是的，其實有電子游戲就有AI。
在遠(yuǎn)古的年代的游戲Pong，你的對手就是AI；
紅白機年代的中國象棋游戲，你的對手就是AI；
超級瑪麗那只怪物也是AI。
這里的AI指的是游戲中對手使用的智能，所以AI很早就應(yīng)用在游戲中了。
但在本篇中討論的，是近幾年來逐漸發(fā)展起來的，基于深度學(xué)習(xí)(也有基于運籌學(xué)和博弈論等學(xué)科)的AI技術(shù)。
應(yīng)該說，本文討論的AI會范圍會更大一點，并不止步于怪物、NPC的智能。
我希望通過這篇文章，看一下現(xiàn)在AI到底能為游戲行業(yè)帶來什么。
我會列出一些當(dāng)前的技術(shù)引用，也會有一部分我自己的想法。
最后恐嚇一下我的同事們，你們會被AI替代嗎？
AI為啥這么火？
AI近幾年有多火，我就不作論述了。但為什么AI這么火呢？不同的人可能有不一樣的看法，這里只講一下我自己的看法。
現(xiàn)在我們說的AI技術(shù)，大部分跟深度神經(jīng)網(wǎng)絡(luò)有關(guān)。我認(rèn)為AI之所以火了，就是因為深度神經(jīng)網(wǎng)絡(luò)的加持。
深度神經(jīng)網(wǎng)絡(luò)獨有的解決問題的方式，使得人類解決問題的能力提高了一個新檔次。
所以，我希望用比較簡單的語言來描述一下，深度神經(jīng)網(wǎng)絡(luò)是什么，好讓大家了解，為什么AI技術(shù)會突然獲得高速的發(fā)展。
其實要明白深度神經(jīng)網(wǎng)絡(luò)并不難，大家可以把神經(jīng)網(wǎng)絡(luò)看作是一個函數(shù)。函數(shù)的一個重要功能，就是把兩個東西對應(yīng)起來。
在以前，我們要電腦識別一個手寫數(shù)字“8”，那么程序員就需要寫一個函數(shù)。
MNIST數(shù)據(jù)集中的圖片“8”
函數(shù)里面需要寫一堆規(guī)則，例如：
圖片有兩個圈
圓？有多圓？
上面那個大下面小
有多大？有多??？半徑是多少？
有時候上面那個圈可以不完全閉合也算...
天，那算什么圓？
我們?nèi)绻プR別一個手寫數(shù)字的圖片8，需要寫很多很多規(guī)則，有時候幾乎寫不完。
也就是說，在我們現(xiàn)實世界里，有些人類明明能模糊地了解，但說不上具體規(guī)則，不可描述東西。
不可描述就意味著，這個函數(shù)沒法寫，也意味著無法通過編程實現(xiàn)。
深度神經(jīng)網(wǎng)絡(luò)改變這一點。
神經(jīng)網(wǎng)絡(luò)會先隨機初始化網(wǎng)絡(luò)的權(quán)重，就是先隨便弄一個魔法函數(shù)Magic'(x)。
我們期望Magic函數(shù)的功能是輸入圖片8，輸出分類8
一開始，Magic'(x)和我們要的Magic(x)并不相同。所以輸出不一定是對的，也就是說Magic'(x) = y', y'不等于我們要的y。
也就是說，把圖片8放到這個Magic'(x)里，網(wǎng)絡(luò)可能識別的出8的概率可能只有40%，而并不是100%。
通過調(diào)整參數(shù)，減少loss，讓Magic'更靠近Magic
這和我們想要網(wǎng)絡(luò)識別出8有很大的差距呀，因為我們想f能識別出這些圖片是8的概率是100%。
我們稱：y'和y之間的差距叫l(wèi)oss。
但這沒關(guān)系，通過反向傳播，調(diào)整f(x)的參數(shù)權(quán)重，讓loss最小化，也就是讓y'和y之間的差距減少。
這個過程我們稱為學(xué)習(xí)或者訓(xùn)練。
當(dāng)loss足夠小的時候，y' 和y 的差異就不大了。也就是說，f(x)的功能和我們要的F(x)相當(dāng)！
如果以上的話沒明白，那不要緊。你只要明白兩點：
深度神經(jīng)網(wǎng)絡(luò)本質(zhì)上說是個函數(shù)。
有了深度神經(jīng)網(wǎng)絡(luò)，我們可以把以前不能描述規(guī)則的函數(shù)造出來。
這就是人類科技樹拓寬的一大原因。
