王喆 等 | 玩创生命:AI游戏中生成式代理的智能涌现

摘要：

本研究以系统论和游戏哲学为理论脉络，探讨AI游戏中生成式代理的智能涌现现象。基于20个AI游戏视频样本，研究发现生成式代理在“场景—规则—行动”三重条件下持续试错并涌现智能：半独立场景决定其“精准/泛用”智能取向，游戏与算法规则注入先验知识并预留违规空间，其行动是确定性与可能性之间的持续选择。创造性作弊、社会化协作与情感性联结三类关键特征超越设计者预期，彰显非线性、不可预测与跨层跃迁的涌现本质。最终，本研究将人机关系视为一场“无限游戏”，强调智能涌现是持续试错、不断演化的玩创生命过程，为反思碳基生命观与人类中心主义智能观提供契机。

人类能在虚拟环境中养出具有何种特征的智能形式？美国华裔科幻小说家特德·姜（Ted Chiang）在短篇小说《软件体的生命周期》中设想了一种生活在虚拟环境中的人工生命，这种生命被称为“数码体”，其行为举止特征都是从基因组里涌现出来的属性，而不是传统的动画设计。在理想状态下，这些数码体在“幼年期”需要在虚拟环境中与人类饲养员一起进行学习训练，以便涌现出行走、言说、进食等行为，最终进化为智能生命——“只有接受了其他心智的栽培，一个心智的潜力才可能被完全开发出来”。

在社会科学的“行动者—结构”框架中，行动者（agent）是有意识、有目的的行为体，其决策和行为受结构制约，同时也塑造社会结构并推动社会变迁。而在当下的AI领域，工程师们往往用“生成式代理”（generative agent）指代一个可以观察周遭环境并作出行动以达到目标的自主实体，它们能够模拟人类在社会环境中的行为和决策。这两类对行动者/代理的界定都更倾向将“生命”视为一个开放过程。本研究则进一步将人工生命的智能涌现纳入系统论和游戏哲学的脉络，把新技术历史化、把生命观问题化，以拓展对智能涌现的理解。在此基础上，通过AI游戏的多案例研究回应以下问题：在AI游戏的虚拟生态中，生成式代理的智能涌现通过哪些机制发生？表现出何种关键特征？又能为思考人类玩家/设计者与代理之间的人机关系提供何种启示？

一、文献综述：复杂系统的生命逻辑和智能涌现

（一）自创生系统的生命哲学：自复制、自适应、自组织

“如何认识生命”既是哲学最古老的问题之一，也是20世纪中叶以来被控制论、系统论、信息论重新激活的科学难题。相关理论让生命本质中的自复制、自适应、自组织获得重视，而贯穿其中的核心概念是“反馈”。“反馈”是不受系统规模和复杂性限制的抽象过程，其在生物遗传、社会再生产乃至技术扩散中同形出现，从而打破机械论与活力论的二元对立，为“有机体运作理论”奠定统一逻辑。

对反馈系统的再认识，推动自然科学和社会科学同步发生一系列新发展，并带来本体论革命：它强调进化系统中自创生的合成（autopoietic composition）与递归控制，即“系统如何感知自身与周遭、创建环境模型、对实体和生态位的未来状态进行反事实模拟，再据此对当前状态实施递归控制与调整”。据此，生命可从生物间的共生扩展到人类、非人类和计算媒介之间的技术共生。Johnston将这种人造环境中通过技术交互出现的生命形式命名为“机械生命”（machinic life），其自我改变与动态响应能力正是复杂性研究的重点。当“愈抽绎生命的本质，愈淡化生物学特征”成为共识，生命范畴便自然拓宽至人工生命、纳米生命乃至地外生命，也使“智能”界定得以同时涵盖生物与人工系统。

人工生命（artificial life）概念的更新伴随着在算法和系统层面的实现。在人工生命的生成过程中，人的作用被简化为设定初始条件与规则，其余交由人工生命组成部分之间的相互作用完成。20世纪40年代，冯·诺依曼（John von Neumann）受生物体自我繁殖机制的启发，提出自我复制自动机的想法，却因动态系统过于复杂而难以解析。斯坦尼斯拉夫·乌拉姆（Stanisaw Marcin Ulam）改用离散网格简化模型，把“元胞自动机”（cellular automata）确立为自组织研究的范式——局部规则相同、全局去中心化，却能涌现出不可化约的宏观秩序。1953年，尼尔斯·巴里切利（Nils Aall Barricelli）在计算机内播撒“数字共生体”，证明基因片段的水平转移与竞争合作可迅速形成“集体智能”。20世纪70年代，约翰·康威（John Horton Conway）的“生命游戏”（Game of Life）用三条极简规则演示：只要存在出生、存活与死亡反馈，高阶模式即可自发出现，初始微扰通过迭代被无限放大，从而以可视方式证明“复杂性源于简单过程的反复交互”。此后，约翰·霍兰德（John Holland）将自然选择抽象为“遗传算法”——选择、交叉、变异构成新的正反馈循环，使优化过程本身成为进化缩影。在这一系列实验和研究的基础上，兰顿（Christopher Gale Langton）正式界定了人工生命：“展示具有自然生命系统行为特性的人造系统。”周登勇、戴汝为则进一步把“自我繁衍、进化、自组织”确认为人工生命必须满足的基本特征。

