王者榮耀AI論文、位元組跳動收購AI技術研發商，遊戲+AI會誕生什麼？

12月24日，騰訊王者榮耀AI“絕悟”的論文發表，並被AAAI-2020所收錄。

12月23日，業內傳出訊息稱位元組跳動完成對AI遊戲技術研發商深極智慧的收購。

12月5日，世界上首款真正意義上由AI生成的文字冒險遊戲《AI Dungeon 2 》正式推出。

……

AI+遊戲，在短短數日間又來了一次小爆發。比起僅僅只是改變了遊玩方式的雲遊戲，AI更有可能擴充現有的遊戲面貌，上述三個事件就代表了三個不同的應用方向。

王者榮耀AI：增進遊戲體驗

根據騰訊AI Lab公開的論文解讀，團隊在系統方面提出了一種深度強化學習框架，在演算法設計上開發了一種用於建模 MOBA 動作決策的 actor-critic 神經網路。在與頂級、業餘玩家的2100多場較量中，騰訊AI的勝率達到99.8%。


用遊戲的方式來檢驗智慧體的能力並非什麼新鮮事，AlphaGo是第一個戰勝圍棋世界冠軍的智慧體，OpenAI Five是第一個在《Dota 2》競技遊戲中擊敗世界冠軍團隊的智慧體，AlphaStar則在《星際爭霸2》的匿名對戰中爬到了宗師段位。不過這些人工智慧研發團隊的目的並不是打造一個獨孤求敗的遊戲AI，而是通過高複雜度的遊戲來檢驗AI的決策能力，並最終運用到通用型AI上。

對於遊戲來說，或者對於《王者榮耀》這一類對抗類的MOBA遊戲來說，AI技術的應用不是為了挫敗玩家，而是提高玩家的遊戲體驗。“超強人機”模式在提供另類玩法的同時賦予玩家挑戰成功的成就感，為彌補人數不足遊戲往往會新增AI選手，一個不“智障”的AI往往能讓玩家減少些“口吐芬芳”的次數。

而在玩法設計之外，王者榮耀AI也在發揮著作用，比如通過對惡意、作弊玩家行為的建模來淨化對局環境。在後續的技術發展中，AI技術或許還能在自動生成方面幫助遊戲團隊節省開發成本，甚至是更為深層的玩法創新。

位元組跳動：資料驅動遊戲

根據業內訊息，位元組跳動近期完成了對北京深極智慧科技的全資收購，後者曾開發過《北京浮生記》、《狂暴之翼》等遊戲，公司研發重點在於機器學習，並將之運用於遊戲行為資料探勘。

不過這一訊息的重點還是應該落在位元組跳動上。依靠著今日頭條、抖音等產品，位元組跳動躍居2019年全球前三的獨角獸企業，估值高達750億美元。


將演算法推薦、內容過濾等AI技術應用於資訊分發，位元組跳動迅速建立起了自己的流量分發護城河，並不斷開拓全球版圖，將技術滲透到教育、金融等領域。遊戲領域是位元組跳動在2019年的重點之一，藉由已經被市場驗證成功的流量經營模式與全球日活高達7億的龐大流量池，位元組跳動已然成了休閒遊戲發行的巨頭。

從年初的《消滅病毒》到年末的《我功夫特牛》，位元組跳動用十幾款爆款遊戲告訴人們AI還能往遊戲營銷方向上施展拳腳。藉由旗下多個產品所積累起來的使用者量與資料基礎，位元組跳動的AI技術實現內容營銷的智慧化，它既開啟了網際網路久疏眷顧的下沉市場，同時也為步入存量格局的遊戲市場提供精準高效的導量手段。


而對於某些遊戲大廠而言，資料驅動越來越成為他們分析專案成敗、維持遊戲運營、提高遊戲收益的必要方法，2019年超休閒遊戲橫掃下載榜的背後也是依託一套不斷趨於成熟的資料模型。構建於資料分析基礎之上的機器學習，在挖掘分析海量玩家行為資料時具備著一定的優勢，在遊戲外它還能幫助廠商去監控社群輿論。

AI Dungeon 2：自動生成的互動敘事

《AI Dungeon 2》 是世界上第一款真正意義上由 AI 生成的文字冒險遊戲。開發者Nick Walton利用OpenAI 的文字生成模型GPT-2來搭建遊戲，遊戲的整個視覺風格類似於1980年發行的《Zork》，所不同的是，遊戲的一切內容都是AI生成的，玩家不再被製作者設定的規則束縛。


