被 AI 改变的游戏设计，最终目的是为每个玩家定制游戏
编译 | Nurhachu 藤子 高静宜 张震
来源 | medium.com venturebeat.com
人工智能的故事可以回溯到 1956 年，新罕布什尔州汉诺威的达特茅斯学院的计算机狂热爱好者组织了一个小型研究小组。最初那些雄心勃勃的，被认为能够创造具有智能、感知的机器的项目，却并不是一帆风顺。人工智能的发展，历经起伏。
由于计算机科学领域的计算（图灵机）、神经科学（神经网络）和工程学的推动，人工智能研究员生产出有能力去学习，去看，解决复杂计算的机器和程序。但计算功率的限制造成了人工智能的暂时幻灭。最终，在 Lighthill 于 1973 年发表的破坏性报告之后，美国和英国的人工智能资金被切断。这场危机在后来被称作「人工智能寒冬」。
然而，在人工智能创立六十多年后的今天，它在商业应用和全球数字基础设施中已经变得非常普遍。人工智能的应用领域涵盖了语音识别、自动翻译、商业分析、计算机视觉、医疗诊断、网络安全、市场、网络搜索和视觉效果（VFX）。这只是蓬勃发展的人工智能市场的一部分，预计到 2025 年，这个市场会从 2016 年的 6.437 亿美元增长到 388 亿美元。
人工智能技术如何起作用？
人工智能技术生态极其复杂、多样，机器学习在新一代人工智能中发挥了关键的作用。1959 年亚瑟·塞缪尔（Arthur Samuel）将机器学习定义为「计算机在没有被明确编程下的一种学习方法」。使用有标签的训练数据集，我们可以教会机器如何在数据中识别复杂的模式、给图片分类、理解语音、鉴定死者身份、在拥堵的交通中驾驶车辆或者翻译外国语言。为了让机器很自然地做人类所做的事情，科学家们萌生了人工神经网络（ANN）的思想，它模拟人的大脑。简而言之，人工神经网络由数层人工神经元组成，它们能够接收、训练数据，分析它们，并最终输出与实际数据相对的计算结果。这个过程会一直持续，直到机器得到该问题的最佳解决方案。这种复杂的技术可以被用在很多应用中，例如 Google 的搜索引擎，Facebook 的图片识别系统和垃圾过滤系统，或者 Netflix 的电影推荐引擎。
动画中的人工智能
人工智能和机器学习的最新进展改变了我们制作动画、视觉效果以及游戏设计的方式。神经网络可以被训练来模拟现实和人类的运动，这比非人工智能的方法更加精确和逼真。例如，爱丁堡大学和 Method Studios 创建了一套机器学习系统，它能够训练一个包含动作捕捉剪辑的大数据集，从中学习多种类型的运动。基于这些学到的知识，神经网络可以容易地生成任何可能的动作、表面类型以及与之匹配的速度。
神经网络可以通过对实际过程的模拟来做相同的事情。用传统的方法做这些模拟需要很复杂的计算和计算能力。在云技术和新一代的 GPU 驱动下，人工智能为在电影和视频游戏中添加更精确的复杂的物理过程铺平了道路。
游戏中的人工智能
没有动画就没有视频游戏，人工智能也在改变着游戏设计产业。除此之外，它还在改变开发者看待游戏人工智能的方式。在传统的视角下，游戏人工智能就是创建能够以可信的方式去运作的非玩家角色（NPC）。NPC 在射击敌人时，保持谨惕，找到从 A 到 B 的最短路径，能够追踪、袭击或者撤退，这类行为通常都是通过路径规划算法和有限状态机（FSM）来实现的。后者能够创建一个游戏实体在整个生命过程中的状态、情感和动作，生成「空闲的」、「有意识的」、「着迷的」、「竟觉的」、「有意识的」、「侵略的」、「逃遁的」或者「死亡的」角色。但这些状态仅仅是「功能上」的智能。在 Intrinsic Algorithm 的创始人 Dave Mark 看来，通过「智能行为」，标准的游戏人工智能可以比「人工智能」做得更多，因为它可以让游戏角色像被需要的那样智能，并且给玩家带来乐趣、戏剧效果和愉悦。
如今的趋势是，游戏人工智能技术和学界、工业界的人工智能、机器学习方法的深度融合，纯人工智能迈向了游戏设计和玩家体验的前台。例如，我们可以使用成千上万条人类交流记录，让神经网络训练得具有社交智能，然后使用这些知识让虚拟城市的 NPC 具有无限的情绪、手势和对话。
「模拟人生 3」的主要设计者 Richard Evans 设计的 Versu 引擎允许每一个角色自动表演，并表现出具有情感、信念以及看起来有一些诡异的行为。例如，如果玩家侮辱它们的同伴，Versu 中的角色会变得愤怒，或者当它们的同伴遭受侵犯的时候，它们会表现出同情。相比非人工智能游戏角色的趋同性和固定性，基于人工智能游戏的 NPC 行为和信念的多功能性，这是一个真正的变化。
在基于人工智能游戏设计中自由地使用人工智能力量，能创造更具有适应性的人工智能世界，能够使用玩家输入调整情绪和玩游戏的类型，向玩家尚未学会和适应游戏之前提供固定的挑战。它们可以由终生人工智能角色执行，这是能够一直对玩家进行学习的 NPC，能够长期识别并适应不同的同伴或对手，能够利用所有互动的历史与玩家创建亲密的关系。基于人工智能的动态难度调节（DDA）以同样的方式，通过调整游戏参数和敌人行为适应玩家的游戏技巧和体验。
