尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
加入LINE好友
熱點追蹤/ 深度探討/ 實地探訪 /商務合作
當地時間7月24日，微軟 Xbox Games Showcase 直播發布會如期舉辦，公布了包括10部全球首度公布作品、22部專為Xbox主機獨占打造的作品、Xbox Game Studios工作室成員中9個工作室的作品，以及多部來自合作夥伴的作品。
Xbox games showcase直播中展示了多款遊戲，圖片來自網路
此次次世代遊戲中最讓人期待的，非《惡靈古堡8》和《刺客教條：英靈殿》莫屬了。經過24年和13年的漫長歷程，《惡靈古堡》和《刺客教條》系列已然成為主機遊戲世界里程碑式的存在。在兩個系列的續作回歸宣傳中，除了畫面升級、劇情更新等續作的常規操作外，兩家開發商都特意提到了遊戲中AI的升級。
《刺客教條：英靈殿》的創意總監Ashraf Ismail在接受媒體採訪時提到：本次作品相比前作最大的不同在於敵人的AI系統得到了很大提升，玩家在遊戲中遇到敵人不再是「傻白甜」，而是會利用不同的戰鬥地形和團隊配合來對付玩家，這讓玩家在每次面對同一敵人時會有不同的戰鬥體驗。
《刺客教條：英靈殿》，圖片來自網路
國外知名遊戲博主EVIL VR 在一條爆料消息中表示：《惡靈古堡8》最大的亮點就是敵人AI會有質的飛躍，惡靈古堡系列歷代遊戲的僵屍和敵人看起來都很「蠢」，而這一代的敵人將會脫胎換骨的進化，每個敵人看起來都會思考，不僅如此，它們還非常具有團隊合作精神，會根據不同的情況來制定不同策略從而給玩家制造麻煩。
舉個例子：當一個敵人見到玩家後，首先會根據你的彈藥量，血量而制定不同的策略，或是求救，或是逃跑，或是圍攻，而圍攻的時候不再是眼神攻擊，敵人會時刻判定你的空隙，一旦玩家有任何一方不注意，就會發動猛烈的攻擊，而逃跑的敵人或許不是真的逃跑，而是留有更狠辣的後招埋伏玩家。
《惡靈古堡8》將於2021年上市，圖片來自網路
其實，遊戲早已成為AI發展的重要載體，從最初IBM的「深藍」到Google的「AlphaGo」再到馬斯克投資的OpenAI，都選擇了採用「遊戲」的方式來展現自己的研究成果。
那麼，為何這些大公司都選擇用遊戲來展現自己的AI研發實力呢？AI會給遊戲行業的未來帶來怎樣的影響和挑戰？
最早的遊戲AI原型，可以追溯到經典的街機遊戲《吃豆人》中裡面那四種不同顏色追著玩家滿世界跑的怪物。雖然那時的開發者只是賦予了它們不同的追擊算法，但那確實是一次非常有意義的嘗試。這次嘗試為原本規則簡單的《吃豆人》帶來了不可預知的變化，讓每一次的遊戲都沒有固定的規律可循，讓玩家有了持續遊玩的動力。
事實上，當時制作《吃豆人》的巖谷徹並不知道「人工智慧」和「AI」這兩個詞匯，更沒有提前開發出所謂的AI程序來制作《吃豆人》，整個過程是在不斷思考中優化而實現的。對於當時的巖谷徹來說，只需要思考玩家如何從遊戲中獲得快樂，而這種從玩家角度出發的開發思想就在不經意間讓AI這項技術『纏』上了當時世界上最早的一批遊戲制作者。
《吃豆人》中的幽靈為後來的遊戲AI奠定了基礎，圖片來自網路
往後開始，遊戲開發者們開始不停的在遊戲中設計各種各樣AI敵人來控制遊戲的難度，《超級馬裡奧》、《塞爾達》、《波斯王子》等遊戲都是那個時候經典之作。雖然名叫AI，但那時的AI仍然處於「人工智障」階段，遊戲中敵人的動作都是基於制作者事先設置好的語言腳本完成的，從早期《吃豆人》的策劃書中也有聊到。
可以說，AI的應用對於整個遊戲行業的意義是非同尋常的。當然，不同類型的遊戲中的AI作用也不同。比如，棋牌類遊戲中人們可以通過AI對於圍棋的學習來改變自己的學習方式，從而來找到更加合理的策略。而對於電子遊戲，AI的加入極大地增加了遊戲玩法的趣味性和不確定性。」
而不管是哪種遊戲，遊戲中的敵人和隊友都需要隨時隨地與玩家保持互動，這是一個極佳的AI研究環境，這也是AI之所以能在遊戲中的發展如此迅猛的主要原因。
其實，遊戲AI打敗人類玩家甚至是職業選手早已不是什麼新鮮的事情。最標誌性的事件就是由Google旗下的DeepMind公司研發的AlphaGo先後戰勝世界圍棋冠軍李世石和柯潔。
AlphaGo的橫空出世可以說是AI行業裡最重要的里程碑之一，它標誌著AI的進步已經在某些方面可以與人類一較高下。
