王者荣耀AI论文、字节跳动收购AI技术研发商，游戏+AI会诞生什么？

12月24日，腾讯王者荣耀AI“绝悟”的论文发表，并被AAAI-2020所收录。

12月23日，业内传出消息称字节跳动完成对AI游戏技术研发商深极智能的收购。

12月5日，世界上首款真正意义上由AI生成的文字冒险游戏《AI Dungeon 2 》正式推出。

……

AI+游戏，在短短数日间又来了一次小爆发。比起仅仅只是改变了游玩方式的云游戏，AI更有可能拓展现有的游戏面貌，上述三个事件就代表了三个不同的应用方向。

王者荣耀AI：增进游戏体验

根据腾讯AI Lab公开的论文解读，团队在系统方面提出了一种深度强化学习框架，在算法设计上开发了一种用于建模 MOBA 动作决策的 actor-critic 神经网络。在与顶级、业余玩家的2100多场较量中，腾讯AI的胜率达到99.8%。


用游戏的方式来检验智能体的能力并非什么新鲜事，AlphaGo是第一个战胜围棋世界冠军的智能体，OpenAI Five是第一个在《Dota 2》竞技游戏中击败世界冠军团队的智能体，AlphaStar则在《星际争霸2》的匿名对战中爬到了宗师段位。不过这些人工智能研发团队的目的并不是打造一个独孤求败的游戏AI，而是通过高复杂度的游戏来检验AI的决策能力，并最终运用到通用型AI上。

对于游戏来说，或者对于《王者荣耀》这一类对抗类的MOBA游戏来说，AI技术的应用不是为了挫败玩家，而是提高玩家的游戏体验。“超强人机”模式在提供另类玩法的同时赋予玩家挑战成功的成就感，为弥补人数不足游戏往往会添加AI选手，一个不“智障”的AI往往能让玩家减少些“口吐芬芳”的次数。

而在玩法设计之外，王者荣耀AI也在发挥着作用，比如通过对恶意、作弊玩家行为的建模来净化对局环境。在后续的技术发展中，AI技术或许还能在自动生成方面帮助游戏团队节省开发成本，甚至是更为深层的玩法创新。

字节跳动：数据驱动游戏

根据业内消息，字节跳动近期完成了对北京深极智能科技的全资收购，后者曾开发过《北京浮生记》、《狂暴之翼》等游戏，公司研发重点在于机器学习，并将之运用于游戏行为数据挖掘。

不过这一消息的重点还是应该落在字节跳动上。依靠着今日头条、抖音等产品，字节跳动跃居2019年全球前三的独角兽企业，估值高达750亿美元。


将算法推荐、内容过滤等AI技术应用于信息分发，字节跳动迅速建立起了自己的流量分发护城河，并不断开拓全球版图，将技术渗透到教育、金融等领域。游戏领域是字节跳动在2019年的重点之一，借由已经被市场验证成功的流量经营模式与全球日活高达7亿的庞大流量池，字节跳动已然成了休闲游戏发行的巨头。

从年初的《消灭病毒》到年末的《我功夫特牛》，字节跳动用十几款爆款游戏告诉人们AI还能往游戏营销方向上施展拳脚。借由旗下多个产品所积累起来的用户量与数据基础，字节跳动的AI技术实现内容营销的智能化，它既打开了互联网久疏眷顾的下沉市场，同时也为步入存量格局的游戏市场提供精准高效的导量手段。


而对于某些游戏大厂而言，数据驱动越来越成为他们分析项目成败、维持游戏运营、提高游戏收益的必要方法，2019年超休闲游戏横扫下载榜的背后也是依托一套不断趋于成熟的数据模型。构建于数据分析基础之上的机器学习，在挖掘分析海量玩家行为数据时具备着一定的优势，在游戏外它还能帮助厂商去监控社群舆论。

AI Dungeon 2：自动生成的互动叙事

《AI Dungeon 2》 是世界上第一款真正意义上由 AI 生成的文字冒险游戏。开发者Nick Walton利用OpenAI 的文本生成模型GPT-2来搭建游戏，游戏的整个视觉风格类似于1980年发行的《Zork》，所不同的是，游戏的一切内容都是AI生成的，玩家不再被制作者设定的规则束缚。


AI在大多数情况下都能响应玩家输入的指令，从而派生出截然不同的游戏文本，从网友分享的故事来看，自动生成的文本还是具备一定的可读性。不过，当玩家输入的指令在AI的理解范围之外或者说是机器学习之外的时候，故事的走向就会变得诡异起来。

