全自動生成遊戲已成現實？暢想愷英網路構築的AI遊戲新時代

如果評價AI生成技術是一件讓人頭疼的事情，因為對於許多玩家而言，AI生成技術一直是一個若即若離的產物。

一方面它活躍在資本市場，與“區塊鏈”、“元宇宙”一樣是資本概念化的寵兒；另一方面，作為一種帶有“改變未來生產力”宏偉標籤的技術，玩家所能接觸到的應用內容主要侷限在文字生成圖片、影片，包括一些音訊生成的基礎內容，亦或者是像GPT這種大資料問答應用，實際的產出總有諸多限制，很大精細的工作內容並不能獨立完成，與人工的商業化產品相比，AI生成的產品也感覺差點意思，無法兌現玩家期許的那種生產力解放成果。


然而事實果真如此嗎？目前玩家所能接觸到的“上限”，也許只是行業的冰山一角。尤其在玩家最為熟悉的遊戲行業裡更是如此。

就在7月26日，伽馬資料的愷英大模型負責人譚凱就“AI大模型全自動生成遊戲”的主題，為業內公開了一場繪聲繪色的演講，從這次演講之中，我們也能明白，AI到如今的發展脈絡以及AI技術目前能為遊戲帶來什麼改變。

從單一任務走向大模型矩陣

假如說，曾經玩家認知的AI生成技術還停留在單一任務執行的文字生成之上。那麼這次演講所要傳達的資訊則是一個全新的概念，即“大模型矩陣”，這種模型具備3個優勢：

①多工、多維度自動生成內容

對於AI生成內容，大家早已非常熟悉。只不過，壁壘明顯，只能生成單一任務的文字生成只是行業最底層的技術，愷英大模型想要展示的是一種單任務執行之上的多工執行邏輯。

多工執行指的是單一AI技術模型下，AI生成並非侷限於文字、音影片內容，它應該是一種複合工具，能夠滿足一個遊戲多個維度的開發需求。在這個開發邏輯的基礎上，愷英大模型提供給開發者一個問答應用，引導使用者採用“聊天”的形式對AI提出需求，AI根據需求便全自動開始畫圖，寫文件，做美術，做音樂，然後自動整合出完整的遊戲，如果想修改遊戲內容也直接與AI溝通即可。



這套AI生成框架的優勢一方面體現在極強的整合能力，能夠為一個遊戲全方面的創作量身定做；另一方面，AI接近全自動，開發者只需要以問答文字的形式進行研發細節上調整，不僅把研發遊戲門檻無限降低到零，還大幅度提高一個遊戲的開發效率，這對於如今開發流程越來越繁複的遊戲業界來說，具有里程碑的作用。

②發揮時間與資料學習的功效，讓演算法跑起來

AI大模型的優勢還在於生成預訓練的演算法與傳統演算法有著本質上的區別。

傳統演算法是一種靜態、線性的運算機制。它的規模、技術力與程式從一開始敲定的框架就多少年不變，資料的累積也是一個穩步的成長曲線。但這種穩定的發展顯然與時代的變化不符，關於程式技術力的發展可以說是按照秒速在日新月異地更新換代。

AI演算法的出現需要解決的另一個問題就是程式運算的迭代。它的底層邏輯是依靠大量的資料語料，加上時間維度，依靠時間的累積讓AI反覆自我迭代，使其不斷提高上限，擴大基礎的容量；亦或者讓AI演算法透過資料的學習與篩選不斷拔高演算法的精確度，讓其在解決問題時更加準確，更加與時俱進。


能自主更新換代對於現在的遊戲市場來說非常重要，一個玩法可能每年都會有小的變動，每幾年就有大的改革。舉個比較特別的例子，過去的MMO遊戲亦或者一些動作遊戲流行透過一刀999的數值快感來彰顯殺傷力。假如按照傳統演算法的做法去生成遊戲，也許依然能生成足夠優秀的遊戲框架，然而沒有適應時代的資料支援，很有可能導致遊戲的核心玩法與演算法依然是一刀999數值的古老模式，無法符合當下玩家的喜好與時代潮流，其他內容生成的再好意義也不大，年輕玩家是不會因為某些細節上的出彩而去關注一個“落伍”的遊戲的。


而與時俱進的AI生成，則根據資料的整合，自主淘汰一刀999的數值表現，理順玩法變遷與同類遊戲時下“輕數值表達”的潮流，結合新的資料生成出來的作品即便細節上會出現各種問題，但底層內容上它依然會是個“新”遊戲，而不是總結過去經驗的老產物，這是時間維度結合大資料學習，很有可能出現的一個標準案例。


③AI生成讓大資料的整合與排程變得輕鬆愜意

AI生成需要大資料，但如何排程資料是門很大的學問。尤其對於遊戲這個高度資訊化的產業來說，怎麼從海量資料之中更有效率地提取所需內容是一個亟待最佳化的操作過程。

同樣是資料的利用與整合，大模型矩陣顯然更進一步。它是將海量的資料與任務做了不同分類模組，然後根據不同需求進行整合與生成。

整個AI執行的資料邏輯盒先要統籌出一個遊戲所需要的各種基礎框架，包括生成的演算法、自訓練模型、數值模型等，彙整合一個大型AI資料的處理中心，研發根據前期策劃引數以及上線後的運營資料，並按照遊戲具象的美術資產、系統數值、技術演算法等內容根據策劃與運營要求靈活調取，自動生成遊戲的毛坯版本，開發者再根據需求進一步調整內容、對資料與各種生成內容進行指導，直到達到要求為止。



