從“傑弗里斯”到“絕悟”,淺談遊戲AI正在發生的深層次變革
在過去相當長一段時間內,遊戲AI整體都沒有發生過太大的變化,亦或者可以說是駐足不前。從以賣數值為核心的網遊和手遊的低智慧尋敵AI,到ARPG中相對硬核以數值+技能+攻擊節奏變化為核心思路的人機對抗,再到MOBA、RTS遊戲中以操作和運營為核心策略的人機競技,遊戲AI大多都在一個品類下進行形式上的調整,鮮有本質上的變化。近些年,遊戲引擎、畫面、聲樂一次又一次改朝換代,遊戲AI卻從未發生過一場轟轟烈烈的“革命”。
遊戲中的常見AI機制
在眾多遊戲的PVE對抗中,AI都是其核心邏輯,《明日方舟》中怪物的進攻波次、《只狼》中敵人技能的釋放、《星際爭霸2》電腦一方的運營與攻防策略,其本質都是AI邏輯的實際表現。雖然遊戲型別和戰鬥規則千變萬化,但AI的本質卻疏通同歸,常規遊戲AI的實現大致分為兩種:有限狀態機(Finite-State Machine,縮寫FSM)和行為樹AI。
有限狀態機(FSM):
顧名思義,這種遊戲AI其本質為擁有有限個不同狀態的機器人,而在機器人設定上,尋敵、進攻、逃跑等都是設計者賦予機器人的狀態,FSM機制下的機器人的狀態為互斥,即同一個時間點機器人有且僅有一個狀態,即尋敵的時候不會進攻,而切換到進攻狀態時會脫離尋敵。
這裡以RPG遊戲中常見的戰鬥AI來舉例:假設機器人有休息、尋敵、戰鬥、逃跑四種狀態,其不同狀態的切換大致如圖:
簡單的FMS AI機制
FSM這種AI邏輯與生物簡單的行為類似,狀態與狀態之前的切換有明確的因果關係。也正因為如此,在機器人需要相對多的狀態時,需要非常多的狀態,而且不同狀態間會有一定的邏輯關係,這樣會導致AI邏輯的複雜度成倍上升,如圖:
比較複雜的狀態機
邏輯複雜度的提升帶來的直接問題就是邏輯混亂,使得AI新規則的新增和維護變得異常複雜,甚至會產生一些設計和邏輯上的BUG,直接影響到玩家的體驗。
所以,FMS往往適用於邏輯相對簡單的遊戲AI,比如ARPG中單一角色的戰鬥邏輯,遊戲中NPC的行走邏輯等等。而涉及到策略與戰略等複雜邏輯是就需要用到行為樹了。
行為樹:
行為樹的兩個狀態間的邏輯和FSM略有相似之處,也是通過邏輯來觸發,不同之處在於,行為樹的一個狀態可以根據條件不同而後延伸到其多個分支下的多個節點,從而細緻又明確的執行一系列指令。依舊使用上面的角色狀態來舉例,大致邏輯如下:
簡單的行為樹
與FSM相比,行為樹的的結構更清晰,在面對複雜的行為邏輯時維護和調整更加方便。
這兩種機制可以說是當前市面上絕大多數遊戲AI核心,簡單到人物行走,複雜到4X遊戲和RTS的策略變化,二者結合共同構成了玩家與機器人互動的核心體驗。
那麼,遊戲AI是否有更多的可能性呢?
