我最近有個新發現，具備完整生態和交互系統的游戲又流行起來。

從日本《合金裝備5》到《塞爾達傳說·曠野之意》，到歐洲《天國·拯救》，再到育碧近年推出的幾乎全系列游戲，幾乎都在生態圈營造上有所建樹。

研究一番，發現育碧、EA、SONY等大廠主導的人工智能游戲變革的早已拉開帷幕。他們從AI游戲引擎、神經網絡開發、AI操作系統等多方面全力尋找人工智能+游戲的潛力。

運用神經網絡和遺傳算法等技術讓復雜環境和交互規則制定變得可行。通過算法改進，針對不同玩家進行交互的反應而非腳本設定，玩家可以從各種突發事件和情境中尋找多種解決方案，不同于傳統游戲中刻板的線性任務流程，不僅節省了大量開發成本，還優化了游戲體驗。

技術上的創新也值得關注。一些針對游戲的加速引擎被制作出來，他們服務于游戲的畫面渲染、數據處理、智能NPC制作，甚至能夠根據內容自動生成游戲。

游戲的樂趣不再局限于玩家與電腦的對抗，而擴展為玩家利用環境，NPC間的對抗，甚至物理和化學方法來達成目標，玩家可以開發更多精彩的方式來完成任務。

一個如同真實世界的游戲空間被搭建起來。例如在《塞爾達傳說·曠野之意》，下雨天會讓巖石變得難以攀爬，帶有火焰的武器無法使用，偶爾的雷暴天氣會隨機劈死動物讓玩家能撿點便宜。

一場智能化游戲的革新已經開始。

機智NPC：算法驅動下的交互創新

第一件事是要讓NPC更聰明一點，目前這方面的AI解決方案主要有這四種：

有限狀態機、蒙特卡洛決策樹、神經網絡、遺傳算法。

一、被玩膩的初學者：有限狀態機

在傳統游戲中，最為廣泛使用是有限狀態自動機（FSM），一種專家型的預編程算法。

具體而言，FSM算法需要設計師整理歸納NPC可能遇到的所有可能情況，再逐一安排針對反應；但缺陷在于可預測性，玩家在多次試探后就覺得索然無味。這種算法最早出現在1989年發布的Sim City中。

二、不會學的聰明人：蒙特卡羅搜索樹

與FSM相比，MCST 會多步聯想做決策，而非只就當前形勢。這種多元化的行為能帶來玩家更強大的個性化交互游戲體驗，但其難度和成本也更大，且無學習能力。

MSCT最著名的應用代表是AphlaGo，他被用來快速評估棋面位置價值。但實際上早在1997年他就被Deep Blue運用，第一次擊敗人類國際象棋冠軍。

這種算法可以簡化理解為一個可以在每個枝節無限生長的樹，或者道家一生二，二生三，三生萬物的宇宙無限論。如下圖：

在《文明》系列中，開發者就使用MCST 技術開發與玩家對抗的敵人。

MCST模式下的NPC最大的缺陷在于學習能力。他們不能從玩家那里學習任何東西，不會根據玩家的習慣性操作做出相應的變化。

三、真實的代價很昂貴：人工神經網絡與遺傳算法

如何制造像人一樣真實的NPC？人工神經網絡（ANN）和遺傳算法等可以做到。

這種技術下的NPC擁著不同的“性格”以及學習適應能力。但造價昂貴，目前只有育碧、EA等游戲大廠使用。

我們先基本了解一下這兩種算法：

ANN是一種模擬神經元結構進行計算推演的決策模型，優越性主要表現在三個方面：

第一，具有自學習能力。ANN可以根據數據自學。

第二，具有聯想存儲能力；NPC能夠記憶與玩家之間的往事。《中土世界》里法人半獸人會嘗試與玩家的交手，如果你逃跑，下次他會嘲諷你；若你打傷他，不僅會記仇下次見面還要罵你。

第三，具有高速尋找優化解的能力。相比于MCST，ANN找到優化解的速度更快。這使玩家在與NPC交流時能得到更快地反饋，極大提升了體驗流暢度。

但是，神經網絡下的NPC是“不可控的”（ “非線性”和“非常定性”特征導致），這給游戲的運營與維護帶來不少的風險， NPC的行為將在不斷學習中變得難以預測，游戲后期的調試變得異常困難，有可能出現脫軌的問題。

