Warren Spector最近就現今遊戲產業對於優秀AI的需求為主題接受了Eurogamer的採訪。他自稱特別希望John Carmack和Tim Sweeney等人能夠將注意力從影像上轉移到創造可信賴的角色和具有沉浸感的遊戲世界。
對此我有些疑問。要知道，他所提到的這些人都是影像程式設計師而非AI專家。想想看，讓影像程式設計師來AI的問題，就已經明顯是一個AI文化上的問題——AI並不被視為一個真正的學科，人們認為它並不“困難”，在這個領域還未出現任何可被稱為“專家”的人，所以我們當然也能邀請影像程式設計師前來解決問題！
當然了，這種說法並不正確，並且這也是對於那些正致力於此的專家的侮辱。我們並不需要John Carmack為我解決AI問題，我們希望的是人們能夠注意到AI領域中Carmack式的角色，他們經常被忽略，因為“玩家並不需要優秀的AI”。
然而Warren所談論到的這些心酸面卻非常有意義，這也是我過去幾個月的演講中所強調的內容。
我所談論的一大主題便是AI的擴充套件和推廣——希望以此解釋什麼是AI以及我們該如何使用AI創造出更優秀的遊戲。
對於很多人來說AI是一個非常可怕的話題。我想很大一部分原因是，基於文化影響我們總是習慣於將智慧機器看成是一些壞東西。在過去數十年間出現了各種關於智慧機器奴役人類的書籍和電影，而這一切都只是因為機器人和AI系統太過聰明瞭。這一點讓人類感到害怕。但是事實卻不一定是這樣的！
其實AI也就是一種有關決策的應用科學。數學中有一個完整的分支是關於決策分析的，其中包含了決策論，遊戲論以及經濟論等。這讓我們能夠基於理論去陳述如何在一個特定的環境下做出反應，即當我們在進行了所有的算式分析後，我們便能在黑板上獲得一個完整的結果，然後離開——這樣問題也就解決了。而AI便是將這些解決方法付諸實踐——不管是在模擬環境中還是機器人身上。
但是真正的問題在於，我們可以在哪裡看到這樣的決策？一般情況下當玩家在談論遊戲中的AI時總是會說到“AI會做某某事”，其實這也意味著AI就是遊戲中的敵人。
遊戲中便存在著許多這樣的決策，即開發者投入了大量的精力創造出各種能夠被玩家所注意到，並在被殺後使他們信服的角色。這也是遊戲AI作為一門學科所強調的內容（也就是我們所說的敵人AI）。
人們總是會說玩家並不喜歡在遊戲中看到更優秀的AI，從某種程度上看來這種想法也不無道理。因為玩家總是不希望敵人會比自己聰明。
而我的主張便是明確地解決這一問題，特別是在學術界，“更優秀”也就意味著更強大且更有能力。如果這就是遊戲AI的目標，那麼就像暴雪的Schwab（遊戲邦注：暴雪的高階人工智慧/遊戲工程師）在2011年GDC上所指出的那樣，我們便可以只是創造出一些更快，更強且更有攻擊性的NPC。
創造出一款更具有挑戰性的遊戲並不複雜。相關學者（特別是AI學者）便能夠搬出最佳解決方法，而我的突破便是進一步解釋遊戲AI是如何優化“樂趣”元素。有些人理解了這一點，也有些人會使用各種算式去定義樂趣，但是不管他們使用的是何種方法都不會改變核心理念，這也是我們在遊戲中使用AI而試圖達到的目標。
我希望在此解釋我們該如何使用AI去做到這一點。我並不會分析一些技術細節，我只想以設計師和製作人能夠理解方式來闡述。
有史以來最優秀的遊戲
一開始我想宣告的是，很多人都會將《龍與地下城》看成是史上最優秀的遊戲。不管是遊戲本身還是其整體的桌面風格都是迄今電子遊戲都未能超越的。它的支持者們從未對這款遊戲感到厭倦；對於他們來說拿這款遊戲與大熱的《魔獸世界》相比實在有夠痛苦的。