自电子游戏诞生之初，有关于互动叙事的研究就从未停止过，无论是早期热衷于龙与魔法的CRPG冒险，全动态影像的昙花一现，还是如今大厂偏好的即时演算所带来的沉浸体验，互动电影的再抬头，碎片叙事、Metagame乃至《艾迪丝芬奇的记忆》、《奥伯拉丁的回归》、《极乐迪斯科》等独立游戏的创新设计，游戏开发者一直在挖掘游戏成其为游戏所应有的“交互”功能背后的叙事潜能。

在程序化叙事生成所描绘的图景中，它将给电子游戏的交互叙事带来前所未有的开放性、自由度、代入感。系统能够探查到玩家的所有行为并给予反馈，玩家意识到自己生活在一个动态的虚拟世界之中，他们可以根据心中所想去展开一段异世界冒险。

其他：检验bug、自动生成等

《王者荣耀》AI带来的是游戏体验上的增益，多人模式中自动填充的机器人，趣味模式中的高难度AI对手，作弊、恶意玩家的检测与封禁，聊天内容的过滤等；字节跳动带来的是游戏营销上的增益，广告投放的优化，玩家行为的分析建模，社群舆论的监控等；《AI Dungeon 2》带来的是游戏玩法上的革新，但AI能做的事情还不止于此。

Bug调试

众所周知，育碧出品的游戏没有Bug那才是不正常的事，为了避免再次成为玩家茶余饭后调侃的对象，育碧开发了一套用于检测游戏Bug的AI程序Commit Assistant。它被喂食了过去十几年来育碧所编写的游戏代码，其中包括出现的Bug以及被修复的Bug，通过对二者的比较分析来制造一个辅助型的AI，有效降低开发过程中的bug产生的额外成本。


除此之外，也有厂商会直接设计AI玩家来进行游戏测试。

自动生成内容

利用AI技术自动生成关卡、图像已经不是一件新鲜事了，2015年Mark Riedl和Matthew Guzdial利用AI设计了不少《超级马力欧》关卡，AI在“观看”了大量YouTube游玩视频后，自动将每个关卡抽象成某种样式，并根据各类元素组合的相似性混搭成一个全新的关卡。2018年研究人员则利用AI设计出了《毁灭战士》级别的关卡。


与此同时，自动生成过的技术也被运用于游戏美术模块，利用AI生成以假乱真的街景图，利用AI生成语音动画，减少面部捕捉带来的高昂费用。对于3A游戏开发商来说，构建一个庞大而又充满细节的写实场景往往伴随着庞大的人力物力消耗，又或者是大量外包而出现质量、工期、沟通上的毛病，借由AI自动生成开发者能够将更多的精力放在更具创造性的内容上。


除了自动生成的场景、语言动画，AI在画面渲染、风格迁移等方面同样有着出色的运用，NVIDIA曾宣称自家的渲染工具OptiX 5.0可以将可视化效果提高12倍，不少老游戏在AI技术的加持下也能得到高清重制。


游戏玩法调整

SE的AI研究员三宅阳一郎在接受外媒采访时曾表示，AI将会收集玩家在游戏中的行为来调整游戏内容、游戏玩法，根据他的说法，所谓的“调整”并不仅仅只是数值、难度上的变更，而是实际游戏内容的变更与玩法的倾斜，它意味着每个玩家都会在游戏中得到不一样的、满足自己需求的游戏体验。

……

让AI服务于游戏设计，还为时尚早

由于在维基百科上读取了有恶意性质的文本（官方回复），亚马逊推出的Alexa智能音响劝消费者理应自杀来减少自然资源的消耗。对于游戏这一虚拟的世界来说，AI技术的运用或许不会产生AI控制人类的电影桥段，但想让AI成功为游戏服务依旧不是一件轻松事。

除了技术这一方面的人才问题外，AI的成本也是一笔不菲的开销。与李世石对弈的Alpha Go由多个计算机群组成，其调用了1202个CPU和176个GPU；在多人游戏中加入基于神经网络学习的NPC，厂商还得算上服务器的开销，如果是购买智能游戏引擎更是一把实打实的金钱交易。

