配合完成的研究揭晓于2026年， ，，，，，论文编号为arXiv:2602.17594v1。。。。。该研究团队首次提出了一个革命性的看法：要真正评估人工智能是否抵达人类水平的通用智能， ，，，，，最好的要领就是让AI去玩人类创立的种种游戏。。。。。
人工智能生长到今天， ，，，，，已经在许多简单使命上体现卓越， ，，，，，好比下棋、翻译或者回覆问题。。。。。但问题在于， ，，，，，现有的AI评估方法就像只考察学生会不会做数学题， ，，，，，却不知道他能否应对真实生涯中的重大挑战。。。。。真正的人类智能是什么样的呢？？？？？我们能够快速学习新事物， ，，，，，在重大情形中无邪应变， ，，，，，面临从未见过的问题时也能找到解决计划。。。。。这种能力怎样评估？？？？？
研究团队想到了一个绝妙的谜底：游戏。。。。。人类创立的游戏实质上就是现实天下的缩影和训练场。。。。。从古老的围棋到现代的电子游戏， ，，，，，每一个游戏都在磨练着人类的某些焦点能力：战略妄想、空间推理、影象力、学习能力、社交技巧等等。。。。。若是一个AI系统能够像人类一样快速学会并玩好种种人类游戏， ，，，，，那它很可能已经具备了类人的通用智能。。。。。
基于这个洞察， ，，，，，研究团队开发了"AI游戏市肆"——一个全新的人工智能评估平台。。。。。这个平台的焦点理念是使用大语言模子自动天生基于真实人类游戏的标准化测试情形， ，，，，，然后让AI和人类在相同条件下举行游戏， ，，，，，较量他们的体现。。。。。
一、从人类游戏宇宙中寻找智能的真相
人类为什么要玩游戏？？？？？这个看似简朴的问题背后隐藏着关于智能实质的深刻真相。。。。。从生物学角度来看， ，，，，，玩耍行为并不但仅属于人类。。。。。从海豚到乌鸦， ，，，，，从猴子到大象， ，，，，，险些所有高智能动物都会玩耍。。。。�？？？？？蒲а芯颗ⅲ� ，，，，，玩耍现实上是大自然进化出的一种学习机制——通过在清静的虚拟情形中模拟种种情形， ，，，，，动物能够磨练自己的认知能力和生涯手艺。。。。。
对人类而言， ，，，，，游戏的意义更为深远。。。。。每一个游戏都是现实天下某个方面的笼统化和浓缩版。。。。。战略游戏磨炼PT视讯(中国区)官网恒久妄想能力， ，，，，，行动游戏提升PT视讯(中国区)官网反应速率和空间协调能力， ，，，，，解谜游戏训练PT视讯(中国区)官网逻辑推理， ，，，，，社交游戏则磨练我们明确他人意图的能力。。。。�？？？？？梢运担� ，，，，，游戏是人类为自己创立的认知能力训练营。。。。。
研究团队将人类能够创立和享受的所有游戏界说为"人类游戏宇宙"。。。。。这个看法的精妙之处在于， ，，，，，它既包括了已经保存的游戏， ，，，，，也涵盖了人类未来可能创立的所有游戏。。。。。这个宇宙是无限且开放的， ，，，，，但同时又有明确的界线——只有人类能够设计出来并且其他人类能够明确和享受的游戏才属于这个宇宙。。。。。
想象一下这样的场景：若是有一个外星智慧生命体想要评估自己是否真正明确了人类智能， ，，，，，最好的要领就是看它能否学会人类的种种游戏。。。。。从简朴的井字棋到重大的战略游戏， ，，，，，从需要准确操作的行动游戏到磨练创立力的开放天下游戏， ，，，，，每一类游戏都在测试智能体的差别能力。。。。。若是这个外星生命体能够在所有这些游戏中都抵达人类的平均水平， ，，，，，我们就有理由信托它确实掌握了类人的通用智能。。。。。