另一種技術——遺傳算法（Genetic Algorithm）創造了一個不可擊敗的敵人。遺傳算法是基于達爾文進化論提出的一種決策計算模型，計算機在模擬自然進化過程中尋求最優解。體現在游戲上，NPC會根據以往的經驗去優化策略，新一輪的進攻的“敵人”會接收“犧牲者”的意志，并針對玩家的過往策略逐個擊破。這意味著越強大的玩家將面臨越強大的敵人，并且沒有盡頭。

主機游戲SHMUP中，游戲開發者就為玩家置入了運用遺傳算法的敵人。他們讓玩家反抗經過多代進化敵人的AI，當這一代又被擊敗時，遺傳算法對AI進行排名并使用它們創造新一代的敵人來對抗玩家。在著名進化策略類游戲孢子（Spore ）和怪物（Creatures）系列都在遺傳算法上有所突破。

超能力賦予：超級游戲AI引擎

算法的門檻太高？游戲AI引擎可以繞過算法，提供 “傻瓜式”的創作平臺和工具：幫助開發者簡化游戲制作流程，降低制作難度，塑造隨機地圖和創造NPC等等。

未來也許人人都可以開發游戲。

目前主流的游戲AI引擎有三類：AI渲染引擎、NPC制作引擎和游戲創作引擎。

一、AI渲染引擎：一秒渲染

視覺效果上，AI渲染引擎可以多倍提升畫面渲染能力，實現實時渲染。

例如NVIDIA OptiX 5.0，作為NVIDIA在2017年推出的GPU渲染工具，可以運用機器學習技術可以補充畫面缺失像素、智能去噪和光線追蹤，打造出一種逼真的動畫效果。

據稱，該引擎可以將可視化效果提高12倍，并且節省渲染時間近90%的。

二、NPC制作引擎：批量造 “人”

交互行為上，NPC行為支持引擎可以幫助開發者創造出更靈活自然的NPC。使命召喚和Galak-Z等游戲中使用了這種引擎。

NPC制作引擎甚至能夠直接創造角色，比如RAIN AI引擎 ，它是由2011年成立的Rival Theory公司所創建。 Rain AI創造出的的NPC擁有著顆粒度極高的實時反應，比如語言，眼神，手勢，步伐等等。

三、游戲創作引擎：一鍵生成3A大作

AI不僅僅可以智能生成NPC，連游戲都可以自動生成了。

印度有一家初創公司Absentia VR，他們就直言：我們未來要能自動生成3A游戲。

這不是夸大其詞，他們已經完成了一套簡化游戲制作的引擎——Norah AI，可以降低游戲研發時間、智能生成簡單游戲。

研發時間可以從30天縮短到30小時。還可以輸入文字或者圖片來智能生成街機、休閑、拼圖等游戲。雖然在內容和形式上距離他們的愿景還有不少差距，但也足以說明這是產業發展的方向之一。

目前還有更多的AI游戲企業在發力。據Crunchbase數據，截止至2018年6月，全球共有150余家AI游戲企業。研究領域主要集中在游戲引擎、NPC交互、人機交互等方面。

大廠如何應對？引擎、算法、系統全面發展

面對游戲+AI的新變化，傳統游戲大廠選擇走在前沿，挑起主導潮流發展的大梁。

他們意識到了AI對于游戲的顛覆性革新意義：AI能降低游戲制作壁壘，增加操作性能和交互體驗，解放玩家，還能反饋給現實世界準確數據以幫助技術進步。

目前，育碧，SONY，EA，暴雪等游戲大廠從三個方向突破：神經網絡算法， AI智能游戲引擎和AI操作系統等。

方向一：引入AI智能游戲引擎

Sony選擇引入智能游戲引擎助力游戲開發。他在PS4引入人工智能引擎Xaitment Map和Xaitment Control，幫助塑造更復雜的地圖和更智能NPC。從而幫助游戲開發人員將更智能的AI融入他們的游戲中，將更多精力放在玩家行為以及游戲邏輯上。

方向二：開發神經網絡等算法

育碧、EA、暴雪則在神經網絡算法的開發上動作頻繁。

EA執行副總裁Patrick Söderlund極力推動EA Frostbite實驗室團隊與OPEN AI的合作，并在游戲《戰地1》，《紅警2》，《命令與征服》等游戲中開始訓練AI。

暴雪于2016年底與DeepMind宣布合作，試圖將《星際爭霸II》打造為一個人工智能的測試平臺。

Gameloft在2015和2016年舉辦全球性的AI編程大賽（Gameloft AI contest 2015&2016），試圖從中搜羅AI人才的支持。

育碧在AI上的創新顯得更為成熟，2011年就開始嘗試算法改進，成立人工智能研究部門“LaForge”，將AI成功運用到游戲中。

比如《全境封鎖》中的NPC展現了更高的智商和決策能力。全境封鎖游戲背景十分復雜并且變化極大，在復雜場景NPC的反應較以往更自然。游戲中 ，各方勢力的NPC需要巡邏，路上可能會碰上玩家或者NPC。當面對NPC，將會基于雙方“性格”發生沖突或合作；若遇到玩家攻擊，膽子小的NPC會藏起來，膽子大的則會打回去。