游戲性
回到游戲中，我們以前為游戲角色做AI，會用腳本，行為樹，狀態(tài)機等方式。
這些本質(zhì)上就是在描述怪物的行為，例如看到某個角色，就做什么動作；到了某個時間，釋放某個技能。
但這些行為可以足夠豐富而完整地描述嗎？
越復(fù)雜的行為，我們就需要復(fù)雜的行為樹；越多的狀態(tài)，我們就需要越多的狀態(tài)機。
但當(dāng)復(fù)雜度到了一定程度，人類可能很難理解了自己創(chuàng)造的行為樹了。
但神經(jīng)網(wǎng)絡(luò)可以，他們制作出的AI不但成功戰(zhàn)勝了游戲，還戰(zhàn)勝了人類。
目前，AI在這方面最重要的技術(shù)叫強化學(xué)習(xí)
最有名的可以算是以下幾個：
征服Atari游戲—— Deep Mind
最前沿：當(dāng)我們以為Rainbow就是Atari游戲的巔峰時，Ape-X出來把Rainbow秒成了渣！
征服圍棋——Alpha GO
AlphaGo
征服德州撲克——Pluribus
機器之心：AI攻陷多人德?lián)湓俚荢cience，訓(xùn)練成本150美元，每小時贏1000刀
(Pluribus沒有用上深度神經(jīng)網(wǎng)絡(luò)，用的更多是博弈論CRF為基礎(chǔ)的剪枝)
征服麻將——微軟 Suphx
真雀神，微軟亞研推出超級麻將AI，還上了專業(yè)十段
征服星際爭霸——Alpha Star
陳雄輝：淺談AlphaStar
征服王者榮耀——絕悟
騰訊：騰訊AI「絕悟」打王者，把職業(yè)選手干掉了
現(xiàn)在的AI已經(jīng)能把人類花式吊打了！甚至到了有人已經(jīng)發(fā)表AI威脅論的程度了！
但請容我先潑潑冷水，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可不是套套公式就能實現(xiàn)的。神經(jīng)網(wǎng)絡(luò)訓(xùn)練的要求都非常高。
首先，AI訓(xùn)練消耗大量資源，包括時間和算力。
跟李世石對戰(zhàn)的版本稱為AlphaGo Lee，是一個分布式系統(tǒng)，運行在Google云上，使用了 48 個TPU，總耗能約10000W。
而圍棋雖然看上去比較復(fù)雜，但和其他游戲來說還算是簡單的了。畢竟圍棋是個回合制游戲。如果像星際這樣的復(fù)雜游戲，則需要更多。
另外，AI在開發(fā)過程中有不確定性。
我認(rèn)為算力和時間并不是一個主要因素，至少在游戲制作下不是。
畢竟當(dāng)前的算力下，很多算法已經(jīng)能擊敗人類。而且算力必然會不斷提升。
但深度學(xué)習(xí)還有一個不能忽略的因素：深度學(xué)習(xí)算法帶有不確定性。
AI的學(xué)習(xí)能力除了與算法有關(guān)，也與環(huán)境有關(guān)，也和參數(shù)有關(guān)，不同參數(shù)之間可能是天差地別。
調(diào)整參數(shù)，然后等待AI的訓(xùn)練，根據(jù)結(jié)果再調(diào)整參數(shù)。可能經(jīng)過漫長的等待才能獲得大成。
所以很多搞深度學(xué)習(xí)的人會把自己比喻成煉丹師。
但這種不確定性正在逐步減少，因為算法是不斷更新改進(jìn)的。從DQN到SAC，就是一個不斷解決實際問題，讓算法更強，更快，更穩(wěn)定的過程。
以上，我們對強化學(xué)習(xí)(Reinforcement Learning)進(jìn)行了一些介紹。那么強化學(xué)習(xí)能夠帶給游戲什么呢？
我認(rèn)為強化學(xué)習(xí)在游戲中應(yīng)用應(yīng)該有一個前提：這項技術(shù)并不是為了擊敗玩家，而是為了增強玩家在游戲中的體驗。
經(jīng)過強化學(xué)習(xí)的AI作為玩家的對手或者敵人，上限是很高的。
我們可以通過弱化，把AI調(diào)整成適合當(dāng)前玩家技術(shù)水平的難度。
有趣的事情就發(fā)生了。
以前我們?yōu)榱苏{(diào)整難度，通常會從數(shù)值入手。
