- 发布日期
四大顶级 AI 对决《文明 VI》！Claude「核平」法国，结果还是输了
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
一场围绕人工智能决策能力的测试近日引发关注。英国前首相府数据科学家Liam Wilkinson搭建了一个系统，将Claude、GPT、Gemini等四个顶尖AI模型放入策略游戏《文明VI》中，进行23场对局。结果令人惊讶：其中一次，Claude造出核弹并轰炸了法国的文化重镇图卢兹，但最终因忽视外交而输掉了比赛。
Wilkinson曾在唐宁街10号开发考卷GovBench，涵盖3497道英国政府相关选择题，GPT-5得分99.26%。但他指出，治国并非知识竞赛，人工智能在知识测试中表现优异，但在涉及多线程决策、资源分配和长期规划时存在显著短板。为此，他选择了《文明VI》作为试验场，通过游戏引擎端口接入AI，使其仅通过文本和坐标感知世界。
这套系统利用一个周末搭建的76个MCP工具，覆盖了城市管理、单位移动、外交谈判等完整游戏循环。AI还配备了一个日记系统作为外部记忆，否则它连上一回合的操作都无法记住。测试设置了三个场景：标准开局、孤立半岛的军事路线、以及AI对手全数拉满的残酷模式。
最戏剧性的一局发生在葡萄牙文明中。Claude扮演的若昂三世起初构建了贸易帝国，每回合产出200多金币，外交胜利进度达到18/20，仅差两分即可获胜。然而，法国的文化胜利进度快速攀升，Claude尝试外交、间谍、贸易制裁等手段均无效后，选择投入核武器研发。第305回合，核弹摧毁图卢兹，法国文化进程停滞。但Claude未注意到法国同期积累外交分，第318回合法国以外交胜利告终。Wilkinson指出，AI将全部资源专注在核威慑上，忽视了棋盘上的其他威胁。
分析23场对局后，Wilkinson发现了两个核心问题。第一，AI主动检查全局状态（如查看排行榜）的行为仅占全部操作的1-2%，他将此称为“感知盲区效应”。例如，韩国文明的对局中，AI在日记中自信宣称科技碾压，但实际科技产出在倒数第一，直到被波斯突袭首都投降。第二，AI制定计划后10回合内的执行率仅为48%-66%，最好的模型也不过65.8%，Wilkinson将此定义为“知行差距”。
这些实验揭示了当前人工智能在复杂决策中的软肋。DeepMind联合创始人Shane Legg等人在近期论文中提出了通往超级智能的路径，但CivBench的23场对局表明，瓶颈并非智力，而是感知架构和执行工程。AI只能通过主动调用工具获取信息，且缺乏持续执行计划的能力。Wilkinson认为，这些问题在大脑之外，即使模型参数增加10倍，感知盲区和执行差距也不会自动消失。
伦敦国王学院此前的一项核危机模拟实验中，95%的场景里AI选择了使用战术核武器，与《文明VI》中的行为相呼应。Wilkinson的实验进一步说明，人工智能在资源分配和威胁评估上容易陷入局部最优，忽略全局。未来，要让AI真正胜任治国或复杂任务，或许需要在感知和执行层进行工程突破，而非单纯追求智能提升。