综上所述，当生命被理解为自创生的合成，而历史上若干人工生命又反复证明：复杂的生命逻辑和智能涌现皆源自简单过程的动态交互作用，整体行为与结构通过各个组成部分的互动产生，却无法还原为组成部分自身的属性。自复制、自适应、自组织作为生命本质的三重奏，为本研究观察生成式代理智能涌现的机制提供了切入支点。

（二）从表征到生成：游戏环境中的智能涌现

图灵用通用计算机模糊了智能边界，巴里切利用数字共生体模糊了生命边界；进入21世纪，生成式AI开始自我迭代、自我协商，在多重语境中生成新意义与行动方案，呈现出新型主体性特征。早期AI受限于笛卡尔式表征—推理框架束缚，使得机器智能只被简单定义为“机器上对符号的操作可实现知识的推理”。这一符号主义学派定义，很快陷入“封闭世界”僵局：智能体需要在具体物质环境中通过行动来进行学习。

游戏环境成为了玩创生命的极佳试验田，不再桎梏于娱乐消费的范畴，也被视为继符号主义与神经网络之外的AI“第三条进路”，并催生出多元主体、偶发交互、逆向组织等后人类沟通样态。在游戏环境中，诸多案例验证了自复制、自适应、自组织等核心生命理念，如何在人为设定的规则和环境中生成复杂智能和社会行为。CyberLife Technology Limited（CTL）开发了“游戏生物”（Creatures），允许玩家在虚拟环境中养育、教育和与虚拟生物互动。这些数字生命具备自主性和学习能力，能在玩家与环境的双重扰动下产生适应性策略。

2023年，斯坦福大学团队利用大语言模型创造了一个由25名生成式代理参与的沙盘游戏，仅赋予身份、性格与人物背景故事，便能观测到自发聚会、信息扩散、社交联盟等宏观行为。OpenAI于2016年发布的“Universe”平台把数百款游戏整合为衡量和训练AI的环境：通过不断试错调整网络权重，AI 必须在奖励信号稀疏、规则隐含、高维度的交互中提炼可复用的知识与策略。

AI游戏的初衷正是为智能体提供可迁移的“世界模型”，通过对现实世界进行一定的抽象化、规约化处理，让AI能够对某一或几种现实向度进行理解并学习。游戏世界的底层逻辑对“无因果的相关性”保持开放，设计者未预料的玩法策略与行动因此持续涌现。相对封闭却足够丰富的规则空间，恰好成为智能涌现机制的温床。Burgun指出，游戏设计师须以最少的组件复杂性（规则）获得最多的涌现复杂性（唯一的游戏状态）。这两种复杂性差距越大，系统越优雅，也越“易于学习且难以掌握”。若想交互系统更优雅，就必须引入涌现机制，让高阶复杂度不断刷新玩家体验。

当动物凭证据做出有效推理，我们称其为“智能”；图灵则把智能归结为计算机操纵符号进行类人对话和推理；而在玩家眼里，智能意味着对手能实时调整战术并击败自己。三种尺度折叠于同一过程，智能涌现即充满不确定性的“玩”，这是游戏哲学为本研究后续讨论带来的启示。“玩”是一种操控某种未知事物的行为，该事物也无法预知自己所有的能力，只以自我限制、焦点提示和边界排除来引导自身行动。换言之，“玩家”的智慧在于遵循规则的同时不断重读规则，学会在给定世界里参与他人游戏，并借反复游戏反思游戏本身的复杂性。因此，AI游戏绝不仅是让智能体在预设的游戏环境中拿高分，更关乎人工生命进化的方向与极限——从“对现实世界的抽象模拟”跃迁为“呼唤人工生命诞生”。若从游戏哲学的视角进行考察，或可继续追问：AI游戏中的智能涌现何以成为一种值得深究的“关于未来的现实主义”？

二、研究方法与案例集概况

（一）多案例研究方法介绍

AI游戏是一种以生成式代理为核心玩家的数字系统，其中代理能感知虚拟环境并自主行动以达成游戏目标。为经验性地揭示AI游戏中生成式代理的智能涌现发生机制，本研究采用多案例研究法。该方法属于案例研究法的变式，结论不依赖于抽样原理，借助“分析性概括”而非“统计性概括”，其有效性更多依赖理论指导下的资料分析。本文选择多案例研究法的原因有三：第一，AI游戏因涌现特性而自带独异性，多案例研究可对涌现差异进行细致观察，深化对涌现多样性的理解；第二，该方法能将不同类型的AI游戏概念化，帮助我们从具体的经验事实走向一般理论，在更加宏观、全面的视野中理解智能涌现机理；第三，AI游戏并非垄断技术，部分代码开源，即使非计算机背景的普通人也能建构AI游戏，为多案例研究提供了丰富样本。

