本文从游戏中的随机性内容切入,通过“是否重要”和“是否有用”这2个问题区分出了3类游戏,分别探讨了AI在其中能够发挥的价值。指出“探索”和“模拟”元素带来的开放性和自由度,是最适合AI应用的。

 

我们在《游戏+AI:我们的征途是星辰大海》一文中曾提出:

 

“学术界把游戏AI的研究意义上升到了对AGI(通用人工智能)的探索。基于游戏中可控的环境、充足的训练数据,AI可以在虚拟世界里试验感知、决策、合作等多项能力,甚至与物理世界形成打通;另一方面,前沿研究也牵引着游AI在工业界探索更广泛的运用,在游戏的设计、生产、分发、运营等多个环节提供价值,比如内容生成、玩家模拟、玩家建模等,目的则都是围绕着如何提升玩家在游戏中的体验。”

 

事实上,如果把“AI”狭义地定义为“基于机器学习”而非“基于规则脚本”的AI,我们不难发现:虽然学术界的AI,如玩星际AlphaStar、玩DotaOpenAI Five、玩王者的“绝悟”、玩德扑Pluribus等等,层出不穷;但在工业界,AI始终处于一个辅助的角色。无论是地图/资源生成冷启动陪玩动态难度调整甚至反外挂,都还是更偏幕后,与游戏本身的成败之间不是最直接的关系。

第一张

OpenAI Five战胜Dota2世界冠军OG

 

怎样才能让AI走到幕前,成为一款游戏成功的核心要素呢?显然,需要找到一个可以让AI发挥巨大价值的地方。我们认为,游戏中的随机性内容可能是一个落点。

 

在考虑AI是否能真正帮助到某款游戏中的随机性内容时,有以下2个问题需要回答:1)        是否重要:随机性内容是否对游戏的核心体验有巨大作用?2)        是否有用:基于AI的随机性内容能否比基于规则脚本的更有竞争力?
基于上述2个问题,就可以把游戏中“随机性内容的AI化”分为3类:不重要重要但不够有用重要且有用。我们逐一展开。
img1

 

 第一类游戏 

 

这类游戏中,随机性内容对核心体验帮助不大。典型的品类包括Racing(竞速类)、FTG(格斗类)、ACT(动作类)、FPS(第一人称射击类)、RPG(角色扮演类)。RacingFTG游戏中的随机性内容主要体现在敌人AI的行为,而核心体验主要关注「操作手感」「战斗深度」。我们不妨把游戏过程类比为拳击训练,操作手感来自于对基本格斗技巧的驾驭能力,而战斗深度则取决于拳击教练(对手)的水平上限。敌人AI通过动态难度变化,虽然能在一定程度上解决“找不到合适的对手”的问题(也即战斗深度),但对操作手感是毫无帮助的。因此,不能算是对核心体验有巨大作用。

第三张

Racing游戏的核心体验在于操作手感

而其余的几类游戏,随机性内容对核心体验的价值就更小了:同样以敌人AI作为随机性内容的ACTFPS游戏,其核心体验几乎完全倒向了「操作手感」RPG游戏中的随机性内容体现在道具随机掉落(增加探索深度)和随机遇怪(防止玩家疲劳),而核心体验主要是「玩家在游戏中的角色投影」。可以看到,这些随机性内容都无法服务于核心体验。

 

 第二类游戏 

这类游戏中,随机性内容影响核心体验,但AI无法有效提升其竞争力。换句话说,传统的规则脚本就能实现得八九不离十了。这里的典型品类包括SLG(策略类)和Survive(生存类)。
SLG游戏以《文明》、《三国志》、《全战》为代表,其中的随机性内容主要有以下几类:资源的随机分配能够让玩家能够不断获得新鲜的体验;突如其来的随机事件能够对玩家的既定计划提出挑战、让玩家保持专注;富有挑战的对手AI能够给玩家带来持续的刺激和不断提升自我的动力。这些内容对于玩家「渴望运筹帷幄,提升策略深度&自由度」的核心体验来说,都是很重要的。但问题是,基于机器学习的AI(相比规则脚本)所带来的随机性内容具有很强的不可控性,对于追求掌控感的SLG玩家来说,可能反而是不好的体验。《全战三国》中,规则随机生成的剧情已经出现了吕布被平民打成重伤、刘备鞭打士卒这些让人哭笑不得的戏码,如果进一步用机器学习来做,可能就从SLG游戏变成TVB了。

 

img2

《全战三国》中出现的随机事件

 