正因此，從這次演講之中我們也可以看到，AI生成應用的出現無法實現資本市場吹噓的那般無所不能，人依然佔據主要C位。AI它更應該是一種解放生產力的生產工具，既能配合開發者更好的分工合作；也可以減少大量重複且無效的工作內容並大幅度提升遊戲的開發效率。而隨著應用的誕生與大規模應用，我們也可以進一步暢想一下，AI生成技術引領的遊戲研發，未來會怎樣的前景。

AI生成技術的未來暢想

應用是死的，人卻是活的，根據開發者的等級、專業程度，AI生成技術的目標與功能性也會完全不同。在未來，在筆者看來，AI技術力的提升會帶來如下局面：

①遊戲行業技術進一步下放，獨立遊戲市場很有可能迎來一波新的商業狂潮。

哪怕到現在這個階段，獨立遊戲也很難實現開發者個體化，畢竟再小的遊戲，它也是由玩法+程式+美術構成，研發的要求南轅北轍，很少人能身兼數職一人完成開發，團隊人數再少往往也會有2——3人的規模，例如近期發售的獨立武俠遊戲《活俠傳》，其開發團隊原始鳥熊工作室便是兩個人分攤開發。


這意味著，即便是獨遊對於不少玩家與開發者來說，也有挺高的門檻。而AI生成技術實際上在消解這種門檻，開發者不擅長的部分只需要根據需求自動生成內容即可，過於簡單的操作邏輯哪怕是許多零開發經驗的玩家也可以依靠AI技術去生成自己想要的遊戲內容。

②大成本遊戲的試錯成本大幅度下滑

AI遊戲生成技術的優勢除了便捷的操作，極低的實現門檻外，提升資料的整合、分類、提取的效率對行業也有諸多好處。除去效率的提升之外，降低遊戲的市場成本，降低遊戲開發的風險也是AI技術很好的使用方向，尤其對大型遊戲開發來說更是如此。

例如某大廠想要做一款動作遊戲。它的目標是做出類似《怪物獵人》的玩法，但開發團隊不清楚自己想要什麼樣的畫風，什麼樣的設定，不知道增加什麼樣的新玩法機制可以與目標玩法組合出新的化學效應。那麼開發者便可以藉助AI應用的生成效果去大量試錯，既可以試試歐美大廠如育碧、暴雪的美術風格，也可以試試塔防、戰棋等玩法與它相結合，試試有沒有新的突破點。


這些生成不僅快捷，同時廉價，開發團隊可以嘗試到心之所向的理想目標為止。這大量避免了大規格遊戲“船大難掉頭”的問題，大幅度減少遊戲資源大量浪費的情況。

③AI生成技術進一步拔高了策劃的定位

AI生成技術也許可以替代大量的美工、程式的基礎工作，但無法替代人的思想。即便是愷英大模型這種以問答形式的AI生成機制再如何簡便，它也無法替代策劃的責任。策劃依然控制了遊戲生成的兩端，匯入資料前，策劃要負責傳遞開發想法，包括如何構建玩法的創意，構建敘事與指令碼細節，提供玩法資料，指明美術方向等工作。

而在遊戲開發的收尾階段，策劃依然要負責驗收工作，進行最佳化與除錯，這意味著，對於遊戲的各種策劃主控的要求，如程式策劃、數值策劃、美術主美等會越來越嚴苛。當基礎工作的比較越來越趨同，遊戲最終比拼的部分就是想法上的差距，如何將自己與研發的遊戲造成“特殊的一個”，是AI時代勝出的關鍵。


以玩法設計與個性內容作為賣點的遊戲如今也不算少見。例如銀河城遊戲千千萬，然而至今在關卡設計與場景互動上，鮮有能與《密特羅德》（《銀河戰士》）比肩的後來者。例如卡普空動作遊戲那一套特色的抖動、抽幀、卡肉的打擊感優勢都會在新的AI時代裡進一步放大優勢，變得更加吃香。卷設計某種意義上也是迴歸遊戲本源，注重比拼開發者對於遊戲的理解水平。


總結

透過這次演講我們可以看到，AI生成技術並不簡單，它能做的內容比想象中要多。同時，開發者也不需要對其擔憂。技術終究要為人服務，即便AI自動生成遊戲的技術不用幾年就可以成熟，也無法妨礙人在遊戲開發的主導作用。

更不用說，大量的技術下放有利於趨於穩定的遊戲市場進行新一波的產業升級，當曾經200的開發團隊數量因此指數級增長，進入2000，甚至20000人的規模，到時候我們還能玩上什麼樣的遊戲，簡直不敢想象。


原文：https://mp.weixin.qq.com/s/uoupo0O7hy2je9mcQ1pBIQ