（二）案例收集过程及分析逻辑

本研究于2024年7月在YouTube平台上筛选了20个AI游戏视频作为样本，遵循两个原则：其一，典型性原则，即样本对研究问题具代表性。游戏内容选较为常见且设计成熟者（如捉迷藏、俄罗斯方块等）；在视频数据上，样本中8条视频播放量达百万，16条超30万。其二，丰富性原则。所选样本虽不能穷尽所有AI游戏，却蕴含丰富信息与更大可能性，契合本研究以分析性概括揭示智能涌现机制之目的。

具体步骤如下：先以“AI game”“AI learns”“AI plays”等关键词在YouTube平台进行检索，获得基础素材；再按游戏形式、内容丰富度筛选特征鲜明、AI学习与涌现过程完整的视频；最后，利用平台推荐栏扩充样本。最终，本研究得到20个案例样本，视频平均播放量约为249万次，总时长为286分钟，样本内容含游戏画面、设计者评论音轨与观众留言。随后，本研究细致分析各款游戏的规则、奖惩机制、游戏过程、设定者解释与调试过程，并比对差异与特征，由经验材料升维到理论推论，以回应以下几个研究问题：AI游戏为智能涌现提供何种互动环境？不同AI游戏中智能涌现的差异性由何而来？其智能涌现历程具有何种关键性特征？其中人与生成式代理之间的关系如何启迪我们对人工生命的理解？

三、智能涌现的发生条件：AI游戏的场景、规则和行动

自复制、自适应、自组织源于生成式代理之间及与环境的交互。相较于繁复的算法过程，本研究更关注被遮蔽的游戏视角，即对客体对象与目标过程的认识。在AI游戏中，生成式代理须在仅保留现实部分特征的虚拟空间里，依游戏规则行动，从完全随机逐步调整至实现特定目标，如抵达某处、获取某物或取得某分。这类似于“藏宝游戏”这一游戏原型：行动者依循指引寻找目标，途中克服各种困难与障碍，最终实现目标结束游戏。因为事件触发结果的不确定性，藏宝游戏的意义在于“探究”——“远方就在那里，不去冒险就不知道有什么宝藏；世界的物质与符号就在那里，未曾去揣摩它的时候就不知道它的价值；身体就在那里，不将它运动到一定位置，就不懂得它的可能性”。

在AI游戏中，游戏场景划定游戏节点的时空形态，游戏规则设定节点的触发条件，而生成式代理的行为则最终确证节点触发的方式与结果，由此构成引发智能涌现的“场景—规则—行动”组合秩序。

（一）作为半独立时空的场景

代理进行游戏的第一件事是“识别”场景——把握那片虚拟时空的尺度、条件与物性。这些属性由设计者预先写好，既划定了代理能与世界互动的维度，也预埋了智能涌现自适应的全部可能。借助卷积神经网络，过滤器把场景图像特征逐层抽取，将拟真的画面转成代理可读取的关乎“自身状态”的信息。只要在卷积层内堆叠足够过滤器，设计者便能保证代理对游戏场景及其变化拥有基本认知。同时，AI游戏世界生成于赛博空间，无须顾虑玩家生理限制或参与意愿。生成式代理既能忍受极度简化的几何空间，也能承受无休止的游戏训练时长。现实时空的阈限被一并解除。

20个AI游戏案例里的场景千差万别，本文按可交互物品的丰富度与场景数量将其归为两类：简单场景物品单一、布景恒定；复杂场景物品多元、地图随游戏推进不断更替。表1显示，设计者既可直接复刻塑胶跑道、高尔夫球场，也可挪用俄罗斯方块、马里奥的像素关卡，甚至凭空造出悬空坡道、灵异房间。

基于此，本研究初步发现，智能涌现是主体与环境互动的产物。简单场景催生精准智能，复杂场景孕育泛用智能。前者把不确定性压至最低，触发节点几乎不变，涌现因而“精准”，代理常在单一维度碾压人类。比如，在“AI俄罗斯方块”里，代理能轻松打破世界纪录。后者把交互元素成倍扩展，每轮训练都需重算路径，涌现速度与质量暂时落后，却迫使代理真正理解半独立时空的多元意涵，逐层拆解层出不穷的难题；随着场景复杂度递增，智能呈渐进加速之势，显出更宽阔的“泛用性”。