研究团队以为， ，，，，，这种基于游戏的评估方法比古板要领有着无可相比的优势。。。。。古板的AI基准测试往往只关注简单能力， ，，，，，好比语言明确或数学盘算。。。。。但游戏自然地要求多种能力的综合运用。。。。。以《恼怒的小鸟》为例， ，，，，，玩这个游戏需要物理推理能力（明确弹道和碰撞）， ，，，，，空间认知能力（判断角度和距离）， ，，，，，以及妄想能力（选择最优的攻击顺序）。。。。。一个在这个游戏中体现精彩的AI系统， ，，，，，一定在多个认知维度上都抵达了相当的水平。。。。。
更主要的是， ，，，，，游戏评估具有文化相关性和生态有用性。。。。。这些游戏不是研究职员在实验室里人工设计的笼统使命， ，，，，，而是真实的人类在一样平常生涯中选择玩的运动。。。。。若是一个AI系统能够明确和掌握这些游戏， ，，，，，它就证实晰自己能够明确和顺应人类的头脑方法和行为模式， ，，，，，这关于构建真正有用的人工智能系统至关主要。。。。。
二、AI游戏市肆：将理想变为现实的手艺平台
理论上， ，，，，，要评估AI是否抵达人类水平的通用智能， ，，，，，最理想的要领是让它学会人类游戏宇宙中的所有游戏。。。。。但在实践中， ，，，，，这面临着重大的手艺挑战。。。。。全天下有数百万个差别的游戏， ，，，，，它们运行在差别的平台上， ，，，，，使用差别的控制方法， ，，，，，遵照差别的规则。。。。。要为每个游戏都单独开发AI接口， ，，，，，险些是不可能完成的使命。。。。。
研究团队巧妙地解决了这个问题。。。。。他们开发的AI游戏市肆接纳了一个四阶段的自动化流程， ，，，，，就像一个高效的游戏制造工厂。。。。。
第一个阶段是游戏筛选和过滤。。。。。研究团队首先从苹果应用市肆和Steam等主流游戏平台网络了7500个热门游戏的信息。。。。。接着， ，，，，，他们让大语言模子对每个游戏举行评分， ，，，，，筛选标准包括游戏是否能在几分钟内学会、是否能用网页手艺实现、是否有明确的评分标准等。。。。。这个历程就像是为即将到来的考试挑选最具代表性的问题。。。。。
第二个阶段是游戏天生和优化。。。。。通过详细的游戏形貌， ，，，，，大语言模子能够天生一个功效完整的网页版游戏。。。。。但机械天生的游戏往往保存种种问题——可能太简朴、太难题， ，，，，，或者有手艺误差。。。。。因此， ，，，，，研究团队设计了一小我私家机团结的优化流程。。。。。首先， ，，，，，系统会自动测试天生的游戏， ，，，，，发明并修复显着的手艺问题。。。。。然后， ，，，，，真人玩家会试玩这个游戏， ，，，，，给出刷新建议， ，，，，，系统再凭证这些反响进一步完善游戏。。。。。这个历程通常需要4到5轮迭代， ，，，，，每轮约2分钟， ，，，，，直到游戏抵达既有趣又具有挑战性的标准。。。。。
第三个阶段是认知能力标注。。。。。为了明确每个游戏磨练的是哪些认知能力， ，，，，，研究团队开发了一套包括七个维度的评估系统：视觉处置惩罚、空间时间协调、影象、妄想、天下模子学习、物理推理和社会推理。。。。。每个游戏都会在这七个维度上获得0到5的评分， ，，，，，0体现不需要该能力， ，，，，，5体现需要极高水平的该能力。。。。。这样的标注让研究职员能够准确诊断AI系统在哪些认知能力上保存缺乏。。。。。
第四个阶段是模子评估。。。。。在这个阶段， ，，，，，人类玩家和AI模子在相同的条件下玩游戏， ，，，，，系统纪录他们的体现并举行比照剖析。。。。。由于现在的AI模子响应速率较慢， ，，，，，研究团队设计了一个特殊的游戏界面：游戏每秒会暂停一次， ，，，，，询问AI下一秒要执行什么操作， ，，，，，然后继续运行。。。。。虽然这不是最理想的测试方法， ，，，，，但在手艺条件允许的规模内， ，，，，，这已经是相当公正的较量了。。。。。