育碧還嘗試使用AI生成越來越逼真的動畫，比如優化動作捕捉的數據。以往，運動捕捉的原始數據需要動畫師進行相當多的手動清理才能看起來真實自然，并且可能需要大約四個小時的時間，而人工智能可以在大約四分鐘內獲得幾乎相同的結果。 

最左為原始數據，中間為AI優化數據（4分鐘），最右為人工優化（4小時）

但是，AI在游戲上的運用仍待完善。《看門狗2》里的自動駕駛車輛不會剎車。負責他的程序員Olivier Delalleau曾經抱怨道，在提供了數以千計的剎車示例數據后，AI還是不會剎車，因為它并不覺得剎車是一個很好的制動措施。

方向三：推出主機AI操作系統

相對于游戲引擎和算法開發方向，任天堂選擇推出第一代主機AI操作系統——LiveMove，它可以直接識別玩家操作，使游戲產業第一次從間接的數字控制轉向更自然的模擬控制。

該系統的開發者美國AI公司Ailive選擇在AI動作辨識技術上進行加強。創新點有二：

一是讓Wii游戲開發者無須自行編寫程序，就能使用動作識別功能，精確的識別玩家的動作；二是運行時僅需占據處理器5％的運算能力。這就使Wii游戲開發者無須顧慮技術細節，更專注于內容的創作上。

任天堂綜合研發部總經理武田健洋表示：從牛仔套索到武士刀，再到廚師的廚具，這一革命性的工具解放了游戲創作者的想象力。”

人工智能在游戲中的運用甚至幫助現實世界的進步。因為游戲能夠為現實世界提供準確數據和測試平臺，例如賽車游戲為自動駕駛提供數據支持等等。

正如育碧AI研發部門負責人Jacquier所說：“對我來說最令人興奮的部分是，從現在的五到十年后，可以說電子游戲將幫助我們創造了一個更安全，更美好的世界。”

游戲小廠：AI可望不可及

大廠的革新如火如荼，中小型工作室（小廠）則相對沉寂的多。

由于小廠運用AI的難度較大，游戲的智能化革新可能是自上而下的。

而他們無法引領游戲AI技術變革的原因，主要在以下三點：

一白：欠缺技術研發和支持能力；

一方面，中小型游戲工作室缺乏自主研發的算法人才，在技術或成本上捉襟見肘。另一方面，對AI的接觸較晚，沒有相應的算法工程師去執行優化，亦缺乏引進AI游戲引擎的資金。

二窮：無法承擔智能化的龐大開支；

革新的代價很昂貴，中小型工作室的游戲收入和大廠是天壤之別。無論是在游戲中加入神經網絡算法還是智能引擎，從成本上來說都是一筆龐大的支出。“真實的”NPC動作增加語言增加，相應的在動畫制作、配音上的成本也呈幾何性的增長。

筆者曾經在游戲開發者沙龍上偶遇一款國產VR游戲《彌漫》的策劃劉世陽，他對于游戲AI是這樣看的：

“我覺得AI更適合追求極高玩家體驗度的游戲，比如沉浸模擬游戲。感覺AI在游戲中的推行還是要大廠先行，推導出一些成熟的解決方案，或開源項目等。因為對中小型開發商來說AI在游戲中的應用試錯成本，研發實力等受限，最后的結果可能不盡如人意。”

三佛系：缺乏挑戰大廠的動力；

中小型游戲工作室更傾向于在玩法上和創意上標新立異，從而規避大廠鋒芒是。

對于小廠而言，如果AI不是核心功能的話，他們更傾向于使用傳統算法來免去“不必要”的成本和風險，使用人工智能優化的性價比并不是很高。另一方面，他們擔心AI會帶來失控，無法在“傳統”游戲中為游戲機制服務。

但也有例外，一個只有15人的小團隊——Hello Games曾經滿懷希望地在2016年推出了一款智能化太空生存游戲《無人深空》。在制作過程中，制作人Sean Murray嘗試使用程序化生成算法（PCG）來構成這個隨機宇宙。滿懷欣喜試圖在游戲創造出上億顆（264）不同的星球，創造不同的植物群和生態供玩家體驗。