表1AI游戏场景划分（详见纸刊）

（二）设计者意图引导下的两套规则

即便场景相同，规则差异也会催生不同类型的智能。“游戏的规则，其实质就是由游戏的符号所组织起来的一套系统。这套系统表面上，与叙事有关，与运算有关，并且需要在其中设置裁判进行判定。”换言之，游戏场景已搭好行动的舞台，涌现却需方向：正如只有适应环境约束的生物才能繁衍，代理也须受规则牵引，才能展演出与场景匹配、可被人读懂的智能行为。规则先为代理植入“先验知识”，再给观众提供“诠释语境”，从而划定博弈边界，指引进化路径。同一环境，换套规则，行为便截然不同：在“AI警察抓小偷”与“AI神偷”两个案例中，生成式代理都需要穿越一定空间，在拾取得分道具的同时逃离警察/保镖的追捕。在“AI警察抓小偷”中，金币的摆放靠近于警察身侧，代理必须直面警察追捕才能拾取到足够多的金币，因而在该游戏中生成式代理涌现出的更多是对空间距离与运动方向的细微把控能力；而在“AI神偷”中，保镖们巡逻的路径更长、耗时更多，时而会远离得分道具，代理为了躲避保镖，涌现出了出色的整体空间路径规划与时间把握能力。

在体育竞赛、象棋、赌博等游戏中，游戏的设计者、玩家与观众共享同一套规则认知，赋予游戏以合法性。然而，AI游戏中的规则与寻常游戏中的规则不同，设计者并不会如裁判一般给代理解释规则，而是把规则写成算法，用奖惩机制把目标转译为机器可执行的指令，让代理得以“玩”。因此，算法规则成为重要的中介：目标函数把预期行为量化为奖励信号，告诉代理“要什么”；学习机制规定强化学习方案，决定代理“怎么动”。

然而，算法规则并不等同于游戏规则。两者相互影响、牵制，使得设计者须对两套规则同时负责。例如，在“AI短跑”中，设计者原定目标是让代理的百米赛跑成绩超过9.58秒的世界纪录，选用了近端策略优化( Proximal Policy Optimization,PPO)算法。相较于其他算法，PPO算法会使用裁剪的概率比以防止策略剧变，来提高训练的效率，保证策略的稳定性。结果，恰由于PPO算法的稳定性，代理在游戏过程中一旦找到行之有效的游戏方法，便会将其进一步固化。在“AI短跑”中，代理的跑步姿势就固化为了单脚跳，难以跳出该模式去探索更复杂的双腿跑，显然无法实现奔跑速度最大化的目标。这一结果是双层规则博弈的意外，令设计者不得不重新调整游戏规则，通过让生成式代理产生随机的倾斜与偏向，来迫使代理学会双腿交替的跑姿，最终才让代理的百米赛跑成绩打破了世界纪录。这一解决方法实质是用规则打破算法限定，实现无损转译。

可见，代理行动的价值远不止即时回报，仅靠算法规则无法催生期望行为；设计者必须在游戏规则里给出明确目标，或用奖惩植入强烈暗示。算法规则与游戏规则同等重要，二者嵌合互塑，设计者通过双向调试，构成一个极富弹性的动态空间。

（三）在确定性与可能性之间行动

作为玩家，生成式代理往往只能靠试错来摸索规则并展开行动。代理本无“守规矩”的意识，但AI游戏中植入的强化学习（Reinforcement Learning）可把过去的高奖励行为写成偏好，代理便循着这条偏好在训练数据里进行试错反馈，不断调整自身内部神经网络对各类行为奖惩的权重分配。这种动态反馈把过去连向未来，使得智能涌现的可能性更符合设计者的偏好。

在AI游戏里，代理的行动一般有跑动、跳跃和触碰等，本质实为数字空间的位移或行动者之间的互触。然而，正如前文所述，智能涌现必须基于代理和环境的交互，需要一定的自由度与随机性，尤其是本质简单的行动往往得靠场景来丰富多样性。生成式代理无须如同人类一般将规则转化为律令，它时刻准备着通过行动来探索自组织的新路径。

于是，生成式代理的游戏行动实际上是一条坐标轴上两端交互的结果：一端是游戏场景与开放系统所创设的可能性空间，另一端则是算法规则、训练数据等划定的确定性空间。代理与场景可交互的维度越多，规则限制越少，设计者越鼓励代理采取新的行动，代理也就越可能超出规则与预设；反之亦然。两个极端的例子分别是“AI 2048”与“造桥游戏”。在“AI 2048”中，游戏场景被限制在一个二维平面内，代理所能采取的行动仅是上下左右滑动平面内的数字方格。因此，代理在该游戏中进步得非常迅速，很快便将方格内数字合成到了2048。

而在“造桥游戏”中，场景提供了钢筋、木板、绳索等诸多材料，而设定者只要求桥梁能够顺利地将汽车送往对岸，这导致代理所搭建出的“桥”往往有别于既有的桥梁形象，甚至出现了形似秋千的桥。