AI在大多數情況下都能響應玩家輸入的指令，從而派生出截然不同的遊戲文字，從網友分享的故事來看，自動生成的文字還是具備一定的可讀性。不過，當玩家輸入的指令在AI的理解範圍之外或者說是機器學習之外的時候，故事的走向就會變得詭異起來。

自電子遊戲誕生之初，有關於互動敘事的研究就從未停止過，無論是早期熱衷於龍與魔法的CRPG冒險，全動態影像的曇花一現，還是如今大廠偏好的即時演算所帶來的沉浸體驗，互動電影的再抬頭，碎片敘事、Metagame乃至《艾迪絲芬奇的記憶》、《奧伯拉丁的迴歸》、《極樂迪斯科》等獨立遊戲的創新設計，遊戲開發者一直在挖掘遊戲成其為遊戲所應有的“互動”功能背後的敘事潛能。

在程式化敘事生成所描繪的圖景中，它將給電子遊戲的互動敘事帶來前所未有的開放性、自由度、代入感。系統能夠探查到玩家的所有行為並給予反饋，玩家意識到自己生活在一個動態的虛擬世界之中，他們可以根據心中所想去展開一段異世界冒險。

其他：檢驗bug、自動生成等

《王者榮耀》AI帶來的是遊戲體驗上的增益，多人模式中自動填充的機器人，趣味模式中的高難度AI對手，作弊、惡意玩家的檢測與封禁，聊天內容的過濾等；位元組跳動帶來的是遊戲營銷上的增益，廣告投放的優化，玩家行為的分析建模，社群輿論的監控等；《AI Dungeon 2》帶來的是遊戲玩法上的革新，但AI能做的事情還不止於此。

Bug除錯

眾所周知，育碧出品的遊戲沒有Bug那才是不正常的事，為了避免再次成為玩家茶餘飯後調侃的物件，育碧開發了一套用於檢測遊戲Bug的AI程式Commit Assistant。它被餵食了過去十幾年來育碧所編寫的遊戲程式碼，其中包括出現的Bug以及被修復的Bug，通過對二者的比較分析來製造一個輔助型的AI，有效降低開發過程中的bug產生的額外成本。


除此之外，也有廠商會直接設計AI玩家來進行遊戲測試。

自動生成內容

利用AI技術自動生成關卡、影象已經不是一件新鮮事了，2015年Mark Riedl和Matthew Guzdial利用AI設計了不少《超級馬力歐》關卡，AI在“觀看”了大量YouTube遊玩視訊後，自動將每個關卡抽象成某種樣式，並根據各類元素組合的相似性混搭成一個全新的關卡。2018年研究人員則利用AI設計出了《毀滅戰士》級別的關卡。


與此同時，自動生成過的技術也被運用於遊戲美術模組，利用AI生成以假亂真的街景圖，利用AI生成語音動畫，減少面部捕捉帶來的高昂費用。對於3A遊戲開發商來說，構建一個龐大而又充滿細節的寫實場景往往伴隨著龐大的人力物力消耗，又或者是大量外包而出現質量、工期、溝通上的毛病，藉由AI自動生成開發者能夠將更多的精力放在更具創造性的內容上。


除了自動生成的場景、語言動畫，AI在畫面渲染、風格遷移等方面同樣有著出色的運用，NVIDIA曾宣稱自家的渲染工具OptiX 5.0可以將視覺化效果提高12倍，不少老遊戲在AI技術的加持下也能得到高清重製。


遊戲玩法調整

SE的AI研究員三宅陽一郎在接受外媒採訪時曾表示，AI將會收集玩家在遊戲中的行為來調整遊戲內容、遊戲玩法，根據他的說法，所謂的“調整”並不僅僅只是數值、難度上的變更，而是實際遊戲內容的變更與玩法的傾斜，它意味著每個玩家都會在遊戲中得到不一樣的、滿足自己需求的遊戲體驗。

……

讓AI服務於遊戲設計，還為時尚早

由於在維基百科上讀取了有惡意性質的文字（官方回覆），亞馬遜推出的Alexa智慧音響勸消費者理應自殺來減少自然資源的消耗。對於遊戲這一虛擬的世界來說，AI技術的運用或許不會產生AI控制人類的電影橋段，但想讓AI成功為遊戲服務依舊不是一件輕鬆事。

除了技術這一方面的人才問題外，AI的成本也是一筆不菲的開銷。與李世石對弈的Alpha Go由多個計算機群組成，其呼叫了1202個CPU和176個GPU；在多人遊戲中加入基於神經網路學習的NPC，廠商還得算上伺服器的開銷，如果是購買智慧遊戲引擎更是一把實打實的金錢交易。

