# AI 快讯补 0617：MS 研究员用《帝国时代 II》山羊搭建神经网络、Nvidia 机器人自我训练、OpenAI 预测模型失败率
【一句话摘要】Microsoft 研究员在《帝国时代 II》中用山羊搭建了一个工作神经网络；Nvidia 研究让机器人通过 AI 编程 Agent 自我训练；OpenAI 开发预测模型失败率的技术。
【实战价值分析】
– 🐐 山羊神经网络——AI 研究的最离谱”硬件”实现
– 🤖 Nvidia 机器人自我训练——AI Agent 训练 AI Agent 的闭环
– 🔮 OpenAI 失败率预测——上线前就知道模型会怎么翻车
【核心速览】
| 事件 | 主角 | 核心看点 | 日期 |
|---|---|---|---|
| 山羊神经网络 | Microsoft Research | 在《帝国时代 II》中用游戏内的山羊搭建可运行的神经网络 | 6/17 |
| 机器人自我训练 | Nvidia Research | AI 编程 Agent 教机器人如何学习新技能 | 6/17 |
| 模型失败率预测 | OpenAI | 在发布前预测 AI 模型在哪些场景下会失败 | 6/17 |
| Copilot 转 Token 计费 | GitHub / Microsoft | 6 月起 GitHub Copilot 按 Token 收费 | 6/17 |
—
## 一、Microsoft 研究员在《帝国时代 II》中用山羊搭建神经网络
这可能是本周最”离谱”也最有创意的 AI 研究。
【怎么做到的】
一位 Microsoft 研究员在《帝国时代 II》中，利用游戏内山羊的移动行为来模拟神经网络的神经元激活。
– 每只山羊 = 一个神经元
– 山羊的移动路径 = 信号传递
– 通过游戏内的触发器和事件系统实现”前向传播”
– 最终这个”山羊神经网络”确实可以执行计算任务
【研究目的】
这不是一个”实际可用”的神经网络，而是对 AI 科学的一种讽刺性批判——批评当前 AI 研究中”只要能跑就叫成果”的风气。
## 二、Nvidia 研究：机器人通过 AI 编程 Agent 自我训练
Nvidia 的研究展示了机器人训练的新范式——让 AI 编程 Agent 来训练机器人。
– AI Agent 编写训练脚本 → 机器人在模拟环境中执行 → Agent 分析结果 → 调整训练参数
– 这是一个自我循环：AI 教 AI 如何学新技能
– 与之前的 AutoTTS、AlphaProof 等”搜索+验证”范式一致
## 三、OpenAI 预测模型失败率
OpenAI 的研究人员正在开发一种方法，在 AI 模型发布前预测其可能的失败模式。
– 不是发布后才发现问题
– 而是在实验室阶段就能预估”这个模型在 X 场景下有 Y% 的概率出错”
– 对安全部署具有重要意义
## 四、GitHub Copilot 转向 Token 计费
6 月起，GitHub Copilot 从固定月费改为按 Token 计费。
– 这意味着 Copilot 加入了 Claude Code、GPT API 的阵营
– 对轻度用户可能更便宜，对重度用户可能更贵
– 与之前报道的”Token 经济”趋势一致
—
【SOP 操作】
1. 如果你用 GitHub Copilot，对比新旧计费模式——固定月费 vs Token 计费哪个更划算
2. 关注 Nvidia 的机器人自我训练范式——AI Agent 训练 AI 可能成为新标准
3. 如果你的团队部署 AI 模型，考虑加入”预发布失败预测”环节
4. 山羊神经网络虽然离谱，但它提醒我们：不要为了发论文而做”能跑就行”的研究
来源：The Decoder；360 视界整理编译