攻防血決定了難度
但如果用強化學(xué)習(xí)的方法，我們還能開辟另外一個維度的難度，讓游戲更豐富。
提醒：AI不可預(yù)知性會更強。
不像已經(jīng)設(shè)定好的行為樹，AI的不可預(yù)測性將會增強。這讓AI更像“人”，當(dāng)然是件好事。但設(shè)計師對AI的掌控也會降低，意味著對玩家體驗的控制的精確性也會相應(yīng)降低。
但數(shù)值會消失嗎？我想并不會的。
因為數(shù)值是很直觀，大部分玩家都需要數(shù)值，數(shù)值在很多游戲中決定了難度。
我不會告訴你：游戲公司需要賺錢，數(shù)值是核心。
強化學(xué)習(xí)并不會完全替代數(shù)值和技能設(shè)計，但會給設(shè)計師多一項控制難度的工具。
在強化學(xué)習(xí)方面國外的deepmind和openAI等公司處于領(lǐng)先地位，但更多是從事基礎(chǔ)算法研究。
國內(nèi)有一家專注于AI+游戲的公司——超參數(shù)。超參數(shù)的CEO劉總正是騰訊AI Lab總經(jīng)理、圍棋AI“絕藝”、王者榮耀AI“絕悟”的團(tuán)隊負(fù)責(zé)人。
(曾經(jīng)有幸拜訪劉總，劉總是個非常有遠(yuǎn)見并且很nice的人。在AI+游戲這方面啟發(fā)了我許多，產(chǎn)生寫這篇文章的想法，感謝。)
如何評價手機游戲《輪到你了揭秘篇》？
關(guān)卡生成和輔助設(shè)計
由于深度神經(jīng)網(wǎng)絡(luò)足夠強，而且行為更接近人類。我們可以用這樣的AI輔助我們生成一些關(guān)卡。
例如三消游戲、Roguelike類游戲。
我們可以通過一定的規(guī)則生成關(guān)卡，然后用AI進(jìn)行測試。
我們生成的關(guān)卡是否能通過？通過率是多少？或者說容錯率是多少？
新的英雄、卡牌的足夠強還是太逆天呢？新英雄的行為是否足夠豐富，還是一招打天下？
國內(nèi)已經(jīng)有公司已經(jīng)這樣做了。聞?wù)f這家公司已經(jīng)被字節(jié)收購了。
預(yù)計未來將會在一些小游戲中應(yīng)用到強化學(xué)習(xí)AI，因為小游戲狀態(tài)相對簡單，要求算力較低；同時算法也比較成熟。我自己也試過用AlphaZero的算法實現(xiàn)一些小游戲的AI。
網(wǎng)易游戲《花與劍》中的籌算小游戲
事實上，AI如果足夠豐富，小游戲的體驗層次也會得到提升，一些原來并不適合做成游戲的桌游，也能成為線上的游戲了。
卡牌類、回合類游戲也將會很快用上強化學(xué)習(xí)進(jìn)行輔助設(shè)計。
故事性
游戲的故事性包括美術(shù)、文案、配樂等部分。我將嘗試從游戲制作流程，當(dāng)前有什么AI技術(shù)能幫助到各個崗位的同學(xué)。
我們先來說說美術(shù)。
1.美術(shù)
原畫階段
永遠(yuǎn)的PS，Adobe在這方面走得很遠(yuǎn)。
【官宣】Adobe 2019史詩級加強，官宣的視頻看著就是舒服！
我認(rèn)為AI在這方面能幫助美術(shù)同事減輕很多不必要的工作壓力。例如把人物從背景摳出來這些煩而不難的工作，在AI的加持下將會變得更簡單，操作將會變得越來越智能。
對了，二次元的老婆，可以直接批量生產(chǎn)。
機器之心：想用StyleGAN生成老婆？來看看這個小哥的復(fù)現(xiàn)細(xì)節(jié)吧
這里用到的是對抗神經(jīng)網(wǎng)絡(luò)GAN。這項技術(shù)甚至可以讓你的老婆生成不同的表情。
建模
2D轉(zhuǎn)3D的GAN，通過照片，原畫直接生成3D模型，可能在不遠(yuǎn)將來就能實現(xiàn)。這不是神筆馬良？
但這項技術(shù)目前還不夠成熟，距離實際生產(chǎn)應(yīng)該還有一段距離吧。
AI科技大本營：AI做不了“真”3D圖像？試試Google的新生成模型
動作
現(xiàn)在角色動作很多時候，還必須由動作設(shè)計師逐個骨骼調(diào)整。而動作捕捉技術(shù)雖然成熟，但價錢挺貴的。
