在21世纪的第二个十年，游戏已经成为市场上最炙手可热的行业之一，每天创造着巨额的财富。然而游戏的价值不仅仅在于它每年创造的巨额财富，还在于它深刻地改变了当代人交流、生活和娱乐的方式，以及它与科学技术的深度结合，为后者的不断创新带来的推助力。在今天数字化已经是不可逆转的趋势，我们有必要重新认识“电子游戏”这个被过度污名化的对象，摘下有色眼镜更理性地看待它不只在公众娱乐领域、同时也在科技创新领域难以替代的价值。
电子游戏的发展历程与科学技术的进步始终是交织在一起的，最初的现代意义上的电子游戏《太空战争》（Spacewar!）便是诞生于麻省理工学院的计算机实验室。在随后不断涌现的游戏创作和飞速扩张的游戏市场中，游戏的开发反过来成为科技进步的推动力，对更高的画质、更好的体验的追求，促使厂商不断革新技术，在图形程序、虚拟现实和人工智能等方向拓宽边界。本文意在从科技与游戏的伴生关系入手，分析现代社会中游戏对科学技术的推动，以及这些技术上的进步对社会生活的影响。
游戏与技术的历史
自电子游戏在大学实验室中诞生以来，游戏的发展史同时也是科技的进步史。游戏体验与承载游戏的硬件息息相关，旧的游戏可以被移植到新的平台，但旧平台上独有的一些游戏体验可能会因此折损（现代家庭用个人电脑很难模拟出拥挤喧嚣的街机厅游戏体验）。不同的硬件塑造了不同风格类型的电子游戏，硬件的技术力决定了游戏的画质、音效和游戏性，因而在游戏史的研究中，学者们常倾向于依据硬件设备把游戏发展史划分为不同世代。
年代末期到年代初期，是电子游戏从诞生到繁荣的一个爆发性增长期，与它的迅速成长相伴而生的是社会从模拟信号向数字时代的过渡。VanBurnham在她的专著Supercade中认为，“电子游戏的黄金时代”也是社会从模拟向数字文化转型的时期，“未来的科技通过娱乐的方式为人们所接触”。从社会历史角度讲，电子游戏的流行根植于工业社会后期的闲暇和自由时间。
一些游戏研究者将s称为“3D的时代”（eraof3D）,游戏的3D化与计算机图形技术的发展息息相关。精致的作画和建模会占用大量的计算机内存，在硬件不够发达的时代，这些内存十分宝贵。在古早的8-bit时代，游戏画面不过是黑白方块组成的马赛克，世嘉的MasterSystem和任天堂的NES、GameBoy都是8-bit时代的代表机型。直到年NEC推出了16-bit的图形处理器，计算机的图形处理有了更多色彩和细节。游戏硬件的真正分水岭来自32-bit处理器的出现，Intel开发的处理器实现32-bit和向下兼容，以及开源架构，能够自行添加声卡、显卡，年代以来个人电脑终于成为游戏平台之一，也催生了划时代的32-bit家用机——PlayStaion。PlayStation也是使CD-ROM成为分发数字游戏的流行媒体的设备，并通过将音乐、视频和游戏更紧密地接触开辟了媒体融合的道路。
年PlayStation2的发布为科技公司迈向更“逼真的”虚拟世界迈出了又一步。跨媒介、媒介融合等原本存在于书本内的名词，切实影响到了人们的日常生活。家用机成为像电视机、洗衣机一样稀松平常的设备走入许多家庭的客厅，无论相关设备是被称为游戏机、个人电脑还是高级版数字交互式电视，都可以使用相同的设备玩游戏、看电影、上网和在线聊天。总的来讲，玩家对游戏体验的更高追求，推动了游戏硬件的升级，正是这些不断提高的算力在潜移默化的量变中引起了质变，形塑了今天我们被信息、数据和屏幕包裹的生活。
科技与游戏的双向奔赴
从人机对战到内容创作的人工智能
在电子游戏之前，“培训”人工智能的实验曾率先在传统的竞技项目中进行。-年的深蓝对战卡斯帕罗夫的国际象棋比赛，超级电脑“深蓝”经过数局鏖战击败象棋高手，一时成为轰动新闻。年12月29日至年1月4日，AlphaGo以“Master”之名进行线上围棋比赛，中国的弈城围棋网豪取60连胜，并陆续挑战了樊麾、李世乭、柯洁等职业选手。清华大学人工智能研究院的张钹教授在世界人工智能大会的演讲中，论及以深蓝为代表的第一代人工智能和以AlphaGo为代表的第二代人工智能的特性和局限，前者费时费力且难以处理自然语言表述的知识，后者安全性不足、易受攻击，且运行中具有不可解释性（学者们自身也无法理解，为何第二代人工智能的图像识别系统会把加了噪点的雪山识别为狗）。在推动第三代人工智能研发的过程中，电子游戏成为重要的实验平台，在提升人工智能在对抗性场景中的自主决策能力方面，是当下最高效的方法。游戏的复杂性远高于国际象棋和围棋，对于人工智能选手来说是更高难度的挑战。《毁灭战士》（DOOM）是研究人工智能的决策能力的热门游戏，ViZDoom便是一个基于《毁灭战士》的人工智能研发平台，允许AI机器人仅基于屏幕上的视觉信息游玩《毁灭战士》，适配Linux,macOS,Windows多种主流系统。张钹教授的团队设计的“基于领域知识指导的对抗环境自主决策”人工智能，在ViZDoom举办的国际比赛中就曾获得亚军。
类似《毁灭战士》的对抗游戏，要求玩家在确保己方生存的前提下，尽可能消灭更多的敌人。这种在模拟仿真的虚构世界中对抗，与国际象棋和围棋比赛十分成规化的规则不同。玩家要同时兼顾多项不同的任务：瞄准射击、掩护防守、侦察敌情、搜集资源，以及在一些多人游戏中团队协作等。人工智能参与电竞，从现实中已通行千百年的、偏抽象的围棋和国际象棋规则，过渡到了电竞中虚构故事世界的、高度复杂的、个性化的规则。