可见，游戏场景预先存放了智能涌现的全部可能性，游戏规则则为这些可能性划出目标与方向，却必须转译成算法规则才能植入系统，为代理的行动铺出可执行的路径。算法规则与游戏规则这两套体系永远无法严丝合缝，生成式代理每一次触碰节点的动作，都在替它们加深对场景、对规则、对算法规则的理解，最终落定为在确定性与可能性之间来回游移的行动结果，于结构性框架中撑开一块不确定的空间。这为后文讨论作弊、协作与联结的出现奠定论述基础。

四、生成式代理的关键性智能特征

面对不同游戏场景与规则下代理们的行动结果，AI游戏的观众往往留言道“它超越了自己的本能”“它看起来几乎和……一模一样”“我完全可以想象出……”。这些惊叹都指向同一瞬间：代理不再根据既定规则来规划和实施路径。一般而言，AI的智能涌现是训练规模达到一定量级后，系统突变式地提升，产出原先的组成部分所不具备的新特征与新功能。但本研究认为，AI游戏中的智能涌现不仅在于AI能够按照设计者的预期进行游戏，更在于那些超乎设计者与观众意料的游戏行为。正是这些旁逸斜出的行动，把涌现的非线性与不可预测性推到台前，让人意识到代理已不只是“算法程序”，而是“智能生命”。

涌现概念与层次概念有不可分离的联系，高层次智能从低层次涌现而来。本研究提炼出个体、群体与跨界三个层级的智能涌现现象，分别为创造性（作弊）、社会化（协作）和情感性（联结）。三个层级的划分并非基于简单递进的因果关系，而是揭示代理如何通过行动将不同层级的环境与自身共同装配为复杂系统，从而展露关键性智能特征。这些特征突破了人们对自复制、自适应、自组织的既有想象，也反证了人类中心主义的局限性和人机零和博弈的有限性，让我们看到生成式代理何时会变得让人惊奇，以及这种“惊奇”又会是什么样子。

（一）作弊：与游戏规则的博弈

Aarseth以计算机病毒和全球贸易网络为例，指出“当一个系统足够复杂时，它就会因为有意、过失或巧合而不可避免地产生即使是系统设计师也无法预测的结果”。在AI游戏的基本设定中，也出现了设计者意料之外的智能涌现，并突显为“作弊”。游戏中的作弊，指的是玩家通过各种方式违反游戏规则，来让自身取得游戏内优势的行为。作弊意味着游戏并没有唯一正确的玩法，并将权力过渡给作弊者。作弊产生的前提是玩家意识到自己并无严格遵守游戏规则的必要；作弊的直接动机是想尽可能减少行动成本，而直接享受胜利结果及其带来的愉悦感。AI显然并不天生具有这种意识。但在20个AI游戏案例中，有10个游戏的代理都出现了让设计师和观众惊呼“作弊”的游戏行为。例如，“AI赛跑”中的5个代理需在田径场上进行100米赛跑，有的代理在游戏过程中选择在一开始就躺在其他代理的身体上，企图通过“搭顺风车”完成游戏目标。

生成式代理作弊行为大多源自游戏奖惩规则中的漏洞。一般而言，数条简洁的奖惩规则足以令智能涌现，但却终究难以概括游戏世界的丰富性。一旦那些藏匿于场景时空序列之中却又未被奖惩规则清晰界定的漏洞被代理“认知”，便出乎意料地为作弊提供了可能。在“你追我赶”中，蓝方代理的游戏目标是在一个封闭空间内躲避红方代理的追捕。在三番五次被抓住之后，蓝方代理突然间学会了通过紧贴墙壁不停跳跃“卡”出封闭空间，让自己跃出游戏地图之外，以此使红方代理“望而却步”。

在Flusser看来，游戏者参与游戏时保持着一种严肃的状态，却应抵制那种屈从于游戏规则的严肃性。这正是人类不同于动物之处，是人的本质特征之一。一旦游戏者意识到自己仅仅是在玩一场游戏，他便可以揣度出游戏的规则，作弊式地将游戏玩弄于掌股之上。“他玩的游戏越多，作弊越多，他就越是反叛。”沿此思路，如果说作弊是通过反叛游戏规则及既定秩序，来彰显作弊者的主体性，那么生成式代理则是通过与设计者的博弈、与游戏世界的同构，来彰显智能生命的意图性。AI的这种意图性并不像人类那样有信念和欲望，却用作弊的游戏行为显出一种隐喻性的（metaphorical）而非类似性的（analogical）意图系统。这种意图系统与法国社会学家布鲁诺·拉图尔（Bruno Latour）的非人类行动者相呼应，将设计者、观众与生成式代理的共同游戏经验化为一次与人工智能的接触参与，而非滑向天真的拟人主义或狂热的未来学。

（二）协作：社会性的间接通信

作弊或是生成式代理个体的偶发涌现，而当个体异质性被放进群体，关系组合便浮出水面，信息交换成为它们协同特征的核心。在群体层面，代理的智能涌现表现为协作，即多个代理借助与共享环境的间接通信（stigmergy），展示出单一个体无法拥有的集体组织与行动能力。