而对于本地运行的游戏来说，在游戏中加入AI更是处处受制。AI运行本身就要消耗掉电脑大量的计算能力，NPC 的AI越是复杂，计算量越大，当电脑在图形处理方面就已经占用CPU大半的使用率时，留给AI的资源只能说是寒碜，除非玩家想体验的就是类似《AI Dungeon 2》这样的纯文字冒险游戏。

即便开发者解决了技术、资金上的问题，想要让AI服务于游戏设计依旧要面临不少问题。在互动叙事领域奋斗了三十余年的Chris Crawford 悲观地对AI叙事作出结论——“AI永远不会创造出足以传世的文学着作”。在自动生成、广告投放等节省开发成本、增加游戏收益的应用上，AI正在崭露锋芒，但在真正的玩法设计上依旧没有令人印象深刻的作品。即便有，它也带着一些难以摒除的缺陷。

1.公式化

正如Chris Crawford在他宣告放弃互动叙事的博客《Why I am ending further work on interactive storytelling》中所说的，基于深度学习的AI只是将设计人员所投喂的数据进行量化分析，经过学习加工生成一套模式化的内容，它不会产生真正有价值的内容。

把关卡设计、故事、NPC等任务交给AI来完成会发生什么事？动画《Carole& Tuesday》中所描述的现象或许是一个足以借鉴的例子。


AI能够根据数据分析摸索出来一套最符合大众审美的创作法则，它尊崇的是目前游戏设计领域乐此不疲的方法论、行为经济学内容，你并不能说AI最后产出的内容不好、不够有趣等等，它缺少的是游戏制作人偶尔的“灵光一闪”，或者是某种来自灵魂深处的回响。

2.违背常规的游戏体验

游戏存在所谓的学习成本，其中之一就在于在不断的失败中积累经验、锻炼技巧。但当Boss学会“自我思考”了呢？部分开发者正尝试着将遗传算法引入游戏之中，像《Warning Forever 》、《invAIders》等实验性的STG游戏中，敌人会在每次击败中积累经验，不断调整攻击行为以迫使玩家尝试不同的策略。



具有自适应性的AI自然能够避免游戏陷入背板的单调打法，但过于成熟的AI往往会摧毁玩家的游戏体验，他们无法从中摸索出规律，攻略、“逃课打法”沦为无用之物。在某些时候，玩家需要的并不是足够聪明的AI，而是有点缺陷的AI。

这完全取决于游戏想要给玩家提供什么样的体验。

在强调挑战性、开创性打法的对抗性游戏中，一个自适应的AI对手无疑能够满足那些热衷于勇攀高峰的“M属性”玩家，在强调沉浸模拟、且没有硬性目标的游戏中，会对玩家的行为作出相应反馈会更讨喜。

让仿生人梦见电子羊

在2018年GDC开发者大会上上，有一场围绕着AI展开的圆桌谈论，开发者、技术人员抛开AI目前所具有的技术局限，将焦点聚集在“AI能带来的愿望图景”上。


目前游戏开发者能够制作出复杂且具备足够吸引力的对战型AI，但却无法做出那种会对简单的日常行为作出不同反馈的AI。通过AI技术能够让NPC拥有更多的状态，它不需要对所有事物作出反应，而是要做出差异化，至少要让玩家意识到NPC不是按照一套固定的模板在运行的，这对于那些强调沉浸感的模拟类游戏将带来质的飞跃（是的，真正的AI恋爱游戏）。

开发者们对于AI的种种幻想都有些不切实际，但技术的发展不正是从那一点点不切实际开始的吗？它不应该是仅仅被运用于语音合成、关卡生成、模型生成等内容上，而是要与更深层的游戏玩法挂钩，开创游戏的新面貌。就目前而言，由大厂来主导AI技术在游戏中的应用是趋势，它们拥有更多的资源以及足以用来提供给AI学习的数据，但创新性上往往诞生在一些小团队，把遗传算法附加到对战NPC上，把深度学习运用于交互叙事上，他们不仅想要让AI给玩家带来独一无二的游戏体验，同时还要解决AI的缺漏来构成真正的艺术品，基于深度学习与人工设计混合的AI即是开发者的解决思路之一。


我们难以否认，在人工设计的AI上，《最后生还者》、《战神》或是《黄金眼007》这样的老游戏已经能给玩家留下足够深刻的游戏体验。但一个由AI统筹全局、无数AI NPC共存的类《黑客帝国》游戏世界，它难道不吸引人吗？

题图来源：The Economist