AI時代的遊戲開發：成為ChatGPT的監工

12月5日，OpenAI執行長Sam Altman發推表示，自ChatGPT釋出後，5天內使用者數量超過了100萬。這在人工智慧史上是個里程碑的數字，GPT-3達到該成績花了近兩年時間，DALL-E則是兩個多月。


中文網際網路的網友們，同樣能在媒體密集且花樣百出的報導中感受到由ChatGPT帶來的這股AI浪潮，而這，離AI生成影像帶來的衝擊只有三個月。

其席捲之廣、討論之熱烈較AI繪畫有過之而無不及。


它被稱之為最好的聊天機器人，能夠快速響應人類的提問，生成有意義的回覆，其優勢在於能夠記住同一對話的上下文，承認自身錯誤、質疑不正確的前提、修正自己的答案，並拒絕一些不正當的請求。

有人讚歎人工智慧技術的發展，並試驗其在各個領域的可行性，如取代搜尋引擎，如撰寫工作報告、策劃方案等文件，甚至是學術論文，如翻譯文字，十幾種語言的相互轉譯都不在話下，如除錯程式碼甚至是開發遊戲……

有人試圖從中找到一些新的樂子，如屢試不爽的“圖靈測試”，如將AI調教成某種人格的角色，如跨過防線，誘導AI說出“禁忌”之語。

ChatGPT的熱度是一個基於媒體曝光與公眾參與的事件，還是一個真正的AI變革？之於遊戲，它又可能產生何種影響？

ChatGPT的“社會化”

在真正領略ChatGPT之前，個人並未對這一新興的科技產物感到好奇，畢竟聊天機器人既非新鮮事物，網友所鼓吹的“幹了搜尋引擎所能幹的事”也不稀奇，比ChatGPT更早釋出的Character.AI就有相近的出色表現：


至於ChatGPT的程式碼除錯或自動生成程式碼功能，於年初發布的GitHub Copilot同樣能做到類似的事情，前些日子它還因為版權問題被部分程式設計師告上了聯邦法院。


如果要說這些AI工具有什麼聯絡的話，那就是。

據維基百科解釋，GTP-3是一個自迴歸語言模型，目的是為了使用深度學習生成人類可以理解的自然語言。它由Open AI訓練與開發，基於谷歌開發的變換語言模型（Transformer）設計。

ChatGPT便是基於GPT-3.5架構的大型語言模型。有關於ChatGPT的運作原理與訓練方法，近些天來已有專業人士進行過詳細剖析，在此僅簡單整理一些要點（門外漢翻閱大量資料後整理出的理解思路，僅供參考，如有錯誤，敬請指正）：

1.GPT

全稱為Generative Pre-trained Transformer，生成型預訓練變換模型，是自然語言處理領域（NLP）的一種語言模型。NLP為人工智慧領域的一個重要研究方向，旨在讓人能夠用自然語言（如漢語）跟計算機通訊。

NLP可用深度學習的方法來處理，常見的方式是輸入大量語料，構建一個能夠在給定部分序列的情況下預測下一個符號的模型，形象的描述就是讓AI做填空or文字接龍。

2017年穀歌研究出Transformer模型，不僅提高了提取資料共性特徵的成功率，而且它可以進行無監督學習，有效解決人工標註資料耗時長、成本高、效率低的問題。

GPT的框架包括Transformer，其訓練過程大致分為兩個階段，先利用Transformer對大量資料進行無監督學習，然後根據具體任務對引數進行微調，目的是為了研製出一種通用的人工智慧。在NLP的具體任務中，GPT的文字生成能力表現尤為突出。


2.GPT3與GPT3.5

GPT-3（2020）擁有1750億個引數，是有史以來引數最多的神經網路模型，是GPT-2的116倍，是GPT-1（2018）的1496倍。“資料、算力、演算法”構成了AI的三大基石，從該觀點看，GPT-3在NLP領域的風光無限便是大力出奇跡的有力證明，然而其代價也是巨大的，訓練GPT-3估計需要上千萬美元。