整个流程的精妙之处在于它的可扩展性。。。。。一旦基础设施搭建完成， ，，，，，天生和测试新游戏变得很是高效。。。。。研究团队平均只需30分钟就能完成一个新游戏从看法到可测试版本的全历程。。。。。更主要的是， ，，，，，人类玩家还可以在现有游戏基础上创立变体版本， ，，，，，这意味着从少数几个游戏看法就能衍生出大宗测试场景， ，，，，，有用阻止了AI系统通过太过训练特定游戏而获得虚伪高分的问题。。。。。
通过这种方法， ，，，，，AI游戏市肆乐成地将"人类游戏宇宙"这个笼统看法转化为了详细可操作的测试平台。。。。。它不但解决了手艺实现的难题， ，，，，，还坚持了原始看法的焦点价值——通过人类真正喜欢的游戏来评估AI的通用智能水平。。。。。
三、目今AI的真实体现：令人意外的重大差别
当研究团队让七个最先进的大语言模子——包括GPT-5.2、Claude-Opus-4.5、Gemini-2.5-Pro等业界顶尖模子——与106名通俗人类玩家在100个游戏上一决高下时， ，，，，，效果令人震惊。。。。。
最优异的AI模子GPT-5.2的平均得分仅为人类中位数的8.5%。。。。。这意味着什么？？？？？若是我们把人类玩家的平均体现定为100分， ，，，，，那么现在最强的AI只能获得不到9分。。。。。这个差别之大， ，，，，，凌驾了大大都人的预期。。。。。要知道， ，，，，，这些AI模子在其他许多使命上已经抵达甚至逾越了人类水平， ，，，，，好比语言明确、数学盘算、代码编写等。。。。。但在游戏这个看似"简朴"的领域， ，，，，，它们却体现得云云不堪。。。。。
更令人印象深刻的是时间效率的比照。。。。。人类玩家在每个游戏上只破费2分钟， ，，，，，就能抵达相当不错的效果。。。。。而AI模子为了做出每一个决议， ，，，，，平均需要思索几分钟时间， ，，，，，完成同样的游戏使命需要15到20倍的时间。。。。。这就好比一个学生做数学题， ，，，，，人类学生可能几分钟就能解出谜底， ，，，，，而AI却需要破费几个小时， ，，，，，最终得分还远低于人类。。。。。
深入剖析这些数据， ，，，，，研究团队发明了一个有趣的征象：AI模子的体现泛起显着的双峰漫衍。。。。。约莫三分之二的游戏中， ，，，，，AI能够取得一些希望， ，，，，，虽然通常只能抵达人类体现的10%到30%， ，，，，，但至少证实它们明确了游戏的基本玩法。。。。。然而， ，，，，，在剩下三分之一的游戏中， ，，，，，AI险些完全失败， ，，，，，得分不到人类平均水平的1%， ，，，，，这批注它们甚至没有明确游戏的基本规则或目的。。。。。
什么样的游戏让AI感应难题？？？？？通太过析游戏的认知能力需求， ，，，，，研究团队找到了谜底。。。。。AI最大的弱点集中在三个要害领域：影象、妄想和天下模子学习。。。。。
影象能力的缺陷体现得尤为显着。。。。。许多游戏需要玩家记着之前看到的信息， ，，，，，好比在迷宫游戏中记着已经探索过的区域， ，，，，，或者在卡牌游戏中记着已经掀开的牌面。。。。。只管AI有一个"记事本"功效可以纪录主要信息， ，，，，，但它们似乎不知道该纪录什么， ，，，，，或者怎样有用使用这些纪录。。。。。这就像一个遗忘症患者试图玩影象游戏， ，，，，，纵然有纸笔资助， ，，，，，也很难取得好效果。。。。。
妄想能力的缺乏同样严重。。。。。许多游戏需要玩家思索几步之后的情形， ，，，，，好比在推箱子游戏中， ，，，，，你需要预见到目今的移动会对后续办法爆发什么影响。。。。。AI模子往往只能看到眼前一步， ，，，，，缺乏恒久战略头脑。。。。。它们就像只会走一步棋的新手棋手， ，，，，，面临需要深度妄想的情形时一筹莫展。。。。。
