AI 编码、游戏混搭与人类品味的价值

我认为 AI 编码的能力正在改变人们重建和组合软件的方式。游戏混搭把一个世界的角色或机制放进另一个世界，也有人重建了类似 Photoshop 的应用并免费发布。我会解释几种方法，并展示自己的一个游戏项目。

源代码供人阅读和编辑；编译器将其转换为计算机执行的机器代码。反编译则从可执行文件出发，反向推导可读的实现。过去，Super Smash Bros. Melee 等项目的粉丝团队往往需要投入多年。

这项工作需要推测一段机器代码的作用，编写候选实现，再检查其行为。例如，开发者可能重建让 Mario 跳跃的代码，将结果与原作比较，发现差异后再修改。

逆向过程不一定能恢复原始源代码。编译可能丢弃注释和名称，也可能重新排列操作。源代码中的 2 + 3 可能变成直接返回 5。重建程序可以复现行为，却无法还原完全相同的原始文本。

我认为这很适合 AI，因为它把代码与可重复的验证循环结合起来。模型可以提出实现、检查结果并迭代。将工作分给多个智能体也可能缩短耗时，不过结果质量仍取决于检查方式和具体任务。

我以 Chris Lewis 的 Snowboard Kids 工作说明时间变化：一项长期的人工作业之后，AI 辅助尝试用了 84 天。重建代码不必完全相同，游戏也可能看起来和玩起来一样；这只是对所讨论案例的观察，并不能证明所有重建都等价。

我自己的项目是为 ModRetro 掌机重建 Super Mario World。我让 GPT-6.1 Sol 从头构建，使用网上文档并反复对照原作。录制视频时，它已经运行了四天多。我认为这与反编译接近，但不一定是同一回事。

制作游戏混搭有几种方式。最简单的是替换视觉素材：角色看起来像 Spider-Man，却保留原角色的行为。这类似更换皮肤，而不是把一整套新机制带入游戏。

直通式模组让两个游戏同时运行，并建立连接。在 Minecraft 和 GTA 的例子中，一个引擎处理方块和生物，桥接程序对齐镜头、组合画面并在游戏间传递事件。一个世界里的爆炸可以触发另一个世界对应位置的爆炸。

另一种方式是把跑酷或滑板等机制移植到不同游戏。开发者必须让加速、跳跃和碰撞适应目标引擎。有时可以改造代码；另一些时候则观察并重建行为，而不接触原始代码。

工作量最大的方法是重建运行游戏所需的规则和软件。研究原作并实现必要行为，可以让创作者更自由地制作混搭，但也需要投入更多工作。我预计 AI 工具会让更多这类实验成为可能。

我把这个想法延伸到其他软件。Berman 提到一个名为 PhotoCraft 的项目重建了类似 Photoshop 的应用，也回忆起自己让 AI 观察 Excel 并重现部分行为。在这种过程中，模型观察操作和结果，而不是读取原始代码。展示部分行为并不能证明完整功能等价。

我认为，随着重建变便宜，软件本身会成为较弱的商业护城河。公司仍可以提供培训、企业功能、支持、维护和更新。当写代码变得更容易时，这些服务和关系可能更重要。

共同的模式是迭代循环：给智能体一个目标和检查进展的方法，然后让它继续工作。我认为数学研究也有相似之处，系统可以探索候选路径并检验论证。可验证目标很有用，但确定正确的检查方法、确认结果正确仍然重要。

我提到了 OpenAI 最近的数学研究，以及一份对近期发现进行分类的第三方列表。我将这些例子看作 AI 辅助数学快速变化的迹象。我更广泛地说数学或软件“已解决”，是对这一趋势的预测，并不能证明所有开放问题或软件任务都已解决。

我把循环的想法延伸到递归自我改进：AI 可能帮助找到让自身运行更快、更便宜或更有能力的方法，再将改进用于后续工作。我看到了快速累积的可能，也承认其影响存在不确定性，需要确保系统保持对齐。

我提到 Google 的 AlphaEvolve，作为 AI 帮助优化底层系统的例子。更大的观点是，工具和基础设施的改进可以反馈到未来工作中；任何具体节省规模及影响的说法，都需要独立证据。

随着数字创作变得更容易，我认为品味和创造力更加重要。制作大量图片或游戏本身，不能告诉我们哪些会打动人。要创作引人入胜的新角色、故事或游戏，仍需要判断什么有意义、什么好玩。

别人可以复制成功的创意并制作许多变体，但混搭长期以来就是艺术和音乐的一部分。在衍生作品大幅增加的世界里，我预计能与观众产生共鸣的作品会成为噪声中更有价值的信号。