GTP-3.5是用2021年第四季度前的文字與程式碼等資料進行訓練的，而ChatGPT是GTP-3.5的微調版本，其要解決的具體任務就是聊天機器人。

3. 訓練方法

Open AI團隊並未公開ChatGPT的論文，關於ChatGPT的解析多基於其兄弟模型Instruct GPT。


Instruct GPT的訓練主要分為三個階段，一是由人工為GPT挑選問題並提供答案，用這些範例來訓練一個生成模型，這些人工標註的大約有1萬多條，目的是為了讓GPT所使用的資料更偏向於人類感性趣的內容；二是用RLHF（Reinforcement Learning from Human Feedback）的方法來訓練一個獎勵模型，即用人類標註的方法為GPT產生的答案進行打分，從而讓GPT能夠預測哪種輸出人類更為喜歡；三是用PPO（Proximal Policy Optimization）強化學習演算法來微調第一階段訓練出來的生成模型，即將獎勵模型的打分反饋給第一階段，讓模型能輸出更多高分答案。

臺灣大學李宏毅教授在分析Chat GPT時用瞭如下圖例進行解釋：


在為“世界上最高的山是哪座”這一句話接龍的時候，GPT輸出的回答是多樣的，如“誰來告訴我”、“最深的海是哪個”，它們均為合理的表述，但不太像是人類期望的答案，因此被獎勵模型判定為低分，而獲得最高分的“喜馬拉雅山”成了最終GPT輸出的回答，在大量資料的訓練與獎勵模型的引數調整下，ChatGPT輸出的回答越來越符合人類的認知。

李宏毅教授在評價ChatGPT的時候，用了個詞——“社會化”，意指ChatGPT其實是一個社會化的過程，經由人類的引導與調整，讓原本隨機輸出回答的人工智慧變得更符合人類期待的樣子，即其回答更符合提問者想要的。


在“社會化”之外，其實還可以加上一個詞，“大眾化”。

從以上的分析其實可以看出，ChatGPT其實並沒有用到什麼黑科技級別的演算法，無論是Transformer、RLHF還是PPO，它們在學術界均是廣為人知的，ChatGPT真正的領先之處在於那個花重金砸出來的大規模預訓練語言模型。

ChatGPT之所以能在社會中引起如此大的反應，是因為它不再是被研究者封閉起來的專案，它向社會開放，允許公眾免費使用，且因覆蓋的語言種類多而造成了病毒式的擴散。

基於此，外媒theverge的編輯JAMES VINCENT用了另外一個詞來形容ChatGPT引起的浪潮，“capability overhang”，意指AI的潛能，對於這些能力，研究者未曾測試過也不清楚其具體的運作。之於ChatGPT，它指的便是AI進入公共領域後所出現的未在研究者預期內的使用方式。

從官方的描述與示例來看，ChatGPT是個聊天機器人，它能夠應付翻譯、校對、文字分類、摘要等NLP領域的任務，可以幫助人類除錯程式碼，會嘗試著預測提問者的意圖，能夠在上下文語境中理解指示代詞指向的物件（圖靈測試經典問題），能夠連續對話，並記住使用者的指令或此前的“對話”。