天下模子学习的难题可能是最基础的问题。。。。。许多游戏并不会直接告诉你所有规则， ，，，，，而是需要你通过实验来发明游戏的运行机制。。。。。好比， ，，，，，你需要通过实验来发明某个按钮会爆发什么效果， ，，，，，或者某种道具有什么用途。。。。。AI模子在这方面体现得像是缺乏好奇心的学习者， ，，，，，它们不会自动探索和试验， ，，，，，也不善于从失败中总结纪律。。。。。
更有趣的是， ，，，，，研究团队发明游戏的认知重漂后与AI体现之间保存强烈的负相关关系。。。。。那些只需要一种认知能力的简朴游戏， ，，，，，AI还能委屈应付。。。。。但随着游戏需要的认知能力种类增添， ，，，，，AI的体现急剧下降。。。。。这说明目今的AI系统虽然在简单使命上可能体现不错， ，，，，，但在需要多种能力协调配合的重大使命中， ，，，，，它们的缺乏就袒露无遗。。。。。
这些发明具有深远的意义。。。。。它们提醒我们， ，，，，，只管AI在某些专业化使命上已经逾越人类， ，，，，，但在需要类人通用智能的综合性使命中， ，，，，，我们仍然有很长的路要走。。。。。这也诠释了为什么AI在现实天下的应用中仍然经常泛起意想不到的失败——现实天下正是一个需要多种认知能力无缝配合的重大情形。。。。。
四、深度透视：AI认知能力的细腻诊断
研究团队创立性地将每个游戏在七个认知维度上举行了详细标注， ，，，，，这就像为每个游戏制作了一张"认知能力体检表"。。。。。通过这种方法， ，，，，，他们不但能够看到AI在哪些游戏上体现不佳， ，，，，，更主要的是能够准确诊断出AI在哪些基础认知能力上保存缺陷。。。。。
视觉处置惩罚能力是最基础的认知手艺， ，，，，，涉及识别、匹配和分类视觉工具的能力。。。。。在这个维度上， ，，，，，AI的体现相对较好， ，，，，，这并不料外， ，，，，，由于盘算机视觉手艺已经相当成熟。。。。。但即便云云， ，，，，，当游戏场景变得重大， ，，，，，保存遮挡或需要在杂乱配景中找到特定物体时， ，，，，，AI的体现仍然显着低于人类。。。。。
空间时间协调能力磨练的是准确准时和空间导航的能力， ，，，，，好比在《恼怒的小鸟》中需要准确控制发射角度和力度。。。。。有趣的是， ，，，，，研究团队特殊测试了那些不需要快速反应的游戏（好比回合制战略游戏）， ，，，，，发明AI的体现并没有显著改善。。。。。这说明问题不在于AI的"反应速率"， ，，，，，而在于它们对空间关系和时间序列的明确能力。。。。。
影象能力的缺陷最为突出。。。。。人类具有强盛的事情影象和情境影象， ，，，，，能够在游戏历程中自然地记着主要信息并在需要时挪用。。。。。AI虽然有手艺上的"影象存储"功效， ，，，，，但它们不知道什么信息值得记�。。。。。� ，，，，，也不善于组织和检索这些信息。。。。。这就像一个拥有完善录音装备的人， ，，，，，却不知道该录什么， ，，，，，也不知道怎样从录音中找到需要的信息。。。。。
妄想能力要求玩家能够模拟未来的游戏状态， ，，，，，评估差别行动的恒久效果。。。。。在《水排序》这样的逻辑谜题中， ，，，，，你需要盘算出一系列倒水操作的最优序列。。。。。AI在这类使命中的失败批注， ，，，，，它们缺乏有用的"心理模拟"能力， ，，，，，无法在头脑中构建和运行游戏天下的模子。。。。。
天下模子学习可能是最能体现通用智能的能力。。。。。在许多游戏中， ，，，，，规则并不是明确给出的， ，，，，，而需要玩家通过实验和视察来发明。。。。。好比在《Baba Is You》这样的游戏中， ，，，，，玩家需要发明移动文字方块会怎样改变游戏规则。。。。。AI在这方面的难题反应了它们缺乏自动探索和假设验证的能力， ，，，，，这正是科学发明和立异头脑的焦点。。。。。
