當電腦變成搜救犬：從遊戲學會面對真實世界

想像一隻剛入學的小狗來到搜救訓練中心，這天陽光普照，場地平坦。眼前的木板坡道和隧道一目瞭然，就像早期的電腦學下棋一樣。規則很死板，棋盤都在眼前，沒有任何意外。小狗只要看清楚起點和終點，照著既定的路徑跑就行了，這時候的世界是完全可預測的。

但真實世界沒這麼簡單。教練把場景換到了起霧的森林模擬場，地上坑坑洞洞，視線很差。這就像電腦開始挑戰複雜的戰略電玩，沒辦法一眼看穿全圖，只能根據眼前晃動的像素做判斷。就像小狗在霧裡不能只靠眼睛，系統必須學會處理混亂的資訊，在看不清全貌的情況下做出決定。

為了怕小狗死背路徑，訓練場引進了一台機器，每天早上自動挖新隧道、把樹移位。這對應到 AI 自己設計關卡的技術。場地天天變，小狗就不能只背地圖，而必須真正學會「如何導航」。系統這樣做，是為了確保它學到的是應變的真本事，而不是作弊背答案。

接著難度升級，一群狗要合力拖動一根大木頭，還不能亂叫，只能靠默契。這就像遊戲裡的「多角色合作」。電腦控制的角色不能只顧自己衝，得學會觀察隊友。一隻狗的動作，完全取決於另一隻狗怎麼配合，這考驗的不再是單打獨鬥，而是複雜的溝通與協調。

最後，圍欄全撤掉了。沒有指定的跑道，也沒有過關獎勵，只剩一片荒野。這就像《Minecraft》這類開放世界遊戲，沒有所謂的「贏」，只有生存和建造。電腦得聽懂像「蓋個避難所」這種模糊的指令，然後像回到大自然的狗一樣，靠自己的本能去探索、去適應這個沒有規則的世界。

故事的最後，這隻訓練有素的狗走出模擬場，踏進真正的災難現場，在瓦礫堆中自信穿梭。這就是遊戲研究的終極目標：那些數位遊樂場不只是為了玩，而是最安全的試煉場。我們在那裡訓練電腦的大腦，好讓它們最終能跨出螢幕，協助解決真實世界的複雜難題。