有研究者還專門從語言模型的角度與現行標準來分析ChatGPT的能力，雖然未能掙脫語言模型長期存在的邏輯推理弱的問題，但在語義理解方面表現突出。


但在廣大網民眼中，ChatGPT絕不只是一個能跟使用者溝通的聊天機器人，他們挖掘出了更多應用場景。

比如把它當成搜尋引擎來使用，提供百科、常識等方面的回答；

比如把它當做文章的潤色、修改助理來使用，下到日常報告、上到學術論文，它均能應付，畢竟提取摘要、潤色、校對……這些算是ChatGPT的本行工作；

比如小說撰寫，ChatGPT在該方面的能力遠大於那些情節生成器，它能模擬某種寫作風格，且在文字的相關性上有更出色的表現；

比如用ChatGPT來指導AI繪畫，其生成的圖片效果比使用者自己瞎蒙要好得多。


比如角色扮演，讓ChatGPT模擬某一角色回答問題。

在github有個收集ChatGPT角色扮演提示詞的帖子，他們讓ChatGPT變成某一領域的專業助理：


在程式設計師眼裡，ChatGPT能做的事情不只是除錯程式碼，它能檢測安全漏洞，還能建立漏洞，可逆向工程用指定語言重寫程式碼……


它所蘊藏的潛能，自然也會滲透到遊戲領域。

用ChatGPT做遊戲

在《AI時代，6小時做一款遊戲》一文中，GameRes介紹了開發者如何利用AI工具來製作遊戲開發所需要的資產，如美術、音樂、劇本等，短短三個月後，ChaGPT的公開將開發一款遊戲的時間壓縮到10分鐘以內，它所能做的事情也比此前的AI工具要多得多。


用ChaGPT開發遊戲，可大致分為兩個思路，一是文字，二是程式碼。

1.文字型遊戲&設計文案

從ChaGPT擅長的文字生成能力出發，在遊戲開發領域ChaGPT最適合擔任的角色是擔任跑團遊戲的DM。

它的具體運作原理跟2019年釋出的AI Dungeon 2相差無幾，玩家可以自行設定故事背景，輸入想要角色執行的動作，AI會自行生成該行動造成的後果，從而為使用者提供一段個性化的冒險旅程。


ChatGPT的優勢在於它能夠為使用者提供更加細緻的環境描述，且具備足夠的可信度。當然，想要讓體驗更具沉浸感，需要使用者有一定的引導技巧：


使用者也不要奢望它能夠與現實中的跑團遊戲相媲美，ChatGPT雖然能理解並記住記住使用者輸入的話，詳細描述場景乃至製造妙趣橫生的轉折，但AI生成的情節均是基於當前的會話產生的，它可不會伏筆、角色一致性等高階技巧。


除了跑團，ChatGPT還能用於遊戲的劇本撰寫，如具體的情節描述、對話或故事大綱，倘使你對文字質量沒有太多要求，又或者只是為了尋求一些“神轉折”之類的靈感的話，ChatGPT還是能勉強一用的。

在文字生成上，ChatGPT最大的驚喜是它幹了遊戲策劃的活。

使用者可以向ChatGPT丟擲自己的大致要求與思路，如遊戲角色設計、技能設計、卡牌設計等等，讓ChatGPT來作答。

如果使用者不滿意的話，可以一步步引導ChatGPT更改表述，細化內容，甚至模擬實際的對戰效果。


僅從回答來看，ChatGPT說得還挺像一回事，它不僅能夠理解戰士、坦克、射手這些職業的差異，還能對技能進行詳細闡述，甚至能給出“施加Buff”、“消耗能量”等具體的功能。

是的，“挺像一回事”，ChatGPT的回答其實更接近玩家在遊戲內所看到的“介紹性”文字，而非真正意義上策劃所做的事情，策劃撰寫某項遊戲功能要的不僅是對功能的概括性描述，更需要將其轉化為確切的可執行的開發文案，“衝撞-造成傷害-增加護甲”，衝撞的距離，衝撞的速度，能否打斷，在不同地形下的狀況……在簡單的描述背後，需要的是細節的拆解、流程的整合，更遑論不同崗位的需求溝通與後續的迭代、變更。