那能不能加起兩三臺手機就能做出輕量級的動捕系統(tǒng)呢？
答案是目前還沒有。但我估計未來不久就可以做出來。
人臉識別或者目標(biāo)檢測算法，可以跟蹤屏幕上的物件。將其映射到3D骨骼上應(yīng)該也不是難事。
在擴散一下思維，只需要找到適合的視頻，就能把動作套到模型上。
想一下，做怪物獵人就不用再動捕了，直接在動物世界找個片段就好。(說笑)
《怪物獵人世界 Iceborne》金獅子動作捕捉幕后花絮
現(xiàn)在表情已經(jīng)可以捕捉了。
其實表情演出，已經(jīng)能大大豐富游戲的戲劇性。
蒙皮貼圖
通過GAN和風(fēng)格轉(zhuǎn)換技術(shù)，做到輸入一張圖，按照該圖的風(fēng)格配色，應(yīng)該很成熟的功能了。
一波：淺談風(fēng)格遷移（二）任意風(fēng)格遷移
ICON
輸入icon的文字，加上游戲風(fēng)格。
通過nlp + 知識圖譜 + GAN的結(jié)合或許已經(jīng)能實現(xiàn)了。
如果用在游戲制作，可能會較為粗糙。但如果是讓玩家自己生成家徽，戰(zhàn)旗等圖標(biāo)，或者是個好主意。
2.文案
利用GTP2.0技術(shù)，可以進(jìn)行一小段文字的擴寫。
外國有人已經(jīng)做成了游戲，不過還不夠成熟。
但如果加上知識圖譜呢，或許效果會不錯。
給AI一段故事，就能變成漫畫，這個來自人大微軟和北影的AI，要啟發(fā)電影人的靈感
量子位：誰說AI寫故事邏輯亂？試試這個文字冒險游戲，情節(jié)豐滿緊湊，我進(jìn)去就出不來了
這就是就是沒有靈魂的文字。但一些邊角料的文字，甚至大量沒靈魂的外包文字將會被AI替代。
但，個人認(rèn)為，一種全新類型的游戲可能會從這點開始萌芽。
3.配音
Google AI的Duplex 和 蘋果的siri
Google AI-Duplex打電話 谷歌人工智能中文字幕_嗶哩嗶哩 (゜-゜)つロ 干杯~-bilibili
個人認(rèn)為，現(xiàn)實玩家一般來說比較復(fù)雜，讓AI完成對話任務(wù)估計要求挺高的，不容易。
但或者我們可以用某人的聲線，通過AI為我們的文本進(jìn)行配音。
雖說配音是門藝術(shù)，但一些邊角料的配音AI還是能勝任和支持的，并且我們不能低估AI發(fā)展的速度。
4.音樂
音樂可以自動生成，并且太多了。
量子位：用AI作曲，現(xiàn)在你也可以
5.商業(yè)化
例如某款游戲會不斷更新，并且推出新的道具，老道具會打折出售。
那我們應(yīng)該為某個玩家優(yōu)先推送那一條信息呢？
利用大數(shù)據(jù)我們可以對玩家的需求更有把握。就像淘寶一樣。
游戲人何去何從？
說到這里，相信很多同事都要把我給殺了。AI這擺明搶飯碗吧！
的確，AI不但在搶勞力工作的飯碗，很大一部分重復(fù)型的智力勞動都會被搶走。
說句狠點的，目前游戲制作中的外包都會消失。
但個人覺得，游戲人有一種東西，AI是搶不走的。
對體驗的敏感度
現(xiàn)在用計算機生成一個二次元老婆是很簡單的事。甚至都不用畫。
但作為一個角色，你認(rèn)為怎樣的二次元老婆會受到市場的喜愛？假設(shè)AI能寫很流暢的劇情了，足夠打動玩家嗎？假設(shè)馬良的神筆真的可以出現(xiàn)，那么玩家喜歡怎樣的風(fēng)格呢？
最近在玩Ori2，在Ori2中有三段逃亡關(guān)卡，仔細(xì)聽，每個關(guān)卡的BGM雖然旋律一樣，但編曲都不相同。
第1、3段用了很重的鼓點，來營造氣氛。
但第二段卻用了弦樂，為什么？
這是因為第二段的操作更多是長按操作，弦樂和長按操作更加配合。
這些微小的體驗差距，最終只有游戲的設(shè)計者才能判斷。
AI能讓游戲制作變得簡單，但怎樣的游戲會讓玩家喜愛，讓自己喜愛？這歸根到底是體驗的敏感度。
魯迅曾經(jīng)說過：當(dāng)AI發(fā)展起來，最有價值的人將會分為兩極。
面向技術(shù)：能掌握高精尖技術(shù)的高端人才。
面向人：能掌握人的心理，喜好的人。包括溝通、營銷、設(shè)計、當(dāng)然也包括一些手工匠人(賣情懷)。
還有能連接這兩極的人。