但最初發布的成品令玩家大跌所望。而后制作組在罵聲一片中沉默地繼續改良，完成一個不可能完成的任務。一年后迭代出的新版本終于打了翻身仗，從差評如潮到熱銷榜單，成為目前最優秀的太空沙河游戲之一，制作組也成功證明了他們推動游戲創新和技術進步的先驅者。

AI適用于所有游戲？不存在的

在畫面優化上，AI適用于大部分的游戲。

但玩法改革并不適用于所有游戲。

就像Mark Brown（《Game Marker’s Toolkit》系列作者）說的“AI必須要適應目標游戲想要的體驗。”

所以AI在玩法上的優化應該針對特定游戲做出不同的更改，甚至選擇不使用。

資深游戲策劃劉世陽認為：

戰斗/比賽/冒險模擬向、生活模擬向、交互式電影等類型，更容易和AI產生共鳴。比如可以做一個類似《her》的交互游戲版本，提供給玩家一個更真實的曖昧AI 女友。但在戰術潛行游戲中，玩家需要對敵人的反應進行了解從而制定計劃，這時候NPC的設計上就不需要過于“聰明”甚至需要有些“傻”。

舉個例在，在傳統戰斗/比賽/冒險類游戲中，戰斗的復雜情況和與環境的交互需要更強大的游戲生態系統來支撐。這一塊也是目前AI運用最廣泛，也是最成熟的。

就如之前所提到的《合金裝備5》和《塞爾達傳說·曠野之意》所特有的生態環境交互系統。同類型的大作還有《看門狗2》、《刺客信條·起源》、《掠食》等等。

另外，在生活模擬向游戲用構建更完整的交互機制是非常有必要的。

可以參考《模擬人生》，這類游戲在極力還原真實的生活。而AI可以弱化游戲中的套路感。真實的交互感和變化感對玩家體驗的提升不是一點半點。

還有交互式電影游戲，AI帶來的個性化體驗能夠彌補交互式電影游戲的缺陷。

最近《底特律：我欲成人》大火，但依舊被業內吐槽“沒有跳出交互式電影的坑”。準確的說這類重表演重劇情的游戲還是沒有逃出給玩家“播片感”的坑。

AI能否解決這個問題？有很大潛力。

比如游戲中有大量與犯罪嫌疑人談判的劇情，如果這些對話不是預設好的劇本，而采用玩家與AI對話的方式，感覺將會很不一樣。

AI游戲革命浪潮還在初級階段

說了這么多，AI革命是不是已經來了？其實還在初期。游戲的互動性和環境的真實性還不夠完善，需要繼續優化。

那面對這一次游戲的改革，浪潮中的我們怎么判斷AI+游戲是否成功呢？

游戲策劃有自己的衡量標準——“心流”

AI需要能夠優化游戲心流體驗。所謂“心流”就是玩家在游戲過程中，極度專注，且全身心投入，連貫流暢的享受游戲體驗，并不斷享受成功喜悅的一種情緒及心理狀態。

在微觀心流層面，AI需要匹配適合玩家水平的游戲體驗。從敵人的戰術搭配，關卡設計等給玩家提供心流體驗。

在宏觀心流層面，AI需要保持高度的個性化，對玩家數據的量化標準需要進一步細分。從而在游戲的整個過程中合理調整難度，激勵，獎勵，目標，劇情等，使玩家一直有玩下去的動力且不會出現焦慮或無聊的情緒。

玩家的標準更細致一些，他們認為能夠體驗到的才是好AI。

“游戲制作工具箱”的創作人Mark Brown的衡量標準如下：好的游戲AI應該是幫助玩家游戲，而不是殺死玩家；它需要有語言和行動反饋能力，記住玩家的能力，還要有環境認知能力。

▼▼▼

總的來說，AI+游戲意味著全新的玩法和個性化游戲體驗。

對玩家而言，游戲在玩法和開發上的拓展，能帶來眾多更有趣更精良的游戲；也會讓體驗變得更特別、更個性化、更令人回味。

于整個產業來說，更多的創新和技術進步將推動產業的蓬勃發展，更加良性。

伴隨著AI與游戲的進一步融合，游戲革命的潮流將涌向何方？將迸發出怎樣的全新玩法？不久后就可以看到了。

于筆者而言，那就是——買買買！

[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). 游戲開發中的人工智能（十四）：神經網絡 - CSDN博客. [online] Available at: https://blog.csdn.net/jurbo/article/details/76526683

[6]. Blog.csdn.net. (2018). 游戲開發中的人工智能（完）：遺傳算法 - 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

來源：騰訊研究院