絕悟AI參展GDC，AI深入遊戲產業全鏈路

AI正成為“元宇宙”基礎設施

全球遊戲行業年度盛會“2021遊戲開發者大會”（英文：Game Developers Conference，簡稱GDC）於近日舉辦。

7月22日，騰訊AI Lab在大會亮相，首次全面展示了以“絕悟”為代表的AI技術在遊戲產業全鏈路中的研究與應用能力，介紹了AI提高遊戲開發效率、打造新玩法、輔助遊戲平衡性測試等案例經驗，並分享了AI驅動虛實融合的思考與探索。

AI技術在遊戲全鏈路的研究與應用包含兩部分，在橫向上覆蓋遊戲製作、運營及周邊生態全生命週期，提升遊戲品質，豐富玩家體驗；在縱向上AI正擴充更多元的遊戲品類，如圍棋、麻將等棋牌類，足球等體育類，以及多人線上戰術競技（簡稱MOBA）、第一人稱射擊（簡稱FPS）等複雜策略類遊戲。

同時，AI的不斷進化正使之超越遊戲場景，推動“元宇宙”（英文：Metaverse）概念的落地。簡單來說，“元宇宙”是虛擬世界與現實世界的無縫結合。就像電影《頭號玩家》中的綠洲，使用者在虛擬與現實中自由穿梭，感受前所未有的體驗，創造無限可能。

AI應用深入遊戲全生命週期

建立“元宇宙”面臨很多挑戰：要具備無限逼近現實的極高品質，空間巨大、開放且能無限擴充；可探索的內容要足夠多樣乃至無窮，從而匹配現實世界中的體驗維度等。如何應對這些挑戰？AI技術正在提供答案，並在“元宇宙”的基礎場景遊戲行業中得到驗證。

在遊戲前期的製作環節，AI高效低成本的特點，使之成為優秀的生產者。使用者的虛擬分身和NPC（英文：non-player character）要具有獨特性，就要有不同的面孔、服飾、聲音甚至性格特徵。而傳統方法生成 NPC 的成本很高，製作一分鐘的人物動畫需要耗費數天。

騰訊AI Lab持續探索低成本地、大規模生產個性化 NPC 的相關技術。在視覺上，通過AI對抗生成網路實現“千人千面”，快速生成高保真 AI NPC，搭配不同的髮型和妝容，為建立海量角色奠定基礎。

解決人臉問題之後是人物行為。騰訊AI Lab整合文字轉語音的前沿研究，生成自然語音，同步驅動嘴型、表情等面部變化，達到高度逼真。


最後，利用相位神經網路技術控制人物運動，將原本數週工作量減少到幾小時。AI 在大量的運動資料集上學習人體動作，將捕獲的運動資料與場景地形資料相匹配，完成準確、流暢的動作反應，如行走、跑步、跳躍等。


在遊戲中，AI既是運營者也是陪伴玩家的智慧夥伴。AI能扮演玩家的對手或隊友，提供創新玩法，不斷豐富遊戲活力。而作為管理者，AI能為玩家智慧匹配合適的隊友，接管掉線玩家，還能利用自然語言處理等技術，在監測到不當發言時予以遮蔽，維護良好的對局環境。

在遊戲周邊，AI也在支援電競訓練分析、直播解說及集錦自動生成等更廣泛的應用，不斷創新行業生態。總之，AI正在為遊戲全生命週期中的更多環節，創造全新價值。


為不同型別遊戲帶來全新價值

騰訊AI Lab自2017年開始研發策略協作型AI“絕悟”，在本次GDC大會上，實驗室介紹了AI“絕悟”在兩類熱門遊戲的實戰應用成果，包括MOBA遊戲“王者榮耀”，及FPS遊戲“使命召喚”與“穿越火線”手機版。

● MOBA遊戲：完全體AI與平衡性測試應用

基於王者榮耀的“王者絕悟”AI 經過多次迭代，已成為達到職業電競水平的“完全體”，掌握100+全英雄池，全召喚師技能，無任何限制、數值加成、無額外視野，操作反應也與職業選手相當，保證公平對抗。“王者絕悟”不僅具備強大的策略協作與微觀操作能力，還擅長多樣化打法與全域性禁選英雄策略。相關強化學習研究成果也已登上AI國際頂會與頂刊。

2020年，“王者絕悟”在王者榮耀遊戲內向使用者限時開放，接受玩家5v5組隊挑戰，單次運營活動就吸引了超過4千萬玩家參與體驗並廣受好評。不少使用者與主播還將對局製作成生動有趣的視訊，在社交媒體和視訊平臺釋出傳播，形成AI-使用者-社群的正向反饋。