“傑弗里斯”與“絕悟”:思路的轉變與內在的革命
從去年到今年的遊戲圈,有兩件事絕對值得注意:《爐石傳說》推出的完美卡牌“了不起的傑弗里斯”和《王者榮耀》新版人機AI“絕悟”。PS:《星際爭霸2》中的AIphaStar與“絕悟”機制類似,不過到目前只與職業選手較量過,未公開面對玩家。
了不起的傑弗里斯:
傑弗里斯是《爐石傳說》僅有的一張“智慧”卡牌,其戰吼效果可發現3張最適合當下情形的卡牌,比如空費時會發現背刺、跳費,鋪滿場時容易獲取斬殺和咆哮,需要擴大場面時會獲得佛丁,缺少斬殺手段時能獲得火球術、熔岩爆裂等等,總結來說就是傑弗里斯可以從控場、鋪場、補牌、斬殺等狀態的不同給出最優解。
傑弗里斯的發現機制
不過傑弗里斯的發現機制並非智慧AI,其本質依舊是行為樹,發現機制的內在是官方設定好的多種選項,之後篩選出符合條件的卡牌,也就是我們常說的if_else。
在卡牌對戰中,關鍵字和狀態是其核心邏輯,機器人(爐石的酒館老闆)的AI邏輯和運算量相對簡單,而且卡牌構築強度較低,玩家在與AI的對局中很難體驗到樂趣。傑弗里斯的特別之處在於它將這種高強度AI實現的使用權交給了玩家,這在眾多遊戲中都是絕無僅有的。
“絕悟”——新一代人工智慧AI:
在今年《王者榮耀》例行的“五五開黑節”上,絕悟絕對是最亮眼的角色。作為新一代人工智慧,絕悟通過模仿玩家行為進行學習,基於強大的GPU和CPU,它在8小時訓練後就能達到遊戲內建人機的強度,30小時達到王者水平,70小時就能接近職業水準。而在實際對局中絕悟也戰果斐然,在與玩家的2100對局中,絕悟僅負4場,且主要輸在暴擊率這一隨機因素上。
絕悟的學習速度
“絕悟”是遊戲AI的全新形態,它的存在得益於這幾年炒的熱門概念——機器學習,而相比語音識別、影像識別等,MOBA、RTS、圍棋等存在較多變數且擁有極強的策略複雜度的競技專案更適合用於機器的深度學習。“絕悟”可以說是AI在本質上的一次變革,一方面機器人方不再受到行為樹規定規則的約束,另一方面AI強度會跟隨玩家整體強度進行自我提升。
遊戲遊戲AI變革的意義
策略複雜度與靈活性提升:
再複雜的遊戲AI也終究抵不過人類的發散思維與創造性,這在以往眾多的遊戲中都得到了印證,比如《只狼》中玩家可以利用BOSS的尋路漏洞卡地形無傷消耗,WOW中眾多BOSS在開荒期過後都進入了無聊的刷材料模式。相對簡單的AI在前幾次遊戲體驗中還會覺得有趣,但多次體驗後必然會覺得無聊,如果沒有數值和材料的驅動,必然會導致玩家棄坑。
如果AI具備更強的隨機性或者逐步自我完善的特性,至少在有限次的對局中漏洞不會輕易被找到,多次挑戰也會存在不同的變數。
更有活力的遊戲環境:
《爐石傳說》讓人越發覺得枯燥,除了套牌強度穩定後環境固化,還有外掛和大資料帶來的透明化,即在對局中我們可以根據幾張卡牌就能分析出對方的套路,實戰多了幾分穩定,少了幾分隨機與樂趣。傑弗里斯的加入則為對局提供了相當的變數,尤其是在盜賊手中可以觸發多次效果,至少在有宇宙體系的對局中,遊戲不再那麼枯燥了。
自給自足的生命力,可持續發展的遊戲環境:
如果你是近幾年《王者榮耀》的新玩家,或者有玩過小號,很容易發現在鑽石以下的對局中經常出現“人機局”,比較簡單的就是對面全員人機,且經常6分投;稍微複雜一點的會在雙方都置入機器人,不能C也不會故意送人頭,但幾乎不會與隊友配合,非常影響遊戲體驗,“鑽石才是入門”這個觀點的出現多多少少有這方面的原因。
5分鐘上高地的人機局