D & D(from my.mmosite.com)
《龍與地下城》最突出的一點便是它本身其實並不能算是一款遊戲，更確切的說它應該是一個規則框架，即遊戲是在這個框架中誕生的，並且玩家不會被侷限於任何行動中。當然了，這也意味著玩家將嘗試著去做一些古怪但卻有趣的事，並且他們不可能預先猜到自己將面對什麼，也正是如此才誕生出這款遊戲。
之所以能夠設定這樣的規則是因為，遊戲是由人類所扮演的地下城城主控制著的。DM也是遊戲和遊戲群組的組成部分。在遊戲開始前，他們創造了世界，並明確了相關遊戲理念，如遊戲情節是怎樣的等等。
我們需要注意的是，因為玩家將很大程度地推動遊戲內部元素的發展，所以地下城城主便很難預先規劃完整的故事情節。就像任何優秀的戰略家所知道的那樣：“沒有任何作戰計劃在與敵人遭遇後還會有效”，所以玩家將只能在遊戲過程中逐漸完善整個故事。
但是這種發展過程將會引出一些遭遇戰，所以開發者便需要創造一張地圖並在此新增一些與玩家相敵對的生物。除此之外開發者還必須在遭遇戰或特別元素中新增情節裝置，去預見一些今後會發生的事件，為玩家創造一種具有內在凝聚力的遊戲體驗。
當開發者創造了這種遭遇戰並且玩家也融入了其中，DM便需要決定該在地圖上設定哪些生物了。這也是DM這一角色所具有的一大樂趣，因為DM必須平衡所有生物的行動，並帶給玩家激動人心（但是不能具有過多的挑戰性）的遊戲體驗。
如果玩家又一次死於goblin射手的箭下，那麼讓射手轉向並朝著牆上射擊就沒有任何道理了。玩家並不會相信這一行動，他們也不會喜歡上這種帶有錯覺的冒險。
Schwab將其描述成“失去風格”,這也是這種玩家體驗管理的一大重要組成部分，我們不希望遊戲任憑玩家擺佈，但同時我們也不希望看到玩家在遊戲中受挫，或提前結束遊戲。
解決這一問題的最好的方法便是明確遊戲的目標物件，瞭解這一目標物件中有那些型別的玩家，以及他們在特定情境下會做出何種反應等。這讓DM能夠更好地進行遊戲管理，並最終促成玩家想要看到的結果，同時還能面向特殊的玩家型別定製他們所喜歡的內容——如果你瞭解到目標玩家更喜歡用交涉來解決方法而不是相互對抗，你便能夠為他們提供最合適的選擇。
同樣地，如果你所面對的是喜歡對敵人發動猛攻的玩家，你便可以為他們設定一些“驚喜”，讓他們能夠利用這些驚喜去做一些愚勇之事。
在我看來，DM便是造就《龍與地下城》等遊戲取得成功的大功臣。它們比同時代的遊戲擁有更長的壽命，時至今日仍然深受玩家歡迎，並擁有非常強大的使用者基礎。
這是我們今天在製作遊戲時能夠效仿的一種“黃金準則”——不一定是參考設定和基調，我們也必須學習這種給予玩家最大選擇空間的設計原理，而這一切都深刻地影響著我們今天所面對的遊戲世界。
當然了，最簡單的方法便是在每一款遊戲中設定DM，但我們也需要正視的是，在遊戲中安插一個角色讓他時刻盯著玩家的行動並實時控制遊戲也會被認為是一種侵犯人權的行為。
所以我們應該在開發期間預先分配好DM的工作。我們需要事先確定整個遊戲情節，避免一系列遭遇戰與各種場景攪合在一起。也就是我們將在一些固定的關卡中經歷這種遭遇戰——這些固定的關卡是設計師精心設定的，並不會因為玩家玩了多少遍遊戲而發生改變。
然後我們還花了大量的時間去控制遭遇戰中的小兵——從某種程度上來看這便是對於遊戲AI的最廣泛認知。
當然了，我要說的不只如此，我還想談談我們該如何使用AI去複製DM角色，並最終創造出強大且具有吸引力的遊戲體驗。
敘事AI
雖然我不是很理解這一點，但是我們卻能夠使用AI去闡述有趣的故事，我們可以基於這一點去考慮玩家的行動並更好地調整故事內容。當BioWare成為了分支敘事做法的最大先驅時，這種敘事AI方法也漸漸變成了主流形式。