此次大會上，“絕悟”還首次公開了AI輔助英雄平衡性測試的技術成果。MOBA遊戲核心玩法在於多樣化的英雄選擇和戰鬥體驗，從而增加不確定性與趣味性。一旦某些英雄過強或過弱，就會破壞玩家體驗，因此保持每個英雄勝率50%左右是王者榮耀平衡性系統的目標。

然而平衡性測試系統非常複雜，不僅涉及大量英雄，且每個英雄都有獨特的技能、屬性、玩法，英雄之間還存在互動，任何微小的變化都會產生意想不到的連鎖反應影響，評估系統變化相當困難。

傳統的平衡性測試是調整數值後在測試服上驗證，週期較長，每個英雄測試大約需要1-2個月。此外，由於正式服和測試服玩家的真實能力和遊戲心態不一致，會導致測試結果不準確。

在解決準確性問題上，絕悟AI通過強化學習的方法來模模擬實玩家，包括髮育、運營、協作等指標類別，以及每分鐘手速、技能釋放頻率、命中率、擊殺數等具體引數，讓AI更接近正式服玩家真實表現，將測試的總體準確性提升到95%。

在提高測試效率方面，絕悟AI通過分散式平臺和推理優化節省了大量的時間。分散式平臺支援大規模併發測試，開發者只需要輸入英雄的修改數值，平臺就會在短時間內自動輸出測試報告。推理優化則通過模型剪裁、量化、自研推理框架來減少模型的計算量和加快推理速度，實現3小時完成20萬場對局。


● FPS遊戲：全遊戲能力與擬人化技術

對於FPS型別遊戲來說，NPC的擬人化是AI研究的核心目標。在遊戲內，勢均力敵的戰鬥勝利才會帶來公平感和成就感。因此 AI 既不能強如開掛，也不能呆若木雞，更擬人化的 AI 才能提升玩家體驗。

在遊戲領域之外，FPS 遊戲擬人化 AI 也具有非常重要的研究價值。不同於總是通過俯視角進行的棋盤遊戲和 MOBA 遊戲等遊戲類別，FPS 等第一人稱遊戲往往基於三維立體的遊戲場景，更類似於真實世界。在這樣的虛擬環境中訓練出的擬人化AI，更能反映人類在真實環境下的表現，從而可以幫助AI理解人類在真實環境中的行為，為以後的通用能力應用鋪路。

在本次大會上，騰訊AI Lab也分享了AI在FPS類遊戲中的擬人化能力與技術方法。

第一步是讓AI掌握全遊戲能力，即能夠完成遊戲中的任何任務。以“吃雞”模式為例，玩家的目標是“活到最後”，關鍵任務包括，區域探索、收集武器和裝備，進入安全區並與敵人戰鬥等。

傳統方法的遊戲開發通常使用行為樹模型設計AI，然而，這種“窮舉法”只能產生有限和固定行為模式。而採用強化學習方法，則可以通過從0到1，完成端到端訓練，通過觀察設計、模型設計、行動空間設計和獎勵機制，實現高智慧AI。


掌握全遊戲能力後，第二步就要提升AI的擬人化表現。試想我們自己作為玩家處於遊戲中戰鬥場景，會選擇站在什麼位置？用哪把槍？命中率如何？回答這些問題對普通玩家已不容易，對AI來說也同樣困難。

騰訊AI Lab採用對抗學習的技術探索解決 AI 擬人化難題。首先需要輸入兩組資料，一是高質量的人類脫敏資料，二是前述通過強化學習方法訓練而成的 AI NPC 資料。然後，兩者資料再經過鑑別器區隔，並輸出一套內在獎勵機制，激勵AI不斷向人類行為靠攏。

基於擬人化AI研究，騰訊AI Lab與《穿越火線》手機版合作打造了“明星玩法”——挑戰職業選手。AI通過模仿職業選手，掌握他們的典型個人風格，玩家則感覺像在與真實的職業選手對抗。該玩法上線後大受歡迎，對局數量較平時平均數提升了3-4倍。


超越遊戲，AI驅動虛實結合的無限可能

從虛擬世界到現實世界，遊戲為AI提供了低成本的學習環境，訓練AI逐步進化為通用人工智慧，從而在現實世界中發揮越來越重要的作用。

比如在虛擬環境中模擬現實任務，讓自動駕駛汽車在不同條件下模擬行駛，效率高、成本低，也更安全。再如，騰訊利用模擬環境與強化學習演算法，推進機器人及資料中心節能技術等研究與應用。

同時，從現實世界到虛擬世界，AI正在成為“元宇宙”基礎設施，逐步構建更高品質、更開放、更沉浸和更多樣的虛擬世界，突破內容和空間的侷限性，創造前所未有的體驗與機遇。


來源：競核
原文：https://mp.weixin.qq.com/s/jrb8sUVvaymtH-WzpWFk_A