在涉及多个代理共同参与的AI游戏中，代理们虽共享同一套算法规则与初始神经网络，但随着游戏推进，一定程度上的分化与变异必然产生，个体间的异质性会逐渐凸显。这种异质性正是群体智能涌现的必要临界点：群体中异质个体的数量过低，往往意味着该群体的行为是可被预先设计与确定的，从而不具备涌现的基本条件；而群体中的异质个体过多，异质性过高，就会使群体难以协作、陷入混乱。唯有“适量”的异质个体，才使个体与个体、群体与环境能通过间接通信保持开放、动态且可持续的交互——这是涌现的理想环境。群体间的信息传递不靠喊话，而是通过改变局部环境来实现，其他个体只要感知到这份变动，就能获得相应信息，这便是间接通信。凭借这种特殊的通信机制，单个代理能通过“影响环境信息”和“接受环境信息”两种方式融入群体，使群体对环境的动态变化保持实时感知，从而让低层次的个体智能涌现迈向高层次的群体智慧。

在“AI战争”中，500名红方代理与500名蓝方代理需要手持盾牌与利剑，在广阔的场地内相互厮杀。双方采取的训练方式与算法参数完全相同，在游戏后期却涌现出了截然不同的战术。蓝方军团中的个体偏好单兵作战，而红方军团却涌现出了“围猎”战术——一旦蓝方军团的个体数量低至一定值，红方存活的代理便会迅速如蚁群般排列成一条直线，共同向零散的敌人推进。而在“AI躲避球”中，同队代理们也表现出类似“传球”这样的协同性行为。可见，即使缺乏如人类一般的直接交流手段，生成式代理也能借环境交互完成社会性协作。当大量智能体如此互通，一种“存在于计算机间的现实”便悄然成形，类似于人际网络所营造的“存在于主体间的现实”。

（三）联结：行动者的数字交往

在跨界层面，代理的智能涌现表现为“联结”，即通过行动越过游戏边界，把代理、系统、观众、设计者等一并卷入人机生态，赋予超越游戏本身的文化与社会意义。

在进行AI游戏的过程中，“人”与“非人”被平等视为行动要素，没有先在属性，而是在互相联结中获得自身的定义。正是在人与代理异质要素的联结之点，在现实世界与游戏世界的磨合之处，存在着种种超乎寻常、独立于惯常行动路径的智慧。在“AI捉迷藏”中，设计者原先的预想是蓝方代理利用数码方块搭建无死角的防御空间，但数码方块终究不具备现实物的部分属性。在游戏进行至中期时，红方代理竟发现能够以某种方式将方块和自身一同抛至空中，以“从天而降”的方式作弊，抓获蓝方代理。整个世界之所以被“如此这般”地显现，恰是异质要素间相互联结的过程。联结不是预先的安排，而总是充斥着“出乎意料”的行动。

作为复杂系统，AI游戏天然“总体大于部分之和”，又与外部环境持续交换，成为更大系统的子环。与代理与数码物关系相仿，设计者与代理的关系也具有这一“创造与发现”的形式，是一种反身性的游戏化行为。在游戏过程中，设计者不仅以技术操作体系作为游戏语言，也部分地将自我意识投射于代理，以期在某种程度上能与生成式代理一起游戏。与此同时，游戏世界虽由设计者设定，但游戏意义的生成却必须基于代理的行动。代理在千万次的游戏训练中不断学习强化，通过作弊来彰显自己的意图性，也在诠释意义上向设计者言说自身，邀请其共同沉浸在人工生命的进化历程中。这恰是数字交往的契机。

生成式代理的这场自我展演不仅面向设定者，更面向所有尝试了解AI游戏的观众敞开。伽达默尔（Hans-Georg Gadamer）认为，游戏本身是由游戏者和观赏者所组成的整体。“事实上，最真实感受游戏的，并且游戏对之正确表现自己所意味的，乃是那种并不参与游戏，而只是观赏游戏的人。”在伽达默尔看来，观看者于游戏而言具有本体论意义，正是在观看者那里游戏被提升至它的理想状态。在“AI扒手”中，代理不仅“活泼好动”，成功偷到贵重物品后还会“兴奋”地原地转圈，以高度拟人化的情感表现引发共鸣。在“AI过山车”中，面对那些可以前行却选择停止脚步的代理，有观众发出了“它们意识到了前进的徒劳无功，这是现代虚无主义与抑郁的斗争”的感慨。人与非人之间的分野在此模糊，只有非人被“再造”之时，人们才会回头认知其中所包含的人性。