這種設定更像是70年代的專家系統而不是我們所認為的真正的AI，但是在《質量效應》等遊戲中，玩家的選擇將作為遊戲中的一重要組成部分而影響著之後的發展與選擇。從基本層面來看，你可能會認為這只是你所選擇的一種冒險，但是即使是這樣，很快地它也將變得非常複雜了。
現在讓我們將《質量效應》等遊戲中的一些細微差別新增到對話，迴圈遊戲角色等內容，此時潛在狀態圖中的組合數量將會不斷激增。我們可以繼續深入下一個階段，因為我們不僅能夠使用AI技巧呈現出潛在階段的數量，從而進行更有效的管理，同時也能在遊戲世界中引入各種行動讓AI系統引導著玩家進入概念圖表中的某一特定狀態。
如果我們希望玩家能夠到達故事中的某一個特定的點上，我們便可以沿著特定的方向將他們往後推，並開始限制他們的選擇。操作合理的話我們不僅能夠讓玩家感受到完整的選擇，同時也能夠有效地管理遊戲體驗。
我們也可以基於文學角度去構建遊戲理念，並通過調整相關元素呈現方式而有效地操控故事節奏。
遭遇戰中的AI
在遊戲開發社群中，程式內容生成（PCG）是最近的大勢所向。基本上來看，它指出創造各種內容（遊戲邦注：包括任務，各種型別的武器甚至是關卡等）是一個耗時的過程。
基於一定的開支，我們可以創造一個AI過程讓我們能夠獲得想要的內容，並儘可能創造出我們所需要的所有元素。《天際》的Radiant任務系統便證明了這一方法的有效性，這讓開發者可以無需手動編寫任何內容便能夠創造出無限的支線任務。系統可以基於混搭模式明確探索，任務和目標的位置，然後將其傳達給玩家。
《翼飛沖天》便是另外一個典例，即玩家每天所體驗到的關卡都在發生變化——開發者無需基於算式去生成這些關卡，因為這隻會是白白地浪費時間。
Tiny-wings(from gamejudgment.com)
可以說提到PCG就不能不提《翼飛沖天》！在這款遊戲的核心中，程式內容是動態地創造各種內容，看起來好似隨機的，但事實上並非如此。但隨機性並不意味著你可以隨便將一名有才能的內容創造者（如關卡設計師）替換成他人——這也正是他們被僱傭的原因。
我們能夠汲取他們的想法並將其整合到生成系統中，從而創造出他們心目中的理想內容。再次以《翼飛沖天》為例，遊戲中的每個關卡都具有不同的引數描述，儘管遊戲中的特定細節每天都會發生改變，但是關卡所帶給玩家的整體感覺始終保持一致，而難度則會以相同的方式不斷髮生改變。
可以說程式生成是最接近我的想法的一種模式，並且也是Heather Decker-Davis所認同的模式，所以我們才將其廣泛地應用於我們所創造的休閒遊戲中，而它也幫助我們塑造了許多合理的工作流程和工具。
角色控制AI
就像我之前所說的，這是一個非常傳統的領域並獲得了大量的關注，除了闡述你能夠用於創造角色的各種技能（如行為樹，目標導向行動計劃，等級任務網路以及有限狀態機等）外，我將盡量簡略概括。
最後你需要明確自己想努力獲得的目標到底是什麼——是提供給玩傢俱有挑戰性的對手還是吸引人的同伴？除此之外開發者還必須區分那些將被毀滅的AI技能以及那些用於反應各種（玩家將會面對的）古怪但有趣的內容的AI技能。
如果你想要創造敵人，你便需要考慮這些敵人是否是以小組的方式而出現，以及這些小組是由一些相關聯的敵人所組成的鬆散小組還是接受了某種特定命令（遊戲邦注：可能是小組內部軍官的命令）的訓練有素的小組。
《光暈》便證實了帶有軍官的小組能夠有效地執行道德系統，並具有強大的團隊凝聚力，願意與軍官同生死。