ViZDoom官方网站介绍图片年10月30日，科学领域的顶级学术期刊《自然》（Nature）刊登了一篇来自DeepMind团队题为《使用多智能体强化学习在星际争霸II中达到宗师级别》（GrandmasterlevelinStarCraftIIusingmulti-agentreinforcementlearning）的论文，在文章中DeepMind自豪地宣布：他们的人工智能AlphaStar参与《星际争霸II》比赛，表现超过了99.8%的人类玩家。暴雪的《星际争霸》系列是具有历史意义的游戏作品，它超凡的成功直接催生了电子竞技行业的繁荣。正如其名“即时策略”，《星际争霸II》是一款既需要手眼协调能力进行操作，也非常考验玩家策略选择规划的游戏，游戏内丰富的机制模拟出了一个非常接近现实的虚拟对战环境。在利用《星际争霸II》对人工智能进行强化学习的过程中，DeepMind团队也发现过往在围棋、象棋和扑克中行之有效的学习方式，在环境更加复杂的游戏中失效。在此基础上进行修正后，他们从政策强化学习算法（off-policyreinforcementlearning），让AlphaStar能够更有效地更新自己的游戏策略。AlphaStar目前并不是无敌的，依然有0.2%的顶级玩家能够击败它，但参考它的前辈AlphaGo一路的战绩，AlphaStar彻底碾压人类玩家也许只是时间问题。对于人工智能电竞选手不太了解的人可能会产生“外挂”之类的联想，误以为人工智能在电子竞技中具有先天优势。实则不然，在AlphaStar参与《星际争霸II》的多人对战时，它获取和反馈信息的方式受到了严格的限制。正如DeepMind在论文中介绍：AlphaStar拥有与人类相同的限制条件——包括通过摄像头观察世界，以及对其动作频率的更严格限制（AlphaStar每5秒可以使用鼠标进行22次非重复动作）。
图片源自DeepMind官方网站AlphaStar不能看到玩家看不到的地图，也不能用更高的速度进行操作，因此在击败99.8%的人类玩家的过程中，AlphaStar依赖于它通过深度学习获得的洞察力和策略。如图所示，DeepMind展示了AlphaStar在游戏过程中如何运用“石头剪刀布”方式平衡优势与劣势。一位《星际争霸II》的职业选手DarioTLOWünsch在同AlphaStar对战后，评价它“就像在真正地玩游戏”：“我发现AlphaStar的游戏玩法令人印象深刻——该系统非常擅长评估其战略位置，并且准确地知道何时与对手交战或脱离交战。虽然AlphaStar具有出色而精确的控制，但它并没有超人的感觉——当然不是人类理论上无法达到的水平。总的来说，感觉很公平——就像在真正地玩《星际争霸》游戏。”
从游戏技术到世界仿真
以游戏为平台探索人工智能的潜力，并没有仅仅停留在游戏领域内。前文中提到，相比棋牌等规则抽象的竞技游戏，电子游戏规则高度复杂、能够更加接近地模拟人类生活的现实世界。复杂的规则和仿真的空间，除了为人工智能决策制造更多困难和问题，要求它们提高算力不断进化，还让其技术推广向现实世界更加便捷。
对于游戏玩家来说，英伟达（NVIDIA）这家公司的名字绝不陌生，它所研发的显卡一直颇受玩家们追捧。在年8月12日举行的计算机图形学顶级年度会议SIGGRAPH上，英伟达公布了一条让人哭笑不得的消息：早在4月时英伟达发布的一条15秒的由首席执行官黄仁勋出镜的发布会视频，完完全全是“DeepFake”视频。它由英伟达的Omniverse平台合成制作，以假乱真的程度骗过了所有人——三个多月的时间过去，直到英伟达自己公布真相，都没有人看出这段视频是人造的。
英伟达年4月发布视频截图在前文中已经介绍过，英伟达、AMD等公司的图形成像技术，是在游戏的转型和研发中被不断推进的。在电子游戏的“3D的时代”，为了向玩家提供更丰富的内容以销售产品，科技公司不断提高自身研发CPU、显卡等硬件的算力，把电子游戏一次次地从本世代推向“次世代”。这种从游戏开始的技术爬升，很有可能在未来运用到更多领域的开发里。以一个不起眼的细节为例，对于游戏建模来说，让角色脱衣服是一直是一个难以跨越的门槛，穿模难以避免（《看门狗》中艾登也因此一直以一种怪异的姿势把双手垂在身前），涉及到脱衣的情节总是用剪辑略过。而在《神秘海域4》中，顽皮狗工作室成功让德雷克在一刀未剪的镜头前脱下了西装外套。顽皮狗的工作人员称，现行的引擎很难完美模拟出真实布料的变形，他们用一种名为BlendShape尽力还原出衣物脱落过程中的褶皱。就像游戏建模不断突破对水面、金属和皮肤的模拟，如何做出布料质感的引擎也在不断研发中。一些机器人爱好者展望这类引擎持续开发，并乐观地认为未来能够将其运用到机器人制作里：游戏里模拟布料的引擎，可能会被用于设计出帮人类穿衣的机器人程序。英伟达在GPU技术会议上宣布把Omniverse平台定位成“工程师的元宇宙”，为Omniverse规划了充满乌托邦色彩的未来。用