而在關註度更高的電競行業中，AI的表現更是驚艷了所有玩家。相信熟悉Dota2的玩家都應該知道，2017年Ti7國際邀請賽上，一個名叫OPEN AI的超級人工智慧2：0『完虐』了Dota2的傳奇職業選手Dendi。在比賽中，OPEN AI操作的英雄除了依靠絕對精準的數值計算，還熟練掌握並運用了拉扯兵線、吸引/取消仇恨、越兵線壓制、打斷打藥，甚至騙補刀消耗這些遊戲中的技巧。
Dota2傳奇職業選手Dendi，圖片來自網路
可是，計算精妙的且學習能力超強的AI也不是屢戰屢勝。在一年後的Ti8國際邀請賽開幕式上，由OPEN AI進化而來的OpenAI Five在5V5表演賽中輸給了一支名叫paiNGame（簡稱：PG）的參賽隊伍。小探特意去回顧了這場比賽，雖然OpenAI Five在比賽中落敗，但其擊殺數一直都領先於PG戰隊。
那麼，為什麼AI能夠在遊戲中「大顯神威」甚至擊敗人類世界的頂尖選手呢？這就不得不提到在AI的不斷進化和學習過程中一個特別重要的環節——自我博弈。
自我博弈是在計算機中，算法可以制造出兩個或者多個這樣的「我」（機器學習中叫做「智能體Agent」）來相互對抗，通過比較對抗之後的結果來找到更好的策略，是計算機在尋找納什均衡點的重要手段。
在「自我博弈」中，機器人與自己復制品的實力相當，就可以避免因對手太強或者太弱而學不到東西。而且，由於機器人的決策和操作速度遠遠超過人類，它就可以在短時間內用海量的比賽來迅速獲得更多經驗。
當年《自然》雜誌以AlphaGo為主題制作的封面，圖片來自網路
AlphaGo曾經通過自我對弈3000萬盤，來提高自己神經網路的精度。而OpenAI則是完全從零開始，在對Dota遊戲世界沒有認知的情況下就開始通過自我對練學習遊戲方法。
研發團隊也表示，他們並沒有為OpenAI機器人編入對戰策略，沒有為它指定任何戰術，一開始也沒讓它與人類高手對練，而是讓它「放飛自我」，隨機行動，在一次次失敗過程中逐漸掌握了遊戲打法。
這也是AI在技能施放和團戰聲援中做的比人類好的重要原因。
但即便是這樣，在Dota2的5V5比賽中AI還是輸掉了比賽。因為在這類遊戲中，獲得勝利的一方往往是通過在某一時間點中通過偵查和經驗判斷做出的龐雜決策來取得優勢，比如：什麼時候進攻，什麼時候撤退，從哪進攻，分兵和包抄，偷襲和騷擾，佯攻和引誘等。
這種決策往往在執行時伴隨著失敗的風險，簡單來說就是根據不完全的資訊做出「賭」的舉動；而作為「完全理智」的AI是永遠不會做出這樣的決定的，它們往往會選擇最為保險的取勝方式，這也是人類之所以能夠戰勝AI的主要原因。
隨著 Google、Facebook、IBM 等科技巨頭在這方面的投入和引導，AI在未來即時戰略遊戲上打敗人類似乎已成定局。
但如果我們只是創造一個將來有可能擊敗我們的對手豈不是太「自討沒趣「了？當年AlphaGo相繼擊敗了李世石和柯潔之後，圍棋選手們並沒有因為一個「超級」電腦的出現而對這項歷史悠久的遊戲失去興趣，反而是利用人類自己的創造性探索更多的圍棋玩法和策略。可以說AI的加入能夠帶給玩家更好玩的遊戲體驗。
所有開發者都認為，CPU和3D顯卡特性的持續提高將繼續給AI開發者帶來更多力量，行業會繼續慢慢遠離單一而刻板的規則模式，轉而通過各種方式創造更多有目的性的靈活AI。可以說，可拓展AI將繼續得到更多關註和支持，主要體現在第一人稱射擊遊戲領域和更龐雜的策略遊戲。
有研究小組使用《GTA5》進行自動駕駛的試驗場地，圖片來自網路
而在遊戲之外的領域，遊戲AI的作用也非常突出。著名3A大作《GTA5》就為自動駕駛提供了完美的試驗場地。英特爾和普林斯頓大學的科學家們利用這款遊戲中的開放性和龐雜性來來試驗自己自動駕駛算法。
但從遊戲本身而言，AI的加入同時也面對著一些不小的挑戰。
從技術方面來看，算力、數據、訓練方式是目前遊戲AI需要解決的三大難點
第一，機器學習算法對算力的需求量是非常大的。在網路遊戲中的AI運算力還可以依靠外部服務器來進行解決，但如果單機遊戲中處處充滿AI，那就意味著玩家的CPU需要非常有超強的算力，就如同Alpha Go這種超級人工智慧的算法並不是任何電腦都能承受的，算法的訓練往往需要專用的AI晶片。
AI晶片往往比普通CPU算力更強，圖片來自網路
第二是數據需求，現階段的AI模型大多是基於『模式匹配』的算法來進行數據建模的，這就需要AI在海量的數據中去尋找出某一條規律。假設沒有龐大的數據來進行支撐，那麼AI就無法得到有效的訓練，從而在對抗中甚至出現錯誤的判斷。
