可能有人會問，AI在游戲中不是很早就應(yīng)用了嗎？

　　是的，其實有電子游戲就有AI。

　　在遠古的年代的游戲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；

　　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，基于深度學習(也有基于運籌學和博弈論等學科)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。

　　我會列出一些當前的技術(shù)引用，也會有一部分我自己的想法。

　　較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)。

　　函數(shù)里面需要寫一堆規(guī)則，例如：

　　有兩個圈

　　圓？有多圓？

　　上面那個大下面小

　　有多大？有多?。堪霃绞嵌嗌?？

　　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)。

　　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。

　　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能識別出這些是8的概率是。

　　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較小化，也就是讓y'和y之間的差距減少。

　　這個過程我們稱為學習或者訓(xùn)練。

　　當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！

　　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不但戰(zhàn)勝了游戲，還戰(zhàn)勝了人類。

　　目前，AI在這方面較重要的技術(shù)叫學習

　　較有名的可以算是以下幾個：

　　征服Atari游戲——Deep Mind

　　較前沿：當我們以為Rainbow就是Atari游戲的時，Ape-X出來把Rainbow秒成了渣！

　　https://zhuanlan.zhihu.com/p/36375292

　　征服圍棋——Alpha GO

　　AlphaGo

　　https://www.zhihu.com/topic/20038840/hot

　　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1000刀

　　https://zhuanlan.zhihu.com/p/73268685

　　(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，微軟亞研推出麻將AI，還上了專業(yè)十段

　　https://tech.sina.com.cn/csj/2019-08-29/doc-ihytcitn2805087.shtml

　　征服星際爭霸——Alpha Star

　　陳雄輝：淺談AlphaStar

　　https://zhuanlan.zhihu.com/p/97720096

　　征服榮耀——絕悟

　　騰訊：騰訊AI「絕悟」打，把職業(yè)選手干掉了

　　https://zhuanlan.zhihu.com/p/76482309

　　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。

　　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。

　　但深度學習還有一個不能忽略的因素：深度學習算法帶有不確定性。

　　AI的學習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)?？赡芙?jīng)過漫長的等待才能獲得大成。

　　所以很多搞深度學習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，我們對學習(Reinforcement Learning)進行了一些介紹。那么學習能夠帶給游戲什么呢？

　　我認為學習在游戲中應(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)過學習的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。

　　但如果用學習的方法，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。

　　學習并不會完全替代數(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。

　　在學習方面國外的deepmind和openAI等公司處于地位，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”、榮耀AI“絕悟”的團隊負責人。

　　(曾經(jīng)有幸拜訪劉總，劉總是個非常有遠見并且很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》？

　　https://www.zhihu.com/question/380151590/answer/1084924352

　　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進行。

　　我們生成的關(guān)卡是否能通過？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)用到學習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。

　　事實上，AI如果足夠豐富，小游戲的體驗層次也會得到，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學習進行輔助設(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，當前有什么AI技術(shù)能幫助到各個崗位的同學。

　　我們先來說說美術(shù)。

　　1.美術(shù)

　　原畫階段

　　永遠的PS，Adobe在這方面走得很遠。

　　【官宣】Adobe 2019史詩級加強，官宣的視頻看著就是舒服！

　　https://www.bilibili.com/video/BV1ot411d7iH?p=2

　　我認為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)細節(jié)吧

　　https://zhuanlan.zhihu.com/p/102085621

　　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

　　https://zhuanlan.zhihu.com/p/51665714

　　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，要找到適合的視頻，就能把動作套到模型上。

　　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和風格轉(zhuǎn)換技術(shù)，做到輸入一張圖，按照該圖的風格配色，應(yīng)該很成熟的功能了。

　　一波：淺談風格遷移（二）任意風格遷移

　　https://zhuanlan.zhihu.com/p/129826350

　　ICON

　　輸入icon的文字，加上游戲風格。

　　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，或者是個好主意。

　　2.文案

　　利用GTP2.0技術(shù)，可以進行一小段文字的擴寫。