但在新核彈的喧囂之余，PingWest品玩（微信公眾號(hào)：wepingwest）關(guān)注到了英偉達(dá)在游戲開發(fā)方面的更多主張和嘗試。這家稱自己 “All about AI” 的計(jì)算技術(shù)公司，正在快速改變游戲和 AI 的關(guān)系。

 

　　此 AI 非彼 AI。在過去，游戲 AI 可以指所有非玩家角色 （NPC），比如劇情中的配角、Boss 和商人等，也可以再進(jìn)一步，泛指所有游戲的非玩家內(nèi)容，比如作戰(zhàn)機(jī)制和商業(yè)系統(tǒng)等等。它是由人設(shè)計(jì)的。

 

 

　　“簡單來說，過去的 AI 就是規(guī)則和腳本，讓 AI 照著你的設(shè)計(jì)行動(dòng)，再到后來有了決策樹，更先進(jìn)一些。”英偉達(dá)應(yīng)用深度學(xué)習(xí)研究部 （Applied Deep Learning Research） 副總裁布萊恩·卡坦薩羅稱。但他認(rèn)為，隨著深度學(xué)習(xí)技術(shù)突飛猛進(jìn)式發(fā)展，AI 可以幫助開發(fā)者生成音畫素材，甚至劇情、任務(wù)等機(jī)制性的內(nèi)容。

 

　　過去兩年，英偉達(dá)已經(jīng)帶來了多項(xiàng)基于機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的工具，以解決游戲開發(fā)者面臨的棘手難題。舉個(gè)例子，大型游戲的一大特點(diǎn)是畫面精美，但這需要美工畫師和視覺設(shè)計(jì)師巨大的精力去創(chuàng)作材質(zhì)。受制于人員和財(cái)力，中小開發(fā)者往往在視覺質(zhì)量上打了折扣，更多人選擇了矢量化，甚至更粗糙的視覺風(fēng)格。

 

　　英偉達(dá)高級(jí)開發(fā)技術(shù)經(jīng)理安德魯·艾德斯登展示了一項(xiàng)名叫2Shot 的技術(shù)，讓開發(fā)者更輕松地從真實(shí)世界中提取材質(zhì)，應(yīng)用到游戲中：只需分別打開和關(guān)閉閃光燈，用手機(jī)拍攝兩張對象材質(zhì)的照片，計(jì)算機(jī)將對它們進(jìn)行自動(dòng)處理，幾分鐘后即可生成素材文件。
 

 

　　2Shot 極大降低了開發(fā)者優(yōu)化材質(zhì)的技術(shù)門檻，但它仍有很大的提升空間。英偉達(dá)在去年又提出了 1Shot 技術(shù)，采用更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，只需一張照片就能生成素材，時(shí)間也降低到了數(shù)秒的時(shí)間。2Shot 的生成素材質(zhì)量已經(jīng)達(dá)到了工業(yè)級(jí)，而 1Shot 的質(zhì)量還有待提高，但它們已經(jīng)證明了機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在游戲開發(fā)方面的應(yīng)用前景。
 

 

　　布萊恩·卡坦薩羅

 

　　英偉達(dá)還展示了另外兩種技術(shù)，分別名為 Texture Multiplier 和 Super-Resolution。

 

　　Texture Multiplier（材質(zhì)復(fù)制器）類似于視覺特效人員常用的“材質(zhì)增生”（texture mutation） 技術(shù)，最大的不同是采用了經(jīng)過了大量訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò) （Convolutional Neural Network） 作為生成器，生成的效果高度接近真實(shí)，達(dá)到了肉眼難以分辨的水平。Texture Multiplier 將使得美工人員可以快速制作美觀的大片面積材質(zhì)，不再給人一種“你這材質(zhì)復(fù)制粘貼的吧！”的感覺……

 

　　而 Super-Resolution（超分辨率）則聽起來更為科幻。記不記得《諜影重重5》里的情節(jié)：CIA 特工在雅典憲法廣場上尋找伯恩，用模糊的定格畫面，“放大、增強(qiáng)！”（Zoom, enhance），然后就獲得了一張?zhí)貏e清晰的照片，確定了目標(biāo)？
 

 

　　其實(shí)過去根本沒有這種高科技……至少在《諜影重重5》拍攝期間還沒有，直到最近才有類似的出來。前不久 Google 的大腦團(tuán)隊(duì)實(shí)現(xiàn)了將 8×8 像素分辨率的，極度粗糙和顆粒化頭像，還原成比較清晰的，達(dá)到了 32×32 分辨率的頭像，而英偉達(dá)也在做類似的事情。