如果是讓ChatGPT從零開始構思一個遊戲，而非輸出某一遊戲功能的策劃案呢？

行是行得通，但無法太過複雜，無法兼顧細節，目前較合適的方向是設計一款規則簡單、卡牌種類少的卡牌遊戲。


2.程式碼

利用ChatGPT開發遊戲，其真正妙用在於“程式碼”。

目前在該方面它有這麼幾種常見的使用方式：

1）直接給出一整個遊戲的程式碼；

2）程式碼除錯，使用者可輸入程式碼讓ChatGPT檢閱，看問題出在哪、如何修改；

3）模組開發，透過文字詢問ChatGPT想要實現某一功能應該怎麼做。

第一類僅適用於桌面彈球、貪吃蛇一類的小遊戲，從建立專案到新增圖片，ChatGPT均能做出解答。但ChatGPT並非一個教師，而是直接讓使用者抄答案。


若是遊戲稍微複雜一點，ChatGPT就相形見絀了。但從理論上來說，還是有可能的，只要ChatGPT的訓練庫裡存在遊戲的完整程式碼。


第二類除錯程式碼，ChatGPT表現出色，已有不少開發者將ChatGPT當做常駐的協助工具，用於測驗Bug或重寫程式碼。


第三類， ChatGPT的真正使用方法，它需要使用者對遊戲開發或遊戲引擎（如Unity、虛幻引擎）有一定的理解，根據自己的需要跟喜好向ChatGPT獲取特定功能元件的程式碼，由此生成一個由使用者構思的新遊戲（而非復刻桌面彈球等老遊戲）。

比如，開發一款射擊小遊戲：


玩家只能用滑鼠操控角色，左鍵發射子彈，滑鼠方向即為子彈方向，角色移動靠的便是子彈的反作用力，玩家透過擊敗隨機生成的敵人來積累分數。

不得不說，AI設定的速度值相當老辣，反覆點選可加速移動，同時受慣性影響，如何在操控角色移動的同時避開敵人可是門學問。

該遊戲由BenBonk所設計，程式碼全部由ChatGPT提供，耗時數個小時。


比如在虛幻引擎上實現角色移動：


又或者向ChatGPT求教如何建立彩虹材質：


顯然，ChatGPT能夠理解虛幻引擎控制元件藍圖的使用方式，開發者可以一步步引導它來實現想要的功能。

這讓GameRes想到了2020年發售的《Dreams》——一個視覺化的遊戲開發工具，開發者可以用遊戲內提供的微晶片來為角色行為做對映，從而免去輸入程式碼的步驟。ChatGPT能夠實現的功能比它豐富，方法比它簡單，開發者所需要的只是輸入文字而已，大有一種Text to Code的意味。


但二者相同的是，想要真正利用工具來實現高水準的遊戲開發，都應該有程式設計的底子，一來ChatGPT所輸出的程式碼並非完全正確的，否則也不會被全球知名技術問答網站StackOverflow所禁止。


開發者需要有辨認ChatGPT所生成程式碼的能力。


二來遊戲開發要的不只是會寫底層程式碼，也許遊戲目前還跑得起來，但後續的迭代、功能的變化擴充，乃至遊戲穩定性、效能最佳化都得考慮在內。


即便如此，ChatGPT與它所象徵的生成式人工智慧依舊讓人望而生畏，GPT-4已經在路上了，演算法還在更迭，下一次的正規化變化將帶來怎樣天翻地覆的變革都是難以想象的，未來是否有一天，開發者只需要把握方向跟整體架構就行了，他們將成為真正意義上的AI的監工。

個人認為，面對來勢洶洶的AI工具，至少有兩個關注重點，一是它接下去會如何發展，它在自然語言的理解上與生成內容的質量上還會有怎樣的變更；二是AI工具的大眾化。

是的，ChatGPT並不具備取代專業人士的能力，但它對於新手或跨行業人士就是福音，它能像視覺化的開發工具一樣降低遊戲的開發門檻。當AI工具脫離研究領域或專業領域向公眾開放的時候，它勢必對現有格局造成衝擊，就像智慧手機之於攝影、短影片之於內容創作者，它們帶來了大規模的業餘化——

“只有當一項技術變得普通，普遍，直到最後無處不在而被人們視若無睹時，變革才真正到來。”（克萊·舍基《人人時代》）

參考資料：
李宏毅.《ChatGPT（可能）是怎麼煉成的》
何枝.《ChatGPT是怎樣被訓練出來的？》
Web3天空之城.《從爆火的chatGPT講起: 自然語言生成式AI的前世今生, 你想了解的一切》
James Vincent .《ChatGPT proves AI is finally mainstream — and things are only going to get weirder》


原文：https://mp.weixin.qq.com/s/xMkRhZ8AE1GC1KqZ6VyF8Q