卢西亚诺·弗洛里迪（Luciano Floridi）指出，信息社会正化为“互联信息有机体”（inforgs）的集合，人类须适应与非生命体的持续交互；一种无处不在的新连接——人与人、人与机、机与机——借信息流中介化而生。AI游戏正是这一宏大涌现的缩微景观：在“人—物”联结的语境里，媒介物与数码物的递归、自反、涌现，可被视作它们为生存与再生而斗争的生命叙事。行动者基于游戏开展了一系列数字交往实践，勾勒出一种生命新质的自我言说，为打破人机之间的主客体二元论提供了思考的契机。其中，生成式代理的作弊、协作和联结行为天然带有惊奇性与断裂性，在人们的惊叹声中将隐匿的异质行动者网络彰显出来。这并非表明人们终于意识到了这一网络，而是这一网络早已将不同的智慧类型纳入其中。异质行动者网络体现出了一种人与拟人、人与非人、现实与虚拟、生与死相互交织的多项式生命状态。

五、玩创生命的无限游戏

詹姆斯·卡斯（James P. Carse）在《有限与无限的游戏:一个哲学家眼中的竞技世界》中，将游戏划分为两类：有限游戏之所以“有限”，不仅因为它有清晰的时间、空间与数值界限，更因为玩家的目标就是让游戏终结；无限游戏则没有这些特定的边界限制，玩家的目标是让游戏永久进行下去，而“惊奇”正是无限游戏得以延续的原因。游戏既是本研究的研究对象，又是进一步考察AI的透镜，帮助我们超越传统的碳基生命观和人类中心主义的智能观。

单从形式上看，本文案例集中的AI游戏都有时空场景、数值界限，最终目标也是完成特定任务，是典型的“有限游戏”。设计者以软件系统为场景，为生成式代理设定种种规则与边界，寻求一个可终结的结局。任务达成，游戏世界便随之关闭。而“AI是否会超越/毁灭人类”的不休争论，也将人与AI置于你死我活的“有限游戏”之中。

然而，前文所述的作弊、协作与联结早已在数字交往中证明了系统内部所保留的不确定性的程度。人与AI之间那不确定的差异性恰是惊奇之源，而非AI的自身缺陷。正是这种对有限游戏之终结性的“不可言说的无法满足”，令AI单向的自我展演走向终结，而新的无限游戏呼之欲出。

新的无限游戏是生命体间的游戏。AI游戏的智能涌现有望唤出一种跨生命的物性叙事：一方面，代理自复制、自适应、自组织的反馈路径可媲美生物进化。二进制概率计算竟能涌现高度类生命的行为，为传统生命定义提供反思契机；另一方面，作为行动者的数码物已切实改变人的生存状态。技术物、身体、代码织成的巨型网络带来一种不确定性，所有个体生命被连接成一个巨大的生命整体。这种“人—物”联结的异质交织状态意味着不同生命类型在交往维度上的齐一。

亨利·柏格森（Henri Bergson）认为，生命的存有需要保持一种“绵延”的状态。“对于有意识的生命来说，要存在就要有变化，要变化就要成熟，而要成熟，就是要无休止地进行自我创造。”在AI游戏中，生成式代理的游戏行为是一个不断试错以获得进展的生命过程，往往需要经历数千乃至数万次训练才能涌现出相当的智能。这也恰是图灵所认定的人工智能前进的道路，是允许经验累积、允许试错，允许机器从错误中自我学习。这一过程中自然有观察/信息的不完全性/不完美性，行动/决策结果的不确定性，如AI游戏中的作弊、协作、联结皆属此类。陈小平提出了针对AI不确定性挑战的“容差法”，即在一定范围内容忍各种“差”的不利影响，甚至主动利用“差”所隐含的机遇，通过容忍误差、偏差、差别来更好地完成不确定性任务。本文案例集的多轮训练正体现了这一点，使生成式代理以超乎设定者预期的方式更好地完成了游戏。

本研究以“玩创”（tinkering）概念来总括这种对人工生命不确定性的容差，即生成式代理的智能涌现是玩创生命的过程，是在“玩”的心态中，不拘于特定形式、不限于特定结果的创设人工生命的实践。玩创在英文语境中，原指流动匠人改良或修复锅碗瓢盆，而后才拓展到试验和维修机械部件。匠人试验和把玩某个东西，或者修理和改良物件，这种行为常常是不连续的、临时的，但具有一定的创造性。与此类似，玩创生命同样是“从更好的猜测中学习猜测”。其不是将智能涌现比对人类给定的标签和范畴，而是假设智能的下一次迭代中给出的猜测优于上一次，并在迭代间保持一致，也使人类在每一次惊奇中重新校准对“生命”应有的想象。案例集中代理的作弊、协作和联结行动，正是游戏世界中玩创行为近乎无限自由度的注脚。这一凸显创造与惊奇的过程暗含着新的智慧观与生命观——智能涌现提供的是生命过程中的“差异事件”，玩创生命提供的是“差异的再生产机制”。前者让系统跃迁，后者让跃迁被持续纳入共同进化的人机网络。人类与AI形成了一种混合生命的联结，并基于生命体间的创生与交互走向永无止息的无限游戏。

