AI正在让游戏变的更好玩，你知道背后的故事吗？

本文来自腾讯研究院，作者俞点。

我最近有个新发现，具备完整生态和交互系统的游戏又流行起来。

从日本《合金装备5》到《塞尔达传说·旷野之意》，到欧洲《天国·拯救》，再到育碧近年推出的几乎全系列游戏，几乎都在生态圈营造上有所建树。

研究一番，发现育碧、EA、SONY等大厂主导的人工智能游戏变革的早已拉开帷幕。他们从AI游戏引擎、神经网络开发、AI操作系统等多方面全力寻找人工智能+游戏的潜力。

运用神经网络和遗传算法等技术让复杂环境和交互规则制定变得可行。通过算法改进，针对不同玩家进行交互的反应而非脚本设定，玩家可以从各种突发事件和情境中寻找多种解决方案，不同于传统游戏中刻板的线性任务流程，不仅节省了大量开发成本，还优化了游戏体验。

技术上的创新也值得关注。一些针对游戏的加速引擎被制作出来，他们服务于游戏的画面渲染、数据处理、智能NPC制作，甚至能够根据内容自动生成游戏。

游戏的乐趣不再局限于玩家与电脑的对抗，而扩展为玩家利用环境，NPC间的对抗，甚至物理和化学方法来达成目标，玩家可以开发更多精彩的方式来完成任务。

一个如同真实世界的游戏空间被搭建起来。例如在《塞尔达传说·旷野之意》，下雨天会让岩石变得难以攀爬，带有火焰的武器无法使用，偶尔的雷暴天气会随机劈死动物让玩家能捡点便宜。

一场智能化游戏的革新已经开始。

机智NPC：算法驱动下的交互创新

第一件事是要让NPC更聪明一点，目前这方面的AI解决方案主要有这四种：

有限状态机、蒙特卡洛决策树、神经网络、遗传算法。

一、被玩腻的初学者：有限状态机

在传统游戏中，最为广泛使用是有限状态自动机（FSM），一种专家型的预编程算法。

具体而言，FSM算法需要设计师整理归纳NPC可能遇到的所有可能情况，再逐一安排针对反应；但缺陷在于可预测性，玩家在多次试探后就觉得索然无味。这种算法最早出现在1989年发布的Sim City中。

二、不会学的聪明人：蒙特卡罗搜索树

与FSM相比，MCST 会多步联想做决策，而非只就当前形势。这种多元化的行为能带来玩家更强大的个性化交互游戏体验，但其难度和成本也更大，且无学习能力。

MSCT最著名的应用代表是AphlaGo，他被用来快速评估棋面位置价值。但实际上早在1997年他就被Deep Blue运用，第一次击败人类国际象棋冠军。

这种算法可以简化理解为一个可以在每个枝节无限生长的树，或者道家一生二，二生三，三生万物的宇宙无限论。 

在《文明》系列中，开发者就使用MCST 技术开发与玩家对抗的敌人。

MCST模式下的NPC最大的缺陷在于学习能力。他们不能从玩家那里学习任何东西，不会根据玩家的习惯性操作做出相应的变化。

三、真实的代价很昂贵：人工神经网络与遗传算法

如何制造像人一样真实的NPC？人工神经网络（ANN）和遗传算法等可以做到。

这种技术下的NPC拥着不同的“性格”以及学习适应能力。但造价昂贵，目前只有育碧、EA等游戏大厂使用。

我们先基本了解一下这两种算法：

ANN是一种模拟神经元结构进行计算推演的决策模型，优越性主要表现在三个方面：

*第一，具有自学习能力。ANN可以根据数据自学。

*第二，具有联想存储能力；NPC能够记忆与玩家之间的往事。《中土世界》里法人半兽人会尝试与玩家的交手，如果你逃跑，下次他会嘲讽你；若你打伤他，不仅会记仇下次见面还要骂你。

*第三，具有高速寻找优化解的能力。相比于MCST，ANN找到优化解的速度更快。这使玩家在与NPC交流时能得到更快地反馈，极大提升了体验流畅度。

但是，神经网络下的NPC是“不可控的”（ “非线性”和“非常定性”特征导致），这给游戏的运营与维护带来不少的风险， NPC的行为将在不断学习中变得难以预测，游戏后期的调试变得异常困难，有可能出现脱轨的问题。

