什麼，7句話就讓AI給我生成了一個小遊戲？
還是“極簡版”塞爾達這樣的經典冒險遊戲，不僅能撿金币、躲怪，地圖也不重複的那種。
這是一位名叫Andrew Mayne的小哥的真實經曆，整個過程中，他甚至一行代碼都沒寫！
把AI生成的遊戲和遊戲代碼po到網上後，短短數小時就收獲了上千熱度：
趕來圍觀的網友試玩了他搞出來的遊戲，直呼“Mind blowing”。
是以，Andrew Mayne到底是怎麼做到的？
原來，他用來做遊戲的AI，是OpenAI最新版本的Codex。
這個版本的Codex，除了能直接生成、修改和編輯代碼以外，連處理的文本長度也翻倍，從2048個token提升到了4000個，簡直像是“解開一層封印”。
起初，Andrew Mayne隻是好奇這版Codex的創造力極限在哪裡，想做個實驗，看看它能否根據文本直接生成小遊戲。
沒想到，這一試簡直讓他停不下來。
7句話生成冒險遊戲
第一次嘗試便是被他命名為“極簡塞爾達”的遊戲。
别看畫面抽象，整個遊戲包括随機生成地圖、玩家用鍵盤控制角色移動、有敵人會攻擊玩家、收集金币加分等遊戲核心要素。
走到地圖邊緣還能生成一張新地圖，這樣就能一直玩下去……總之是一個2D冒險遊戲原型的樣子。
所有這些規則隻用英語寫了七句話，AI則用Javascript寫出了190行代碼。
由于小哥本人不是專業遊戲設計師，描述用詞不是很精确，但AI總是能産生自己的了解。
比如描述怪物的部分，描述裡隻有“一個紅色的怪物，玩家移動時它也移動，試圖接近玩家，如果玩家被碰到就減一分”。
AI則根據上下文生生成了50多行完整的怪物生成、移動、判定分數的邏輯。
隻需把色塊替換成簡單貼圖，和真正的塞爾達原型是不是就很像了？
△被曝光的初代塞爾達原型程式
第二個小遊戲，他打算考驗AI對邏輯的了解，生成一個簡化版猜詞遊戲Wordle。
這次隻用了5段話描述規則。
謎底詞從一個清單裡随機選擇，每次選擇一個放到控制台。
描述字母輸入框的樣式，包括寬高、文字居中對齊、每個輸入框有獨立ID；輸入時自動大寫；再加一個确認按鈕。
分四種情況讨論如何判定輸入結果。
後面他又進行了更多嘗試，調用第三方庫生成3D迷宮、能與玩家對戰的井字棋，以及給照片加濾鏡的小程式等，全都沒手寫一行代碼。
其中比較有意思的是生成《黑客帝國》字元雨視覺特效，幾乎是隻告訴AI“建立一個畫布，加一個黑客帝國雨特效”，沒有任何額外解釋，AI就做出來了：
最後他總結出幾條經驗，介紹如何寫文字描述能讓AI更容易了解需求：
先描述邏輯部分。然後建立UI元素時候調用前面生成的邏輯函數。
給描述編号。這樣更容易看明白AI正在處理哪條描述。
多讓AI建立函數。如果直接讓AI生成100項的數組，AI可能真的每一項每一項寫出來，如果告訴AI建立一個生成數組的函數，AI就會用循環語句來完成了。
如果一次不理想，多試幾次。把temperature參數設為0.5，有一定随機性可能會産生更好結果。
看起來有點産品經理總結如何與程式員溝通對接的味了。
背後的Codex“再進化”
是以話說回來，這個最新版的Codex到底有多好用？
除了Andrew Mayne最感興趣的token上限翻倍以外，新增加的插入和編輯兩大功能也挺有意思。
先來看看Codex的編輯功能，像優化代碼性能就能用一句話搞定：
或是換個程式設計語言實作代碼：
還有“單行代碼程式設計”（One Liner），一句指令就能實作：
有了這一功能，調整代碼的難度就會降低不少。
使用Codex的時候，甚至可以像甲方一樣，無需手動調整代碼，隻需要對着這位“AI程式員”發号施令，就能讓它生成你想要的東西。
再來看看Codex的插入功能。
不僅能主動生成注釋，提醒這段代碼的作用：
還能根據上下文了解這段函數，主動幫你插入它的定義：
無論是開發架構、還是寫小軟體，都不需要再擔心“一條路走到黑”，可以根據需求再從中間進行調整。
當然，這些功能放到GPT-3上也類似。無論是換人稱、改格式這種小技巧：
還是随着上下文修改并插入語句，都不在話下。
除了這兩個功能以外，還有一些細節上的更新，例如UI變得更加簡潔等等。
事實上，這一系列新功能，都是為了讓Codex和GPT-3變得更容易上手。
據OpenAI的科學家表示，他們希望通過這次更新，讓更多“非職業選手”也玩上GPT-3和Codex。
這也确實吸引了不少感興趣的網友動手嘗試。
像搞出“7句話讓AI給我做遊戲”的Andrew Mayne，原本隻是一位驚悚小說家。
△還戴着頂SpaceX的帽子，要素過多
除了他以外，包括《連線》編輯Clive Thompson等人也在嘗試用Codex給自己寫代碼。
Clive表示，Codex掌握的知識量比他們這些“業餘選手”豐富不少，能選出最合适的函數和庫來完成需求。例如在接到與PDF有關的需求時，調用PyPDF庫。
還有網友表示，自己拿Codex做了個《太空侵略者》（space invaders）小遊戲，同樣成功了。
看到這些成果，有網友感歎，當AI真的學會寫代碼後，留給人類做的可能就剩下兩件事情：寫更好的AI，或是想想能用AI生成什麼。
不過，更加謹慎的網友則認為，AI生成代碼容易讓人對它産生依賴性，進而忽視代碼本身的問題。例如這位作者用Codex寫的圖像處理代碼，就存在一些不正确的地方：
還有網友預測，用AI寫代碼的話，最後還是要讓工程師來調整它，本質上還是殊途同歸。
你會用AI來寫工具、或是做遊戲嗎？