长久以来，人们相信人类的生活组织方式及其发明都起源于自由游戏，古老游戏蕴含着极高的哲思及智慧。AI游戏再次验证这一点：游戏意义并非事先给定，而是在生成式代理的行动中不断生成与流变，处于一种永不止息的创造之中——无限游戏源于行动者对世界的想象性协同再造。无限游戏中的玩创过程处理的是元规则：扩大元规则的范围，使其开放；增加元规则的噪音，使其具有信息性；交叉元规则，产生元游戏。目的与意义并非前设，而是伴随着游戏逻辑形式上的改变而改变。具体而言，行动者可改造游戏逻辑及其结构，进而改写场景、规则及行动目的，进一步打破生活世界的固有秩序和固化联系。例如，类似体能、情感、损耗、魔法等未被清晰定义的特征，都可作为生成式代理的特质数值出现在游戏之中；类似金钱、空间、资源等已被人类社会量化的存在，也可在游戏中被重新数值化。这一系统的玩创过程是由人与非人各类行动者协同生成的，可以探索智能与生命的其他可能性，而非简单延续既定的生产、经济、文化等或自然或社会的属性。

因此，AI游戏可视为一种追求跨生命的数字交往互动，以玩创的方式永远向变化的生命开放，永远向新的可能性开放，邀请我们从有限的AI游戏迈向无限的“AI与人的游戏”。传统“人—技术”主客二元的对立，其实是对行动者联结所带来的可能性的排斥，是企图锚定过去时空，以维系人类恒久以来的主体地位与权力的有限游戏。而在无限游戏中，多元异质主体从一个解读走向另一个解读，从一个游戏走向另一个游戏，永不休止。这种无尽解读与游戏指向生命的无限可能，甚至超越生与死、存在与终结。即使设定者关闭运行程序，AI与人的游戏也不会终止。因为无限游戏者很清楚自己是要死亡的，而游戏却必须永远进行，于是他们的玩法是“以死向生”——“无限游戏中的人正视个人生死，因而戏剧性地玩，朝向开放、朝向地平线、朝向惊奇、朝向不可能有剧本的方向游戏。”在此意义上，游戏是“对未来的某种目的性、对使用物的丰富性、对人的可能性的探究”。

六、结语与讨论

生命往往被认为具有三个基本特征：基因、新陈代谢和细胞，而生成式AI虽无此物理形式基底，却以自复制、自适应、自组织等生物逻辑挑战了传统定义，并能在特定场景、规则和行动中令智能涌现，成为可观测的生命逻辑。

本研究的研究对象AI游戏类似“藏宝游戏”，却无须人类作为玩家参与其中，也没有固定的游戏规则与形态。生成式代理在特定场景中对算法规则与游戏规则不断试错，在确定性与可能性之间不断选择行动。其中，作弊、协作和联结作为关键性智能特征带来了惊奇，超越了自复制、自适应和自组织中原有的框架与设定，令其成为一种创造性、社会化和情感性的人工生命，邀请设定者及观众共同完成生成与演化的无限游戏。

人与AI之间不确定的差异性所带来的惊奇是无限游戏延续的原因。生成式代理的智能涌现是一个不断试错以获得进展的生命过程，也是凭借不确定性的容差而“玩创”生命的实践。AI在游戏语境中显现生命逻辑，个人也以游戏心态重新思考既有的生命观，于是玩创生命升维为一场AI与人的无限游戏，共同拥抱惊奇的“永无止息的自由创造”。AI游戏坦然接受不确定性，若生命结构缺少一定程度的不确定性，行动者便无法创建任何类似生命的系统。

人与技术的关系不仅不是二元对立，甚至也不是“人—技术—世界”的三元结构，智能代理已将人、技术、环境织成一个复杂交织的动态连续系统。本研究据此将AI游戏概括为“玩创生命的智能涌现”。这种随机应变的、动态调整的生成形式成为异质行动者共创的创新实践，并可被视为一种理解人工生命的范本。游戏之中的所有行动者在不断摸索、不断把玩中建立真实联结。一旦联结建立，当行动者开始厌烦那些已然学到的规则和玩法时，才会开始再造新的规则、新的价值，其他智慧也才得以展现无限生命力与无穷可能性。在生命与游戏的时空里，这种把玩、这种玩味不是由人类单方面作为设计者，非人与人实际上都是玩家，在无界限、无终止、无拘束的无限游戏中并行。

当然，游戏仅是过程性手段，AI的类人性和非人性主体特征只在与人类主体的广泛交互中才可能形成与显影。这让人们有理由在无限游戏之中保持乐观。然而，场景设定及两套规则并不意味着赋予生成式代理完全无责的自由状态，人们需要考虑超出彼此预期的行为对数字交往所带来的可能影响。当AI与人的无限游戏全面渗入社会，如何防止“创造与发现”不偏袒任何一方，如何让人类持续惊奇并带来惊奇仍是人类在玩创过程中必须时刻回望的命题。

作者 | 王喆，浙江传媒学院新闻与传播学院教授；王鑫云，浙江传媒学院新闻与传播学院硕士研究生