另一种技术——遗传算法（Genetic Algorithm）创造了一个不可击败的敌人。遗传算法是基于达尔文进化论提出的一种决策计算模型，计算机在模拟自然进化过程中寻求最优解。体现在游戏上，NPC会根据以往的经验去优化策略，新一轮的进攻的“敌人”会接收“牺牲者”的意志，并针对玩家的过往策略逐个击破。这意味着越强大的玩家将面临越强大的敌人，并且没有尽头。

主机游戏SHMUP中，游戏开发者就为玩家置入了运用遗传算法的敌人。他们让玩家反抗经过多代进化敌人的AI，当这一代又被击败时，遗传算法对AI进行排名并使用它们创造新一代的敌人来对抗玩家。在著名进化策略类游戏孢子（Spore ）和怪物（Creatures）系列都在遗传算法上有所突破。

超能力赋予：超级游戏AI引擎

算法的门槛太高？游戏AI引擎可以绕过算法，提供 “傻瓜式”的创作平台和工具：帮助开发者简化游戏制作流程，降低制作难度，塑造随机地图和创造NPC等等。

未来也许人人都可以开发游戏。

目前主流的游戏AI引擎有三类：AI渲染引擎、NPC制作引擎和游戏创作引擎。

一、AI渲染引擎：一秒渲染

视觉效果上，AI渲染引擎可以多倍提升画面渲染能力，实现实时渲染。

例如NVIDIA OptiX 5.0，作为NVIDIA在2017年推出的GPU渲染工具，可以运用机器学习技术可以补充画面缺失像素、智能去噪和光线追踪，打造出一种逼真的动画效果。

据称，该引擎可以将可视化效果提高12倍，并且节省渲染时间近90%的。

二、NPC制作引擎：批量造 “人”

交互行为上，NPC行为支持引擎可以帮助开发者创造出更灵活自然的NPC。使命召唤和Galak-Z等游戏中使用了这种引擎。

NPC制作引擎甚至能够直接创造角色，比如RAIN AI引擎 ，它是由2011年成立的Rival Theory公司所创建。 Rain AI创造出的的NPC拥有着颗粒度极高的实时反应，比如语言，眼神，手势，步伐等等。

三、游戏创作引擎：一键生成3A大作

AI不仅仅可以智能生成NPC，连游戏都可以自动生成了。

印度有一家初创公司Absentia VR，他们就直言：我们未来要能自动生成3A游戏。

这不是夸大其词，他们已经完成了一套简化游戏制作的引擎——Norah AI，可以降低游戏研发时间、智能生成简单游戏。

研发时间可以从30天缩短到30小时。还可以输入文字或者图片来智能生成街机、休闲、拼图等游戏。虽然在内容和形式上距离他们的愿景还有不少差距，但也足以说明这是产业发展的方向之一。

目前还有更多的AI游戏企业在发力。据Crunchbase数据，截止至2018年6月，全球共有150余家AI游戏企业。研究领域主要集中在游戏引擎、NPC交互、人机交互等方面。

大厂如何应对？引擎、算法、系统全面发展

面对游戏+AI的新变化，传统游戏大厂选择走在前沿，挑起主导潮流发展的大梁。

他们意识到了AI对于游戏的颠覆性革新意义：AI能降低游戏制作壁垒，增加操作性能和交互体验，解放玩家，还能反馈给现实世界准确数据以帮助技术进步。

目前，育碧，SONY，EA，暴雪等游戏大厂从三个方向突破：神经网络算法， AI智能游戏引擎和AI操作系统等。

方向一：引入AI智能游戏引擎

Sony选择引入智能游戏引擎助力游戏开发。他在PS4引入人工智能引擎Xaitment Map和Xaitment Control，帮助塑造更复杂的地图和更智能NPC。从而帮助游戏开发人员将更智能的AI融入他们的游戏中，将更多精力放在玩家行为以及游戏逻辑上。

