训练动物玩《我的世界》的技巧本质上与训练人工智能的原则是相同的：
- 基于上下文的强化学习：
每当Kanzi在游戏中达到标记的里程碑时，他就会得到一个水果或花生，激励他继续遵循游戏中的规则。
- RLHF：
Kanzi并不理解人类的语言，但它能看到训练人员为他加油打气，还会偶尔给出回应。来自训练人员的欢呼给了Kanzi一个强烈的信号：它走在正确的道路上。
- 模仿学习：
训练员为Kanzi演示了如何完成任务之后，它就立即掌握了相关操作的含义。演示的效果远远超出比单独使用奖励的策略。
- 课程学习（Curriculum learning）：
训练员和Kanzi从非常简单的环境开始，逐步教导Kanzi掌握控制技能。最后，Kanzi能够穿越复杂的洞穴、迷宫和下界。
不仅如此，即便是使用了类似的训练技巧，动物的视觉系统就能在极短的时间内识别和适应新的环境，而AI视觉模型则会花费更多的时间和训练成本，甚至常常难以达到理想效果。
我们再次陷入莫拉维克悖论（Moravec's paradox）的深渊：
人工智能与人类的能力表现相反。在我们认为无需思考或作为本能的低级智能活动中（如感知和运动控制），人工智能表现很糟糕。但在需要推理、抽象的高级智能活动中（如逻辑推理和语言理解），人工智能却很容易超越人类。
这正好对应了这个实验呈现的结果：
我们最好的人工智能（GPT-4）在理解语言方面接近人类水平，但在感知、识别方面远远落后于动物。
网友：原来猩猩打游戏也会生气
Kanzi和LLMs都可以玩《我的世界》，但Kanzi的学习方式和LLMs之间存在着不可小觑的差异，我们要注意这一点。
面对Kanzi优异的学习能力，网友们开始了恶搞。
有人预见6年以后的世界将成为猩球大战......
或者是猩猩喝可乐，融入人类社会......
甚至马老板也中枪了，被做成了「猴版」马斯克。