Survive游戏以《饥荒》、《全境封锁》、《美国末日》为代表,其中的随机性内容和SLG类似,但作用不完全相同:资源的随机分配带来了策略差异,避免玩家掌握固定套路;NPC AI一方面能提升游戏的真实感和沉浸感,另一方面也有机会通过个性化,让不同实力的玩家获得成就感。考虑到此类游戏的核心体验是「在有限资源的环境中生存所带来的紧张刺激感」,如何控制好玩家积累资源的速度——前期不至于快速饿死、后期不至于屯粮太多——是一个值得费心的问题。通常情况下,设计师会依赖固定规则或随机算法对玩家可使用的资源进行控制,从而塑造合适的压力积累/释放节奏。比如《饥荒》中的季节变换(冬季资源产出下降/消耗上升)和科技树消耗(前期非必要/后期消耗大量资源),比如《矮人村庄》中根据玩家资源储量的动态入侵设计等等。由于这些随机性内容想实现的目的都相对明确,规则脚本就能基本实现,基于机器学习的AI很难表现出技高一筹。

 

img3

《饥荒》中冬季来临时资源变得匮乏

 

 第三类游戏 

 

这类游戏中,AI终于能大展拳脚,体现出其独特的价值了。典型的品类包括AVG(冒险类)和SIM(模拟类)。
AVG游戏比如《塞尔达》、《神海》、《恶魔城》等,其中的随机性内容主要是道具事件NPC等可供探索的内容,服务于玩家「渴望探索无边世界」的体验诉求。乍看之下机器学习AI能带来的直接帮助并不大,但丰富的可探索内容显著拉高了制作门槛,导致AVG类游戏一度成为“大厂专属”。直到近年来Roguelike模式的兴起,中小开发团队利用随机地图/关卡生成,另辟蹊径地解决了内容生产力的问题,才使得市面上AVG类游戏得以百花齐放。比如《巫师传说》通过提炼设计规则,让AI自动完成整个关卡的搭建。只要玩家愿意玩下去,就有无穷尽的关卡可供探索。当然,这些关卡肯定不如人工设计的关卡精妙,随机性的存在也会导致不同玩家的游戏体验不可控,AI在这里还有很大的发挥空间——也许把地图生成算法放在服务器端、对每个玩家的行为数据进行学习,AI也能化身成为一名资深关卡设计师。
img4

《巫师传说》中的Roguelike地图

 

SIM游戏比如《荒野大镖客》、《GTA》、《模拟人生》等,其中的随机性内容主要体现在环境(天气/交通/可交互物等)、事件NPC AI。这些随机性内容在AI的加持下,能够形成更丰富/更真实的交互体验,满足玩家「在虚拟世界中体验第二人生、释放天性」的诉求。比如在《大镖客》里,玩家与NPC之间有着丰富的交互选项——问候、买卖、惹恼、掏枪、抢劫、启动任务、逼问秘密等等,根据交互对象而改变。同时,玩家可以完全按照自己的心情办事,打牌打到一半不爽了怎么办?直接站起来挨个点名。
img5

《荒野大镖客》中自由的交互方式

相比第二类游戏,我们不难发现,第三类游戏主打开放自由等关键词,其中的随机性内容也因此更为宽泛,并非指向某一明确目的。这也导致如果仍要使用规则脚本来制作内容的话,会耗费大量的资源。《GTA》、《大镖客》的开发时间都在5年以上、开发成本也达到了上亿美元;《最后生还者》中惊艳的同伴AI艾丽,单这一个角色的上线前优化就花了半年时间。规则脚本带来的高额成本,直接导致游戏中的地图大小、NPC数量、交互复杂度等等维度都受到限制。这些「效率低谷」都有机会成为AI的用武之地。

 

 总结 

 

从上面的分析可以看出,AVG中的“探索”元素和SIM中的“模拟”元素,由于其较强的开放性和自由度,可能是更适合AI发挥的场地。以最近大热的开放沙盒游戏Kenshi为例,在这款融合了《骑马与砍杀》、《模拟人生》、《辐射》、《神界:原罪》等多种元素的游戏中,玩家可以真正地为所欲为。从采矿种田到圈地建城、从偷鸡摸狗到下海经商、从单打独斗到称霸一方,所有能想到的玩法几乎都能在这款游戏中实现。
img6

主播“王老菊”的《Kenshi》 游戏截图 

即使加载缓慢、画面粗糙、Bug频现,即使大部分NPC都傻得可爱,《Kenshi》中的开放世界还是给了玩家耳目一新的感觉。试想一下,如果通过AI的加持,能够以相对较小的开发成本,让游戏中的随机性内容更加丰富、海量NPC的行为更加智能,这类游戏的可玩性一定会更上一个台阶,甚至可能让玩家把单机游戏玩出MMORPG的感觉。
到了那个时候,可能会有一个新的游戏品类诞生,我们姑且称它为——AIG。

 

 

 

从随机性内容看游戏中的AI应用

2019-08-23
0