方向二：开发神经网络等算法

育碧、EA、暴雪则在神经网络算法的开发上动作频繁。

EA执行副总裁Patrick Söderlund极力推动EA Frostbite实验室团队与OPEN AI的合作，并在游戏《战地1》，《红警2》，《命令与征服》等游戏中开始训练AI。

暴雪于2016年底与DeepMind宣布合作，试图将《星际争霸II》打造为一个人工智能的测试平台。

Gameloft在2015和2016年举办全球性的AI编程大赛（Gameloft AI contest 2015&2016），试图从中搜罗AI人才的支持。

育碧在AI上的创新显得更为成熟，2011年就开始尝试算法改进，成立人工智能研究部门“LaForge”，将AI成功运用到游戏中。

比如《全境封锁》中的NPC展现了更高的智商和决策能力。全境封锁游戏背景十分复杂并且变化极大，在复杂场景NPC的反应较以往更自然。游戏中 ，各方势力的NPC需要巡逻，路上可能会碰上玩家或者NPC。当面对NPC，将会基于双方“性格”发生冲突或合作；若遇到玩家攻击，胆子小的NPC会藏起来，胆子大的则会打回去。

育碧还尝试使用AI生成越来越逼真的动画，比如优化动作捕捉的数据。以往，运动捕捉的原始数据需要动画师进行相当多的手动清理才能看起来真实自然，并且可能需要大约四个小时的时间，而人工智能可以在大约四分钟内获得几乎相同的结果。

最左为原始数据，中间为AI优化数据（4分钟），最右为人工优化（4小时）

但是，AI在游戏上的运用仍待完善。《看门狗2》里的自动驾驶车辆不会刹车。负责他的程序员Olivier Delalleau曾经抱怨道，在提供了数以千计的刹车示例数据后，AI还是不会刹车，因为它并不觉得刹车是一个很好的制动措施。

方向三：推出主机AI操作系统

相对于游戏引擎和算法开发方向，任天堂选择推出第一代主机AI操作系统——LiveMove，它可以直接识别玩家操作，使游戏产业第一次从间接的数字控制转向更自然的模拟控制。

该系统的开发者美国AI公司Ailive选择在AI动作辨识技术上进行加强。创新点有二：

一是让Wii游戏开发者无须自行编写程序，就能使用动作识别功能，精确的识别玩家的动作；二是运行时仅需占据处理器5％的运算能力。这就使Wii游戏开发者无须顾虑技术细节，更专注于内容的创作上。

任天堂综合研发部总经理武田健洋表示：从牛仔套索到武士刀，再到厨师的厨具，这一革命性的工具解放了游戏创作者的想象力。”

人工智能在游戏中的运用甚至帮助现实世界的进步。因为游戏能够为现实世界提供准确数据和测试平台，例如赛车游戏为自动驾驶提供数据支持等等。

正如育碧AI研发部门负责人Jacquier所说：“对我来说最令人兴奋的部分是，从现在的五到十年后，可以说电子游戏将帮助我们创造了一个更安全，更美好的世界。”

游戏小厂：AI可望不可及

大厂的革新如火如荼，中小型工作室（小厂）则相对沉寂的多。

由于小厂运用AI的难度较大，游戏的智能化革新可能是自上而下的。

而他们无法引领游戏AI技术变革的原因，主要在以下三点：

一白：欠缺技术研发和支持能力；

一方面，中小型游戏工作室缺乏自主研发的算法人才，在技术或成本上捉襟见肘。另一方面，对AI的接触较晚，没有相应的算法工程师去执行优化，亦缺乏引进AI游戏引擎的资金。

二穷：无法承担智能化的庞大开支；

革新的代价很昂贵，中小型工作室的游戏收入和大厂是天壤之别。无论是在游戏中加入神经网络算法还是智能引擎，从成本上来说都是一笔庞大的支出。“真实的”NPC动作增加语言增加，相应的在动画制作、配音上的成本也呈几何性的增长。

笔者曾经在游戏开发者沙龙上偶遇一款国产VR游戏《弥漫》的策划刘世阳，他对于游戏AI是这样看的：

“我觉得AI更适合追求极高玩家体验度的游戏，比如沉浸模拟游戏。感觉AI在游戏中的推行还是要大厂先行，推导出一些成熟的解决方案，或开源项目等。因为对中小型开发商来说AI在游戏中的应用试错成本，研发实力等受限，最后的结果可能不尽如人意。”