例如圍棋，AI可能在幾十秒中能推演上萬個來回。正是因為圍棋這樣的遊戲有著既定的規則，AI才能順著規則路線快速生成海量的數據並進行建模，這也是為什麼棋牌類遊戲能率先被AI攻占下來的原因。
第三是訓練方式，機器學習的訓練分為兩種，一種是上述我們聊到的『自我博弈』。另一種是通過實際人類對戰的數據來進行訓練，告訴機器「人是怎麼做的」「怎麼做能獲勝」。
從目前遊戲AI的發展成果上看，在圍棋、打磚塊、推箱子等規則相對簡單的遊戲中，自我博弈的訓練方式似乎獲得了更好的效果，因為這些遊戲都無需依賴其他外部輸入，實現高效的模擬對戰。
打磚塊等規則簡單的遊戲訓練起來相對容易，圖片來自網路
但隨著遊戲龐雜度的提升，模擬對戰變得越來越低效，對於動輒需要上千萬次對戰的AI來說，如此低效的訓練方式是無法接受的。
而另一種通過與人類對戰進行模仿訓練的方式則受限於數據的準確性和完備性，是否覆蓋到可能出現的所有戰術、情況就顯得尤為重要，一旦數據缺失就可能造成訓練出的AI出現「偏科」的情況，並且人類做出的舉動也並不是一定正確。
而從整個遊戲行業的角度來說，想要實現未來AI大面積介入，同樣也存在著不小的挑戰。
首當其沖的就是遊戲壽命的問題，要想真正的訓練出一款具有一定智慧行為的遊戲內置AI需要大量的數據對其進行訓練，然而這種訓練是需要長時間積累的。但是，一款遊戲的壽命是有限的，等到AI經過幾年時間的完成訓練，也許這款遊戲的早就被後來畫面更好玩法更新奇的遊戲取代。
當然，在畫面優化上，AI適用於大部分的遊戲。但玩法改革並不適用於所有遊戲。就像《Game Marker’s Toolkit》系列作者馬克·布朗（Mark Brown）說的「AI必須要適應目標遊戲想要的體驗。」所以AI在玩法上的優化應該針對特定遊戲做出不同的更改，甚至選擇不使用。
《魔獸世界》超長的遊戲壽命可以稱之為奇跡，圖片來自網路
所以，對於一家遊戲開發者來說，想要長時間吸引大量的玩家並為AI提供訓練數據幾乎是一件『穩賠不賺』的事情，這也是為什麼大多數遊戲廠商更願意將遊戲中的AI按照固定劇本寫死的原因，因為這樣既可以讓AI在可控的範圍內取悅玩家，還能在短時間內收割玩家的錢包。
而回到大家最關心的那個問題『AI是否會在遊戲中全面戰勝人類？』
小探認為大可不必擔心，因為AI如果想要全面戰勝人類的話，除了需要長時間的基礎硬件發展作支撐，也需要上述小探提到的」賭「的決策行為，而這種近乎於人類的思考模式，是AI開發者絕對不允許的。
對玩家而言，遊戲在玩法和開發上的拓展，能帶來眾多更有趣更精良的遊戲；也會讓玩家體驗變得更特別、更個性化、更令人回味。而對於整個產業來說，更多的創新和技術進步將推進產業的蓬勃發展，更加良性。
隨著時間的推移，AI與遊戲的融合也在一步步加深，雖然還存在著不小的挑戰，但正因為有這種不確定性的存在，遊戲才能成為遊戲，玩家們才能為止著迷與期待。
（文檔特別鳴謝矽谷資深AI工程師波爾的指導與貢獻）
參考資料：
https://www.gcores.com/next
https://www.gcores.com/articles/125040
https://baijiahao.baidu.com/s?id=1665725807897691248&wfr=spider&for=pc
https://zh.wikipedia.org/zh/%E5%88%BA%E5%AE%A2%E6%95%99%E6%A2%9D%E7%B3%BB%E5%88%97
https://residentevil.fandom.com/wiki/Ambient_AI
OpenAi Five wins a total of 4369 games against humans in 84 hours
https://openai.com/blog/openai-five/
推薦閱讀
28%美國人認為比爾蓋茨將利用新冠疫苗監視人類！蓋茨公開反擊陰謀論
張一鳴拒絕出售Tiktok多數股份；科技巨頭髮布第二季度財報丨前沿科技周報
【天問一號】火星探測器成功發射，中國將在火星探索彎道超車？
美國心理求助電話暴漲10倍，史丹佛AI聊天機器人撫慰受傷心靈
預覽時標簽不可點
尋夢園是台灣最大的聊天室及交友社群網站。
致力於發展能夠讓會員們彼此互動、盡情分享自我的平台。
擁有數百間不同的聊天室 ，讓您隨時隨地都能找到志同道合的好友！