這種設計選擇將直接決定哪種AI技能將創造出遊戲世界中最符合玩家要求的角色，而當玩家看到的是不符合自己預想的角色時，他們的遊戲沉浸感便會遭到嚴重破壞。
玩家願意相信外星人佔領了紐約，以及政府命令軍隊殺死所有相關人員，但卻不願相信自己能夠殺死一些士兵但卻對於同伴的死亡沒有任何反應。
玩家建模AI
遊戲中的玩家建模是一種已經得到廣泛認可的新方法，但同時它也算是一種變革性力量，特別是在結合我們之前所提到的各種技巧時。當我們在現實中與真人玩遊戲時，玩家建模可以說是我們最熟悉的一種方法了，也就是我們會嘗試著去揣摩對方的身份以及他們的遊戲方式等。
例如在撲克遊戲中這便是一種很常見的方法，遊戲中存在固有的玩家分類，如“嚴謹”和“散漫”便是我們在遊戲中的常用的形容術語。在這類競爭遊戲中我們通過這些分類去預測對手的行為，但是這也不是遊戲AI的真正目標——當對手瞭解並適應了你的戰術和挑戰，你便需要更努力地與之對抗，而我們對於這種技能的使用範圍卻遠不止如此。
《寂靜嶺：破碎的記憶》便完美地體現出了遊戲中的玩家建模元素。在遊戲的開場你將發現自己正在醫務室接受著一連串的心理測試。這是玩家所陌生的環境，儘管場景的設定是關於角色在接受這種測試，但是實際上玩家的回應才是真正起決定性作用的。
事實上，這是面向玩家的測試，這也算是一種標準的心理描述。如此玩家將會被分成不同的型別，所以在遊戲中開發者將根據不同型別的玩家而呈現出不同內容。這並不會改變整體的遊戲故事，只是會改變遊戲體驗的基調和情感。
這是兩個不同型別的玩家所體驗到的相同場景(from gamasutra)
但是如果你在遊戲一開始並未擁有足夠的時間對玩家進行性格測試，情況又會是怎樣？說實在的，如果遊戲必須提供這樣做的理由，玩家很快便會感到無聊了。就像在撲克遊戲中，我們可以根據玩家的遊戲風格去劃分不同玩家，我們同樣也可以在其它遊戲中這麼做。
2009年，來自根本哈根ITU大學的Drachen等人便通過玩AAA級遊戲《古墓麗影：地下世界》而進行資料分析。他們發現通過使用這種機器學習方法能夠將玩家劃分成一些較常見的型別，如“資深玩家”，“解決者”，“和平主義者”以及“奔跑者”。這完全是基於遊戲內部的分析，而我們也已經廣泛使用了這種型別的資料。
通過使用AI系統我們便能夠進一步瞭解玩家以及他們是如何與遊戲進行互動。我們也可以再次返回內容生成或敘事系統中，面向著特定的個人群組去定製相關遊戲體驗。這是我們過去幾年在學術界中一直在探索的內容，如馬里奧關卡生成等。
現在我們也逐漸能在一些“真正的”遊戲中看到這些內容，我和Heather已經嘗試著將這些內容整合到我們的獨立遊戲中去。對於我們來說這是件再簡單不過的事了。我們的遊戲是基於一個簡單的迷宮系統，這也是由我們的PCG系統所創造出來的。
如果我們能夠察覺到哪些玩家對於迷宮探索感興趣，並確保他們在進一步發展前已經收集到了所有物品，我們便能夠根據遊戲內容而提供給他們更加蜿蜒崎嶇的迷宮以及更廣泛的收集物品。同樣地，如果我們發現玩家更願意直接進入迷宮並經歷其中的各種危險，我們便可以根據他們的喜好而提供更多行動導向式體驗。
使用人類DM去掌握玩家的喜好和願望也就意味著我們能夠更好地迎合特定玩家的需求，並讓他們進一步融入到遊戲中。這也意味著玩家將獲得更棒的遊戲體驗並感受到更多樂趣，並說明我們將創造出更加出色的遊戲！
總結
我真心希望本篇文章能夠幫助你更好地理解AI在遊戲中的作用——AI將成為遊戲開發領域的“明日之星”，而我們需要做的便是培養更多不再畏懼它的設計師！
via：遊戲邦/gamerboom.com