三佛系：缺乏挑战大厂的动力；

中小型游戏工作室更倾向于在玩法上和创意上标新立异，从而规避大厂锋芒是。

对于小厂而言，如果AI不是核心功能的话，他们更倾向于使用传统算法来免去“不必要”的成本和风险，使用人工智能优化的性价比并不是很高。另一方面，他们担心AI会带来失控，无法在“传统”游戏中为游戏机制服务。

但也有例外，一个只有15人的小团队——Hello Games曾经满怀希望地在2016年推出了一款智能化太空生存游戏《无人深空》。在制作过程中，制作人Sean Murray尝试使用程序化生成算法（PCG）来构成这个随机宇宙。满怀欣喜试图在游戏创造出上亿颗（264）不同的星球，创造不同的植物群和生态供玩家体验。

但最初发布的成品令玩家大跌所望。而后制作组在骂声一片中沉默地继续改良，完成一个不可能完成的任务。一年后迭代出的新版本终于打了翻身仗，从差评如潮到热销榜单，成为目前最优秀的太空沙河游戏之一，制作组也成功证明了他们推动游戏创新和技术进步的先驱者。

AI适用于所有游戏？不存在的

在画面优化上，AI适用于大部分的游戏。

但玩法改革并不适用于所有游戏。

就像Mark Brown（《Game Marker’s Toolkit》系列作者）说的“AI必须要适应目标游戏想要的体验。”

所以AI在玩法上的优化应该针对特定游戏做出不同的更改，甚至选择不使用。

资深游戏策划刘世阳认为：

战斗/比赛/冒险模拟向、生活模拟向、交互式电影等类型，更容易和AI产生共鸣。比如可以做一个类似《her》的交互游戏版本，提供给玩家一个更真实的暧昧AI 女友。但在战术潜行游戏中，玩家需要对敌人的反应进行了解从而制定计划，这时候NPC的设计上就不需要过于“聪明”甚至需要有些“傻”。

举个例在，在传统战斗/比赛/冒险类游戏中，战斗的复杂情况和与环境的交互需要更强大的游戏生态系统来支撑。这一块也是目前AI运用最广泛，也是最成熟的。

就如之前所提到的《合金装备5》和《塞尔达传说·旷野之意》所特有的生态环境交互系统。同类型的大作还有《看门狗2》、《刺客信条·起源》、《掠食》等等。

另外，在生活模拟向游戏用构建更完整的交互机制是非常有必要的。

可以参考《模拟人生》，这类游戏在极力还原真实的生活。而AI可以弱化游戏中的套路感。真实的交互感和变化感对玩家体验的提升不是一点半点。

还有交互式电影游戏，AI带来的个性化体验能够弥补交互式电影游戏的缺陷。

最近《底特律：我欲成人》大火，但依旧被业内吐槽“没有跳出交互式电影的坑”。准确的说这类重表演重剧情的游戏还是没有逃出给玩家“播片感”的坑。

AI能否解决这个问题？有很大潜力。

比如游戏中有大量与犯罪嫌疑人谈判的剧情，如果这些对话不是预设好的剧本，而采用玩家与AI对话的方式，感觉将会很不一样。

AI游戏革命浪潮还在初级阶段

说了这么多，AI革命是不是已经来了？其实还在初期。游戏的互动性和环境的真实性还不够完善，需要继续优化。

那面对这一次游戏的改革，浪潮中的我们怎么判断AI+游戏是否成功呢？

游戏策划有自己的衡量标准——“心流”

AI需要能够优化游戏心流体验。所谓“心流”就是玩家在游戏过程中，极度专注，且全身心投入，连贯流畅的享受游戏体验，并不断享受成功喜悦的一种情绪及心理状态。

在微观心流层面，AI需要匹配适合玩家水平的游戏体验。从敌人的战术搭配，关卡设计等给玩家提供心流体验。

在宏观心流层面，AI需要保持高度的个性化，对玩家数据的量化标准需要进一步细分。从而在游戏的整个过程中合理调整难度，激励，奖励，目标，剧情等，使玩家一直有玩下去的动力且不会出现焦虑或无聊的情绪。

