RTX 3080 Ti训出1250万参数AI：自己摸索《宝可梦 红》按键

10月1日，开发者stmonty仅靠一张RTX 3080 Ti游戏显卡，就训出了一个1250万参数的小型AI模型。这个模型学会了在《宝可梦 红》里操控角色，还顺利选出了初始宝可梦。

它属于世界模型这一类。做法是让AI盯着屏幕画面，自己去琢磨每个按键会产生什么效果，而不是把游戏规则直接喂给它。

说白了，这个AI压根不知道A键是确认、B键是取消，也不清楚游戏要达成什么目标。它只管看屏幕，然后猜“按下某个键，画面会变成什么样”，猜中记下来，猜错就改。它跟ChatGPT那类大模型走的是两条路——世界模型不靠海量文字去训，而是通过观察环境变化来理解世界。stmonty这个模型只有1250万参数，放到动辄几百亿参数的LLM面前算微型，但胜在一张消费级显卡就能跑起来。

搞懂按键效果之后，AI着手规划接下来的动作。它每次生成14个按键操作的方案，不过并不直接在游戏里试，而是先在模型内部模拟一遍。每轮模拟512个方案，筛掉一批留下64个，再接着筛，最后把挑出的最优方案送进游戏执行。

第一次尝试没成，玩家没拿到宝可梦。stmonty推测，问题出在模型拿自身预测继续做预测时，小误差会一层层放大。

微调之后，第二次尝试成功选出了杰尼龟。同一个存档跑100次测试，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说，从存档点直接按A键本来就能选到宝可梦，但项目要的不是这个，而是看模型能不能自己找出解决办法。

接下来他打算让AI从实验室出发，走到博士面前，完成对话，再选宝可梦。stmonty认为，规划越长难度涨得越快，是指数级的，光把模型规模堆大也通不了关。