隨著遊戲運營時間變長的是老玩家的流失,新加入的玩家數量不足是MOBA遊戲PVP對局內建機器人的主要原因。低配合的遊戲AI影響己方的遊戲體驗,高強度的AI又有可能將對手輕鬆擊潰,而動態生成天梯幾十個段位難度的AI又是一個複雜且繁重的工作。此時“絕悟”的優點就體現出來了:在學習當前段位的玩家行為後,其水準與此階段的玩家相當,除了局內的文字或語音溝通外,幾乎可以完美融入玩家對局;而隨著遊戲版本的更迭、玩家水準的提升,它還能學習新的玩家玩家行為,學習新的操作、運營思路與決策。從遊戲持續的生命力和穩定的環境來看,新的智慧AI無疑是當下最好的選擇。
結語
玩家體驗是遊戲AI的核心出發點,傳統AI的數值強度+節奏變化的調控模式並非糟粕,其結合不同遊戲型別、不同難度也都能給玩家帶來不錯的遊戲體驗。“傑弗里斯”的設計初衷也是為了讓爐石相對固化的對局更加有趣;“絕悟”的存在除了比原有的人機更有趣外也能給低段位的對局注入新的生命力。整體來講,新的AI機制並非刻意為擊敗玩家,其目的更傾向於優化玩家的遊戲體驗。
來源:GamerDK
原地址:https://www.toutiao.com/a6829873599969493517/
相關文章
- 從“智障”到“智慧”——淺談遊戲中的AI實現遊戲AI
- AI賦能航空,從安全保障到使用者體驗變革即將發生AI
- Chatbot正在掀起全球銀行的AI變革AI
- 絕悟AI參展GDC,AI深入遊戲產業全鏈路AI遊戲產業
- 線上自主學習:一場正在發生的翻轉式教育變革
- 從觀望者到變革者:給新媒體的AI解決方案AI
- 從做深基礎,曝光正在“變硬”的阿里雲阿里
- 從管理故事談ERP流程變革(轉)
- 從巨穴歷險到清純美少女,淺談AVG遊戲發展史遊戲
- 2020年中國遊戲廣告生態正在發生鉅變遊戲
- npc的AI是如何運作的? 從程式到策劃深入談遊戲AIAI遊戲
- 從XP退市看產業發展的深層困惑產業
- 淺談從搜尋到動歸
- 從遊戲開發到應用開發的轉變遊戲開發
- 從自建到雲原生:資料管理的未來與變革
- 31 天,從淺到深輕鬆學習 KotlinKotlin
- 從Ori系列兩代間的變化淺談銀河城類遊戲的復興遊戲
- 遊戲從業者如何迎接AIGC浪潮:淺談ChatGPT和AI繪圖遊戲AIGCChatGPT繪圖
- block底層淺談BloC
- 淺談分層圖
- 【行行AI公開課】AIGC從模型到落地:促進技術落地與產業變革AIGC模型產業
- 從函式到包的Python程式碼層次函式Python
- 淺談Java中的淺拷貝和深拷貝Java
- 從心理學角度淺談三消遊戲遊戲
- 淺談深拷貝與淺拷貝?深拷貝幾種方法。
- iOS架構淺談從 MVC、MVP 到 MVVMiOS架構MVCMVPMVVM
- 遊戲引擎變革的三十年遊戲引擎
- 【董天一】IPFS:世界正在悄然發生變化
- 從一錘子買賣到培養“家軍”,遊戲直播營銷正在變天遊戲
- 什麼才是二次元遊戲?二次元遊戲立項與開發淺談二次元遊戲
- 從淺入深掌握併發執行框架Executor框架
- 淺談遊戲遊戲
- 正在經歷變革的 Linux 系統管理員技能Linux
- 雲端計算的三次變革浪潮
- 資料準備 ——報表開發中的深層次問題
- 淺談JS中物件的淺複製和深複製JS物件
- 從海外開發者大會的親身體悟聊起,談談 AI 與開發者關係的重構 | 編碼人聲AI
- 【機器學習】--層次聚類從初識到應用機器學習聚類