玩家的标准更细致一些，他们认为能够体验到的才是好AI。

“游戏制作工具箱”的创作人Mark Brown的衡量标准如下：好的游戏AI应该是帮助玩家游戏，而不是杀死玩家；它需要有语言和行动反馈能力，记住玩家的能力，还要有环境认知能力。

总的来说，AI+游戏意味着全新的玩法和个性化游戏体验。

对玩家而言，游戏在玩法和开发上的拓展，能带来众多更有趣更精良的游戏；也会让体验变得更特别、更个性化、更令人回味。

于整个产业来说，更多的创新和技术进步将推动产业的蓬勃发展，更加良性。

伴随着AI与游戏的进一步融合，游戏革命的潮流将涌向何方？将迸发出怎样的全新玩法？不久后就可以看到了。

于笔者而言，那就是——买买买！

[1]. Westra, J. (2007). Evolutionary neural networks applied in first person shooters. Master's thesis, Utrecht University.

[2]. Lou, H. (2018). AI in Video Games: Toward a More Intelligent Game - Science in the News. [online] Science in the News. Available at: http://sitn.hms.harvard.edu/flash/2017/ai-video-games-toward-intelligent-game/ [Accessed 5 Jun. 2018].

[3]. G. Kendall and S. M. Lucas(2005), Proceedings of the IEEE Symposium on Computational Intelligence and Games. IEEE Press.

[4]. Bullen, T., & Katchabaw, M. (2008). Using genetic algorithms to evolve character behaviours in modern video games. Proceedings of the GAMEON-NA.

[5]. Blog.csdn.net. (2018). 游戏开发中的人工智能（十四）：神经网络 - CSDN博客. [online] Available at: https://blog.csdn.net/jurbo/article/details/76526683

[6]. Blog.csdn.net. (2018). 游戏开发中的人工智能（完）：遗传算法 - CSDN博客. [online] Available at: https://blog.csdn.net/jurbo/article/details/76576070

[7]. Graft, K. (2015). When artificial intelligence in video games

[8]. becomes...artificially intelligent. [online] Gamasutra.com. Available at: https://www.gamasutra.com/view/news/253974/When_artificial_intelligence_in_video_games_becomesartificially_intelligent.php

[9]. Martin, M. (2018). Using a Genetic Algorithm to Create Adaptive Enemy AI. [online] Gamasutra.com. Available at: https://www.gamasutra.com/blogs/MichaelMartin/20110830/90109/Using_a_Genetic_Algorithm_to_Create_Adaptive_Enemy_AI.php

[10]. Dickens, A. (2018). Wii Is AiLive. [online] Nintendo Life. Available at: http://www.nintendolife.com/news/2006/10/wii_is_ailive

[11]. Coldewey, D. (2018). Ubisoft combines AI research and game development at ‘La Forge’. [online] TechCrunch. Available at: https://techcrunch.com/2017/12/22/ubisoft-combines-ai-research-and-game-development-at-la-forge/

[12]. Kamen, M. (2018). Ubisoft is using AI to catch bugs in games before devs make them. [online] Wired.co.uk. Available at: http://www.wired.co.uk/article/ubisoft-commit-assist-ai

[13]. Maguid, Y. (2018). HOW UBISOFT IS USING AI TO MAKE ITS GAMES, AND THE REAL WORLD, BETTER. [online] News.ubisoft.com. Available at: https://news.ubisoft.com/article/how-ubisoft-is-using-ai-to-make-its-games-and-the-real-world-better

[14]. Söderlund, P. (2018). EA Joins the OpenAI Universe Initiative. [online] Electronic Arts Inc. Available at: https://www.ea.com/news/ea-joins-openai-universe-initiative?isLocalized=true

[15]. Staff, C. (2018). Smarter AI coming to PlayStation 4 games via xaitment. [online] Creative Bloq. Available at: https://www.creativebloq.com/smarter-ai-coming-playstation-4-games-xaitment-3133073

（编辑：文文）