 

　　該公司研究者采用的具體訓(xùn)練方法（注意：和其他機(jī)構(gòu)方法類似，可作參考），是先把大量的高清晰度照片“縮小”（downscale） 到非常低的清晰度，僅保留非常有限的特征，同時(shí)另外把這個(gè)降級(jí)過程中損失的特征保存下來。
 

 

　　采用這種方式處理了大量的高清圖片之后，研究者獲得了海量損失掉的特征。他們將這些特征整理合成一個(gè)“特征規(guī)律庫”，就像辭典一樣，意圖在于告訴神經(jīng)網(wǎng)絡(luò)：再去“放大” （upscale） 圖片的時(shí)候，按照這個(gè)辭典去操作。當(dāng)然，具體操作起來比這個(gè)口頭敘述的流程復(fù)雜得多，這個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型需要數(shù)天的時(shí)間才能完成訓(xùn)練。

 

　　在此前的測試中，Google 大腦團(tuán)隊(duì)的同類技術(shù)能夠成功還原 90% 被打馬賽克的人臉，算是一個(gè)十分驚人的成績。而英偉達(dá)則不滿足于低清晰度，希望追求更“感人”的分辨率。艾德斯登告訴 PingWest品玩（微信公眾號(hào)：wepingwest），該公司已經(jīng)在實(shí)驗(yàn)室中實(shí)現(xiàn)僅花“很快”（數(shù)秒）的時(shí)間將 1K 分辨率重組為 4K 分辨率的高清照片。

 

　　這種技術(shù)能為游戲帶來什么改觀？英偉達(dá)期待它能夠在未來，讓游戲在更小容量的基礎(chǔ)上，顯著提高材質(zhì)的清晰度和視覺效果。舉個(gè)例子：在射擊游戲中，當(dāng)玩家舉起狙擊槍，瞄準(zhǔn)鏡里能顯示出更清晰的遠(yuǎn)處畫面和材質(zhì)。
 

 

　　不光是英偉達(dá)，Google 旗下的英國人工智能技術(shù)公司 DeepMind，也在考慮用神經(jīng)網(wǎng)絡(luò)在游戲上搞點(diǎn)事情——當(dāng)然如果你有印象的話，過去曾經(jīng)傳出人工智能在《打磚塊》、《星際爭霸》、《毀滅戰(zhàn)士》乃至于圍棋上碾壓人類的消息，大多都是 DeepMind 搞出來的……

 

　　該公司在去年訓(xùn)練了一個(gè)名叫WaveNet 的人工智能，讓計(jì)算機(jī)生成的語音和人類原聲越來越難以區(qū)分。WaveNet 和過去的串聯(lián)式語音合成、參數(shù)式語音合成不同，將語音的原始數(shù)據(jù)（波性文件）細(xì)分到了以 1 毫秒為單位的區(qū)間，在每一個(gè)區(qū)間之間都采用遞歸神經(jīng)網(wǎng)絡(luò) （Recurrent Neural Network） 和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測學(xué)習(xí)。

 

　　WaveNet 的結(jié)構(gòu)演示

 

　　最后， DeepMind 用 Google 自家的 TTS 語音轉(zhuǎn)文字（目前世界上得分最高的該類技術(shù)）數(shù)據(jù)集進(jìn)行測試，比 Google TTS 的得分高了 10 個(gè)百分點(diǎn)——但將 Google TTS 與人類原聲之間的距離縮短了一半還多。
 

 

　　雖然玩游戲的時(shí)候，基本沒人會(huì)特別仔細(xì)地聽每一句對白，但不意味著開發(fā)者應(yīng)該在這方便節(jié)省。WaveNet 將會(huì)成為游戲開發(fā)者的福音，“想象一下，當(dāng)你需要調(diào)整劇情的時(shí)候，可以用計(jì)算機(jī)生成配音，不必再花錢請配音演員回來重錄，甚至完全不用配音演員。”卡坦薩羅稱。

 

　　你可以到 WaveNet 的網(wǎng)站上試聽一下效果，跟真人聲音差距真的很小。

 

　　好吧，現(xiàn)在 AI 有了生成聲音、視覺材質(zhì)等元素的能力，接下來呢？

 