然而，人工智能不仅改善传统的游戏技术，例如制作过程动画，还能扩展所有的游戏技术，超越经典的基于实施策略、射击或者恐怖游戏的游戏基因。事实上，人工智能和机器学习能开启大量的可能性。例如，一个人工智能角色堪称一个角色模型，如同间谍游戏，其中一位玩家是间谍，另一位玩家是狙击手，狙击手要在众多模仿人类行为的人工智能角色中找出这名间谍。或者扮演实习生的人工智能角色通过观察玩家的动作学习如何执行具体的任务。
游戏 Black & White god game 部分实现了这个模式，玩家训练一个人工智能角色作为其助手，这个过程在游戏的这个空间区域与其他玩家没有任何直接联系。人工智能角色通过玩家积极或消极的动作——抚摸表示奖励，拍打表示惩罚——来接受训练，以遵守玩家的命令。
基于人工智能的游戏设计还关系到游戏的灵活度。倘若游戏玩家在游戏运行时，改变了人工智能的底层元素呢？比如改变武器的射击性能寻求更适合的配置来击杀敌人。以游戏设计师未预设的方式修改人工智能的参数对游戏社区是一个真实存在的挑战，因为游戏社区已经习惯于紧密控制的游戏设计。甚至更加令人激动的就是玩家可以将基于人工智能的游戏看作一场精彩的表演，由人工智能角色创建复杂社会等级，玩家可以站在界外观察或者直接与之互动。
在游戏设计层面，由遗传算法驱动的人工智能确保能够将游戏质量推向一个新的水平。我们正在接近整个游戏都会由人工智能机器创建的时代。尽管大型商业游戏不太可能选择这种方式，但游戏设计确实会从人工智能中受益。例如，在一款名为《城市征伐》（City Conquest）的塔防游戏，人工智能被用来提升游戏平衡和用户体验。控制游戏的遗传算法生成了一个虚拟的玩家测试团队，以鉴别游戏缺陷、主要策略以及需要调整的细节。
人工智能如何改善游戏？
我们已经步入基于人工智能游戏设计的新时期，人工智能和机器学习能将游戏从质量上提升到一个新的水平。
不再手动地微调动画或者使用复杂的动作库，通过强大的神经网络可以寻找到真实运动和物理过程，这种技术同样适用于视觉效果。
基于人工智能的角色不仅是简单地模仿智能，实际上，那是真正的智能。而 NPC 不受限制的智能为真正的人工智能与人类交互开启了机会，并给新型的社交游戏及其与增强现实/虚拟现实融合打下了基础。
基于人工智能的游戏设计能达到真正的多样性和多功能性，除了硬编码和有限数量的情感和状态，还可以生成具有丰富情感内容的无限数量的状态。人工智能可以丰富角色的关系和行为，人工智能和遗传算法所达到的多样性是人类精挑细选都无法企及的。基于人工智能的自动化革命可以产生真正的虚拟物种多样化。
游戏设计人员如何应用人工智能？
在国外媒体 GamesBeat 的一次访谈中，移动广告企业 Kiip 的业务负责人 Kabir Mathur 认为，往日每个游戏设计师都试图通过提供相同的体验来聚拢用户，在这个过程中，使用户尽可能高效地从 A 到 B，在游戏中，设定教程和等级，让更多用户尽可能通过，并在过程中发生购买行为。
Mathur 建议，使用人工智能的技术，实现内容上的多样化，以吸引不同的玩家群，最终为每个不同等级的玩家量身定制个性化的体验。可以结合 Facebook 等社交图谱，来更多地了解玩家。玩家来自哪个地方，他们的性别，他们的大致年龄……了解这些内容，游戏设计师可以设计多种不同的游戏体验，并通过对不同玩家的 A/B 测试，为他们提供最好的体验。
人工智能企业 Recognant 的 CEO Brandon Wirtz 则用《星际大战》来举例说明，如何在游戏中用人工智能来讲述故事。在《星际大战》中，开场激动人心，剧情高涨，然后归于宁静，为即将出现的剧情进行反差铺垫。如果玩驾驶游戏，在雷古纳·赛卡（Laguna Seca）赛道比赛，也是同样的方式：直行之后进入弯道，瞬间提升兴奋水平。《生存之旅》（Left 4 Dead）中的人工智能，则用游戏中的僵尸角色使玩家感到紧张刺激。「在追赶你，逮住你的过程中，一些怪物从顶端跳出来，通过让你逃跑营造紧张氛围，每当你认为自己处在安全环境中时，boom，所有的僵尸都出现了。」Wirtz 说，这是因为游戏一直在监控玩家的控制器以及其他角色的行动。
Adam Fletcher 是一家名为 Gyroscope 软件，为 App 和游戏提供人工智能技术企业的 CEO，Adam 在 GamesBeat 的访谈中提到，监控数据流能使游戏中的内购提示更加个性化。机器可以监视所有的数据流，从而控制玩家游戏过程中的某些关键点，比如一个游戏玩家经历过多次某个事件，游戏中的酒保角色可以趁机说，「嗨，我碰巧要跟铁匠的儿子约会，如果你要买这些宝石，我可以给你一些优惠。」
「立即触发内购提示，现在正是这位玩家容易接受的时间。」Fletcher 说。
Mathur 则表示，作为一个网络，由于有着访问很多玩家数据的奢侈权力。在很多游戏中，他们都知道玩家什么时候最有可能对奖励做出反应，他们在不同的时刻有着不同的分类方法。「玩家有胜利时刻和失败时刻，大多数广告商希望在胜利时刻接触玩家，但我们有一些具体的例子，是在玩家失败的时刻接触并鼓励他们。我们可以选择在玩家玩游戏处于失败的时刻去展示具体的奖励。这就是我们关于奖励的思考。」