物理推理涉及对重力、轨迹、碰撞等物理征象的明确。。。。。虽然AI在简朴的物理模拟使命中体现尚可， ，，，，，但在需要重大物理交互的游戏中， ，，，，，好比涉及多个物体相互作用的《恼怒的小鸟》重大关卡， ，，，，，它们的体现显着不如人类。。。。。
社会推理是最高条理的认知能力， ，，，，，涉及明确其他智能体的意图、信心和情绪。。。。。由于研究中的大大都游戏都是单人游戏， ，，，，，这个维度的测试相对有限。。。。。但纵然在简朴的需要展望NPC行为的游戏中， ，，，，，AI也经常体现出对"他人心理"明确的缺乏。。。。。
最主要的发明是， ，，，，，随着游戏需要的认知能力种类增添， ，，，，，AI的体现呈指数级下降。。。。。那些只需要一种焦点能力的游戏， ，，，，，AI还能抵达人类体现的30%到40%。。。。。但需要三种或更多认知能力协同事情的游戏， ，，，，，AI的体现往往不到人类水平的10%。。。。。这个征象展现了目今AI架构的一个基础限制：它们缺乏有用整合多种认知能力的机制。。。。。
这种详细的认知诊断具有主要的指导意义。。。。。它不但告诉我们AI在那里缺乏， ，，，，，更主要的是指明晰刷新的偏向。。。。。要构建真正的通用人工智能， ，，，，，我们需要重点攻克影象整合、恒久妄想和自动学习这些焦点能力， ，，，，，并且需要找到让多种认知能力有用协同事情的架构设计。。。。。
五、游戏背后的科学洞察与未来展望
通过这项研究， ，，，，，我们看到了一个令人深思的比照：AI在许多专业化使命上已经逾越人类， ，，，，，却在人类儿童都能轻松掌握的游戏中败得一塌糊涂。。。。。这个征象背后隐藏着关于智能实质的深刻启示。。。。。
目今AI系统的乐成很洪流平上建设在模式识别和统计关联的基础上。。。。。它们能够在海量数据中找到重大的纪律， ，，，，，并基于这些纪律做出展望或天生内容。。。。。但游戏需要的是完全差别类型的智能——顺应性学习、创立性问题解决、多目的优化和实时决议。。。。。这些能力更靠近我们所明确的"真正的智能"。。。。。
游戏之以是成为智能的试金石， ，，，，，是由于它们具有几个奇异的特征。。。。。首先， ，，，，，游戏是动态的， ，，，，，状态一直转变， ，，，，，需要一连的顺应和学习。。。。。其次， ，，，，，游戏是交互的， ，，，，，你的每个行动都会影响后续的选择空间。。。。。最后， ，，，，，游戏是目的导向的， ，，，，，但通往目的的路径往往不是唯一的， ，，，，，需要创立性和无邪性。。。。。
研究团队妄想将AI游戏市肆生长成一个一连进化的评估平台。。。。。他们设想了几个主要的扩展偏向。。。。。首先是增添游戏的多样性和重大性， ，，，，，特殊是那些需要恒久妄想和重大社交互动的游戏。。。。。现在的100个游戏大多是可以在几分钟内学会的休闲游戏， ，，，，，未来需要包括更多需要小时甚至天数才华掌握的重大游戏。。。。。
其次是刷新AI与游戏的交互方法。。。。。目今的系统由于手艺限制， ，，，，，AI只能通过每秒做出几个离散选择来玩游戏， ，，，，，这远远不如人类的实时交互能力。。。。。未来的系统应该能够支持更自然、更流通的交互模式， ，，，，，让AI能够像人类一样实时响应游戏状态的转变。。。。。
更有野心的是引入多智能体游戏情形。。。。。真正的通用智能不但要能够解决单人问题， ，，，，，还要能够在重大的社友好况中与其他智能体相助或竞争。。。。。通过让多个AI在统一个游戏中互动， ，，，，，或者让AI与人类玩家实时对战， ，，，，，我们能够测试AI的社交智能和顺应能力。。。。。