而對於本地執行的遊戲來說，在遊戲中加入AI更是處處受制。AI執行本身就要消耗掉電腦大量的計算能力，NPC 的AI越是複雜，計算量越大，當電腦在圖形處理方面就已經佔用CPU大半的使用率時，留給AI的資源只能說是寒磣，除非玩家想體驗的就是類似《AI Dungeon 2》這樣的純文字冒險遊戲。

即便開發者解決了技術、資金上的問題，想要讓AI服務於遊戲設計依舊要面臨不少問題。在互動敘事領域奮鬥了三十餘年的Chris Crawford 悲觀地對AI敘事作出結論——“AI永遠不會創造出足以傳世的文學著作”。在自動生成、廣告投放等節省開發成本、增加遊戲收益的應用上，AI正在嶄露鋒芒，但在真正的玩法設計上依舊沒有令人印象深刻的作品。即便有，它也帶著一些難以摒除的缺陷。

1.公式化

正如Chris Crawford在他宣告放棄互動敘事的部落格《Why I am ending further work on interactive storytelling》中所說的，基於深度學習的AI只是將設計人員所投喂的資料進行量化分析，經過學習加工生成一套模式化的內容，它不會產生真正有價值的內容。

把關卡設計、故事、NPC等任務交給AI來完成會發生什麼事？動畫《Carole& Tuesday》中所描述的現象或許是一個足以借鑑的例子。


AI能夠根據資料分析摸索出來一套最符合大眾審美的創作法則，它尊崇的是目前遊戲設計領域樂此不疲的方法論、行為經濟學內容，你並不能說AI最後產出的內容不好、不夠有趣等等，它缺少的是遊戲製作人偶爾的“靈光一閃”，或者是某種來自靈魂深處的迴響。

2.違背常規的遊戲體驗

遊戲存在所謂的學習成本，其中之一就在於在不斷的失敗中積累經驗、鍛鍊技巧。但當Boss學會“自我思考”了呢？部分開發者正嘗試著將遺傳演算法引入遊戲之中，像《Warning Forever 》、《invAIders》等實驗性的STG遊戲中，敵人會在每次擊敗中積累經驗，不斷調整攻擊行為以迫使玩家嘗試不同的策略。



具有自適應性的AI自然能夠避免遊戲陷入背板的單調打法，但過於成熟的AI往往會摧毀玩家的遊戲體驗，他們無法從中摸索出規律，攻略、“逃課打法”淪為無用之物。在某些時候，玩家需要的並不是足夠聰明的AI，而是有點缺陷的AI。

這完全取決於遊戲想要給玩家提供什麼樣的體驗。

在強調挑戰性、開創性打法的對抗性遊戲中，一個自適應的AI對手無疑能夠滿足那些熱衷於勇攀高峰的“M屬性”玩家，在強調沉浸模擬、且沒有硬性目標的遊戲中，會對玩家的行為作出相應反饋會更討喜。

讓仿生人夢見電子羊

在2018年GDC開發者大會上上，有一場圍繞著AI展開的圓桌談論，開發者、技術人員拋開AI目前所具有的技術侷限，將焦點聚集在“AI能帶來的願望圖景”上。


目前遊戲開發者能夠製作出複雜且具備足夠吸引力的對戰型AI，但卻無法做出那種會對簡單的日常行為作出不同反饋的AI。通過AI技術能夠讓NPC擁有更多的狀態，它不需要對所有事物作出反應，而是要做出差異化，至少要讓玩家意識到NPC不是按照一套固定的模板在執行的，這對於那些強調沉浸感的模擬類遊戲將帶來質的飛躍（是的，真正的AI戀愛遊戲）。

開發者們對於AI的種種幻想都有些不切實際，但技術的發展不正是從那一點點不切實際開始的嗎？它不應該是僅僅被運用於語音合成、關卡生成、模型生成等內容上，而是要與更深層的遊戲玩法掛鉤，開創遊戲的新面貌。就目前而言，由大廠來主導AI技術在遊戲中的應用是趨勢，它們擁有更多的資源以及足以用來提供給AI學習的資料，但創新性上往往誕生在一些小團隊，把遺傳演算法附加到對戰NPC上，把深度學習運用於互動敘事上，他們不僅想要讓AI給玩家帶來獨一無二的遊戲體驗，同時還要解決AI的缺漏來構成真正的藝術品，基於深度學習與人工設計混合的AI即是開發者的解決思路之一。


我們難以否認，在人工設計的AI上，《最後生還者》、《戰神》或是《黃金眼007》這樣的老遊戲已經能給玩家留下足夠深刻的遊戲體驗。但一個由AI統籌全域性、無數AI NPC共存的類《黑客帝國》遊戲世界，它難道不吸引人嗎？

題圖來源：The Economist