　　就在上周，游戲開發(fā)公司 Nival 宣布了一個(gè)振奮人心的消息：他們給 2015 年發(fā)售的在線即時(shí)戰(zhàn)略游戲《閃電戰(zhàn) 3》開發(fā)了一個(gè)神經(jīng)網(wǎng)絡(luò)決策 AI：Boris。

 

　　在一則演示視頻中，Boris 顯示出了“風(fēng)箏”敵方單位的能力（指吸引敵對目標(biāo)，帶其到處亂跑以打亂策略的行為）；還可以在明顯具有劣勢時(shí)消極應(yīng)戰(zhàn)而非拼死頑抗，以起到保存火力的目的；當(dāng)戰(zhàn)場中有新的敵人加入，Boris 會(huì)自動(dòng)分配部隊(duì)火力到不同的目標(biāo)上，也會(huì)根據(jù)敵方火力級(jí)別，自動(dòng)指揮士兵坐上炮臺(tái)，而不是傻站在地上，用步槍拼坦克。

 

　　更有趣的是，當(dāng)雙方對抗占點(diǎn)時(shí)，Boris 會(huì)選擇性忽視那些擋路的殘血敵軍，優(yōu)先搶點(diǎn)再等待機(jī)會(huì)擊殺——這一特征顯示出了 Boris AI 對不同獎(jiǎng)勵(lì) （reward） 級(jí)別的理解，能夠優(yōu)先追求與全局獲勝關(guān)系更大的獎(jiǎng)勵(lì)。

 

　　Nival 明確表示 Boris 沒有使用游戲內(nèi)核的任何地方數(shù)據(jù)，只使用對玩家可見的戰(zhàn)場情況，每幾秒鐘進(jìn)行一次決策。Boris 的更多技術(shù)細(xì)節(jié)暫未公開。

 

　　在游戲開發(fā)中應(yīng)用 AI 技術(shù)，還有很大的想象空間。

 

　　去年，OpenAI 用《俠盜獵車手5》開發(fā)出了一個(gè)名叫 DeepDrive 的“自動(dòng)駕駛模擬器”。由于游戲內(nèi)部的車輛行駛數(shù)據(jù)應(yīng)有盡有，OpenAI 發(fā)現(xiàn)其實(shí)可以用游戲數(shù)據(jù)來訓(xùn)練自動(dòng)駕駛系統(tǒng)。雖然后來研究者刪除了與該模擬器有關(guān)的內(nèi)容（這里有一個(gè) Twitter 上的視頻演示，這項(xiàng)技術(shù)所屬的項(xiàng)目官網(wǎng)還在），該事件還是令人印象深刻，它賦予了人們審視 AI 和游戲之間關(guān)系的新視角。

 

　　像《俠盜獵車手》這樣的開放世界游戲，開發(fā)公司花費(fèi)多年時(shí)間設(shè)計(jì)了大量的任務(wù)關(guān)卡，但最快的玩家不出幾十個(gè)小時(shí)就能玩完全部的內(nèi)容，繼而希望獲得更多的內(nèi)容。然而開發(fā)公司要花更多精力在下一款游戲上，無暇顧及上一代（實(shí)際上開發(fā)公司 R 星的做法是用一個(gè)相對較小規(guī)模的團(tuán)隊(duì)維護(hù)游戲，繼續(xù)添加新的在線游戲模式）——未來，AI 會(huì)不會(huì)獲得生成任務(wù)、關(guān)卡、劇情的能力，以至于可以獨(dú)立完成一個(gè)完整的游戲？

 

　　卡坦薩羅認(rèn)為那樣的未來會(huì)很棒，但應(yīng)該只存在于設(shè)想階段，“我覺得設(shè)計(jì)關(guān)卡和任務(wù)最難的地方在于，你怎樣能讓新關(guān)卡和任務(wù)足夠有趣，這是目前 AI 還不能取代設(shè)計(jì)師的地方。你可以讓 AI 生成對白，生成材質(zhì)，但將對白、視覺、機(jī)制和劇情進(jìn)行有序、有趣的拼接，它還做不到。我想可能有些幽默只有人懂。但我可以想象 AI 未來能夠輔助設(shè)計(jì)師更快推出新的關(guān)卡和任務(wù)，那很將令人期待。”

 

　　聊到這里，我倒是有點(diǎn)擔(dān)心了。

 

　　你說，AI 設(shè)計(jì)的游戲，會(huì)不會(huì)把玩家虐成狗？沒準(zhǔn) AI 早就想在模擬環(huán)境里先感受一下，取代和虐殺人類是一種什么樣的感覺吧……？