用NEAT神经进化训练马里奥AI：从三次失败到通关的进化实验

在AI游戏领域，教会程序玩《超级马里奥》并不新鲜，但用神经进化算法（NEAT）去攻克难度更高的ROM Hack关卡，却是一个仍在探索的方向。一位Reddit开发者分享了他的持续性项目：让进化出的马里奥控制器攻克《Bowser's Crown 4-1》关卡末尾那个反复导致失败的缺口，最终成功通关。

NEAT如何让马里奥学会自己玩

NEAT（NeuroEvolution of Augmenting Topologies，增强拓扑的神经进化）是一种通过进化算法同时优化神经网络结构和权重的方法。它不像传统强化学习那样依赖梯度下降，而是模拟自然选择：生成一批网络、评估表现、选择优胜者、进行变异，一代代迭代。

在这个项目中，神经网络从模拟器内存中读取附近的游戏状态信息（如敌人、地形、马里奥的位置），并输出对应的按键操作。每一个「控制器」本质上就是一个进化出的网络。开发者明确指出，视频中展示的回放并非训练过程本身——网络在回放时并不学习，展示的是已经进化定型的成品在跑关卡。

这个项目并非从零开始，而是站在前人的肩膀上。它延续了SethBling著名的MarI/O项目，同时借鉴了Akisame和Electra的相关工作。视频中的画面记录了三个较早世代的基因组（genome）回放失败的场景，以及最终清关的那个控制器——它们并非连续的训练尝试，而是从不同阶段挑选出来做对比展示。

NEAT由Kenneth Stanley和Risto Miikkulainen于2002年提出，其核心创新在于引入了「物种」（speciation）机制来保护创新性结构的早期生存——一个新变异出的网络拓扑在初期往往表现较差，但直接与成熟网络竞争会导致它被立即淘汰。物种机制将结构相似的网络分组，让它们在组内竞争，为新颖结构提供生存空间。此外，NEAT使用历史标记（historical markings）追踪基因的同源性，使得不同拓扑的网络之间可以进行有意义的交叉（crossover），而不是随机拼接毫不相关的连接。这使得NEAT相比固定拓扑的进化策略具有更强的结构探索能力，代价是实现复杂度较高、超参数调整（如物种阈值、变异率）较为敏感。

攻克ROM Hack关卡的真正难点

这位开发者感兴趣的核心，是把NEAT方法推向难度更高的SMB1 ROM Hack关卡。相比原版马里奥，ROM Hack往往包含更刁钻的地形设计和更复杂的操作要求。视频里那个位于关卡末尾的缺口（staircase附近），就反复「卡住」了不同的控制器，成为进化过程中的一道坎。

真正的挑战不在于单纯的向前推进，而在于两类问题：一是回溯（backtracking），即关卡需要玩家往回走再前进；二是非线性的复杂布局。这些场景对纯粹基于「向右冲」奖励信号进化出的网络极不友好，因为它们打破了线性推进的直觉逻辑。

SMB1 ROM Hack是指通过修改《超级马里奥兄弟》原版ROM文件所创建的自定义关卡，通常使用LunarMagic等工具制作。《Bowser's Crown》是社区制作的高难度Hack之一，其关卡设计刻意引入了精确跳跃、压缩走廊和反直觉路线，远超原版游戏的容错空间。对NEAT方法而言，这类关卡的挑战在于奖励信号的设计：如果奖励函数简单地与「向右移动的距离」挂钩，网络就没有动力去执行任何向左的动作，即便向左是通过某个机关的必要前提。解决回溯问题通常需要更精细的奖励塑形（reward shaping）或引入时序记忆机制，而标准NEAT使用的前馈或简单循环网络在处理长时序依赖时本身就存在局限。

一个诚实的技术演示，而非普适性证明

值得肯定的是，开发者对成果的边界保持了相当克制的表述。他明确说明：每一个新关卡都是单独训练的，这次通关并不能证明网络对陌生关卡具备泛化能力，也没有给出可量化的成功率数据。

换句话说，这是一个「能通过某个特定关卡」的控制器，而非「学会了玩马里奥」的通用智能体。这种区分在AI游戏项目中尤为重要——很多演示容易让人误以为AI已经掌握了通用技能，但实际上往往是针对单一场景的过拟合结果。

此外，该项目的实现目前是私有的，因此这更多是一次游戏演示加上高层次的方法讨论，而非可复现的开源发布。开发者也坦承，他的持续开发过程「大量借助了AI工具」，而视频中的反应和字幕纯属幽默添加，游戏中的通关结果本身是真实的。

神经进化在游戏AI中的价值

在深度强化学习成为主流的今天，NEAT这类进化算法依然有其独特位置。它不需要精心设计的梯度和可微分损失函数，天然适合处理离散动作空间和稀疏奖励的游戏环境。同时，它能自动进化网络拓扑结构，省去了人工设计架构的负担。

这个项目的意义或许不在于「又一个AI通关马里奥」，而在于它诚实地展示了进化方法在面对真实难度提升时的边界所在：单关训练可行，泛化仍是难题，回溯与非线性布局依旧棘手。对于想入门神经进化或游戏AI的开发者来说，这类透明的实践分享，比夸大其词的「AI征服游戏」标题更有参考价值。

NEAT与深度强化学习（如PPO、DQN）的核心差异体现在几个维度：深度RL依赖反向传播和可微分的损失函数，需要大量样本但能从连续奖励信号中高效学习；NEAT通过种群并行探索解空间，对奖励稀疏或不可微的环境天然鲁棒，但种群维护和逐代评估带来的计算成本同样不低。2017年OpenAI的研究表明，在某些Atari游戏上，进化策略（ES）能达到与深度RL相当的性能，且因为可以大规模并行而具备训练速度优势。NEAT在游戏AI社区之所以长期流行，部分原因也在于SethBling的MarI/O视频将其带入了大众视野，降低了初学者的认知门槛，形成了丰富的社区实现和教程资源。