共计 1737 个字符，预计需要花费 5 分钟才能阅读完成。
当游戏角色穿墙而过、物体违反重力规则悬浮时，玩家通常会将其视为需要修复的漏洞。但一组人工智能科学家却从中看到了独特的教学机会。来自穆罕默德·本·扎耶德人工智能大学和北京大学的联合研究团队，开创性地利用电子游戏中的物理故障画面，成功提升了 AI 对现实世界物理规律的理解能力。这项研究为解决 AI 领域的一个长期挑战——如何让机器获得直观的物理常识——提供了一条成本低廉且可扩展的新路径。
传统上，训练 AI 理解物理世界主要依赖两种方法：对现实世界视频进行昂贵的人工标注，或使用过于简化、缺乏真实感的合成模拟数据。前者成本高昂且难以规模化，后者则往往无法捕捉真实世界的复杂性。研究团队另辟蹊径，将目光投向了现成的游戏画面。在电子游戏中，出于程序错误或设计疏漏，时常会出现物体运动、碰撞或材质表现违反物理定律的“故障”瞬间。这些视觉异常，恰恰成为了 AI 学习“什么是不合理物理现象”的绝佳教材。
从混沌中学习秩序：PhysGame 数据集与 GameBench 基准
研究团队的核心成果是构建了名为 PhysGame 的大规模指令微调数据集。该数据集包含了超过 14 万个精心设计的“问答对”，每一个都围绕一段游戏故障视频展开。问题旨在引导 AI 模型识别并解释画面中违反物理定律的具体细节，例如：“为什么这个角色没有从悬崖上掉下去？”或“这个球撞墙后的反弹角度符合动量守恒定律吗？”
PhysGame 涵盖了力学、光学、材料属性、热力学和电磁学五个核心物理领域，并细分为重力、速度、弹性等十六个类别，为 AI 提供了系统性的物理异常“图鉴”。为确保数据质量，研究人员设计了一套巧妙的提示策略，利用游戏自带的元数据（如关卡标题和任务描述）来引导生成高质量、相关性强的问题，从而保证了学习信号的准确性。
作为评估工具，团队同步创建了 GameBench 基准测试。它由 880 个经过专家标注、包含各类物理故障的游戏视频片段组成，专门用于量化评估多模态模型在物理推理任务上的性能。
显著性能提升：从游戏世界泛化至现实理解
实验结果表明，这种“从错误中学习”的方法成效显著。使用 PhysGame 数据集微调后的 Qwen2.5-VL 模型，在多项基准测试中表现出了全面的能力提升：
- 现实世界泛化能力（Game2Real）增强 ：在评估现实世界物理理解的 PhysBench 基准上，模型性能提升了 2.5%。这意味着，通过观察游戏中的“错误”物理现象，AI 反而加强了对现实世界“正确”物理规律的理解和泛化能力。
- 通用视频理解能力（Game2General）进步 ：在更广泛的视频理解基准 MVBench 上，模型也获得了 1.9% 的性能增益。这表明，从物理异常中学到的推理能力，可以迁移到其他不直接相关的视觉理解任务中。
- 物理不合理性检测的鲁棒性大幅提高 ：在专门的 GameBench 测试中，经过 PhysGame 训练的模型，其检测画面中物理异常的绝对准确率提升了 3.7%，证明了该方法在核心目标上的有效性。
研究人员指出，这一方法在哲学层面上呼应了“从混沌中产生秩序”的理念。通过系统性地识别和分析对预期物理规律的“偏离”，AI 模型能够更深刻地内化那些“理应如此”的基本原理。例如，一个看过无数次物体异常穿墙画面的模型，会更能理解“固体障碍物不可穿透”这一常识。
新范式开启：低成本、高可扩展性的 AI 训练路径
这项研究的深远意义在于，它确立了一种全新的 AI 训练范式。利用海量、易获取且富含丰富物理交互（包括错误交互）的游戏视频资源，研究者能够以极低的成本构建大规模、高质量的专业数据集。这成功绕过了现实数据标注的瓶颈和合成数据的真实性局限。
“游戏引擎创造了一个复杂、交互式且视觉丰富的模拟环境，其中偶然出现的故障为我们提供了自然界中难以捕获或昂贵复现的‘反例’，”研究团队表示，“利用这些反例进行学习，是迈向具备人类级物理直觉 AI 系统的关键一步。”
未来，研究团队计划扩展 PhysGame 数据集，纳入更多样化的游戏类型和视觉风格，以进一步强化 AI 的泛化能力。这项工作不仅为多模态大语言模型赋予了更扎实的物理推理能力，也为机器人技术、自动驾驶等领域需要复杂物理常识的 AI 应用，指明了一条充满潜力的发展道路。在 AI 学习物理的道路上，游戏的“漏洞”不再是缺陷，反而成了照亮理解的明灯。