研究团队还妄想开发更细腻的认知诊断工具。。。。。目今的七维度评估系统只是一个最先， ，，，，，未来可能需要更细化的认知分类， ，，，，，以便更准确地定位AI系统的详细优势和劣势。。。。。这种准确诊断不但有助于刷新AI系统， ，，，，，也能为认知科学和心理学研究提供新的工具。。。。。
从更宏观的角度来看， ，，，，，这项研究提出了一个主要问题：我们应该怎样界说和权衡人工智能的前进？？？？？古板的基准测试往往关注简单维度的性能提升， ，，，，，但真正的智能是多维度能力的有机整合。。。。。游戏评估提供了一个更holistic的视角， ，，，，，让我们能够视察AI系统在面临重大、动态、多目的使命时的综合体现。。。。。
这种评估方法也具有主要的社会意义。。。。。若是PT视讯(中国区)官网目的是创立能够真正资助人类、与人类协调共处的AI系统， ，，，，，那么这些系统就必需能够明确和顺应人类的头脑方法。。。。。游戏恰恰是人类头脑方法的直接体现， ，，，，，一个能够明确人类游戏的AI， ，，，，，更有可能明确人类的需求、价值观和行为模式。。。。。
虽然， ，，，，，这项研究也有其局限性。。。。。目今的游戏主要来自西方的数字游戏平台， ，，，，，可能无法完全代表全球规模内的人类游戏文化。。。。。未来的研究需要包括更多样化的文化配景和游戏类型， ，，，，，包括古板的棋盘游戏、体感游戏、甚至现实天下的体育运动。。。。。
另一个挑战是如那里置游戏中的随机性和不确定性。。。。。许多游戏包括运气因素， ，，，，，这使得单次游戏的效果并不可完全反应玩家的能力。。。。。研究团队需要开发更准确的统计要领， ，，，，，来区分真正的智能体现和随机波动。。。。。
说究竟， ，，，，，AI游戏市肆不但仅是一个手艺评估平台， ，，，，，它更像是一面镜子， ，，，，，让我们看清目今AI手艺的真实水平， ，，，，，也看清了通向真正通用人工智能的路径。。。。。这项研究告诉我们， ，，，，，创立真正的通用AI不但仅是手艺问题， ，，，，，更是对智能实质的深度明确问题。。。。。
游戏教会了我们， ，，，，，真正的智能不是简朴的模式识别或数据处置惩罚， ，，，，，而是在重大、动态、不确定的情形中一连学习、顺应和立异的能力。。。。。这种能力的获得， ，，，，，可能需要我们重新思索AI系统的基础架构， ，，，，，从目今的静态模子转向更动态、更无邪、更具顺应性的智能系统。。。。。
Q&A
Q1：AI游戏市肆是什么？？？？？
A：AI游戏市肆是麻省理工学院等机构开发的人工智能评估平台， ，，，，，通过让AI和人类玩相同的游戏来测试AI的通用智能水平。。。。。该平台使用大语言模子自动从热门游戏中天生标准化测试版本， ，，，，，包括了100个差别类型的游戏， ，，，，，笼罩视觉处置惩罚、影象、妄想等七个认知维度。。。。。
Q2：现在最强的AI在游戏中体现怎样？？？？？
A：体现令人意外地差。。。。。最强的GPT-5.2模子平均只能抵达人类体现的8.5%， ，，，，，并且需要15-20倍的时间才华完成同样的使命。。。。。AI在约莫三分之一的游戏中险些完全失败， ，，，，，主要难题集中在需要影象、妄想和天下模子学习的游戏上。。。。。
Q3：为什么用游戏来评估AI的通用智能？？？？？
A：由于人类创立的游戏是现实江苏东部新能源有限公司天下的笼统和缩影， ，，，，，每个游戏都在磨练特定的认知能力组合。。。。。游戏需要多种智能能力协同事情， ，，，，，比简单使命测试更能反应真正的通用智能水平。。。。。若是AI能够像人类一样快速学会并玩好种种游戏， ，，，，，就证实它具备了类人的综合认知能力。。。。。