前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >当人工智能遇上游戏:机遇还是毒药?

当人工智能遇上游戏:机遇还是毒药?

作者头像
数据猿
发布2018-04-24 15:56:24
8390
发布2018-04-24 15:56:24
举报
文章被收录于专栏:数据猿

日益增长的游戏市场当中,人工智能的应用也会越来越多,同样也为游戏市场和游戏开发者带来更多的挑战。

记者 | 大文

官网 | www.datayuan.cn

微信公众号ID | datayuancn

游戏作为人类的一个普遍现象和人生的一项基本内容,乃是古今中外概莫能外的。实际上,早在AlphaGo在围棋这一游戏项目中击败人类之前,人工智能和深度学习技术就早已在电子游戏(Video Game)中获得了大量应用。

7月28日,在于ChinaJoy同期举办的CGDC(中国游戏开发者大会)上,NVIDIA内容和技术部门副总裁 Mr. Rev Lebaredian和NVIDIA中国区内容技术主管林楠都进行了与人工智能、机器学习技术在游戏开发中的应用相关的主题演讲。Lebaredian表示,人工智能在游戏开发中有许多用途,包括分析用户,以及在游戏中创造更可信的智能角色等等。

1、游戏中的智能角色

同样作为游戏,电子游戏中的人工智能发展历程与棋类游戏中的人工智能发展历程相似,都是从暴力穷举向神经网络一步步深化,最终诞生了电子游戏中不同的角色——NPC(Non-Player Character,非玩家角色)。实际上,在很多游戏中,这些NPC也常常被称为Bot、机器人或AI。

在大多数游戏中,NPC的智能可以分为四个等级:

四级:常常被称为杂兵,他们并没有很高的智能,一般会以被安排好的方式运作:说话、运动或者攻击。

三级:这类NPC相比杂兵们,除了被安排好的动作之外,还会被加入策略,并且拥有简单的应变能力。这种应变能力来自于脚本,当某些条件被触发后,NPC就会进行相应的响应。

二级:除了拥有基础应变能力之外,拥有更高智能的NPC会在不同的条件下拥有更多的应变能力。所以,这类NPC常常会被应用在条件更加复杂的游戏当中,例如在《王者荣耀》中,这些条件还包括生命值、走位、队友位置等等。

一级:这类NPC已经拥有所谓的“大局观”,一般在棋牌、博弈类游戏中出现,AlphaGo也算是其中一个。

在AlphaGo击败人类棋手之后,人工智能在游戏AI中的应用就越来越受人关注。2016年11月,AlphaGo的开发者DeepMind就宣布,与暴雪娱乐达成了合作协议,共同开发界面,让人工智能研究员可以将机器学习软件与暴雪出品的游戏《星际争霸2》连接在一起。在声明中,DeepMind表示,在《星际争霸》中,玩家需要选择3个种族之一,而每个种族都有自己的优势和劣势。玩家在游戏中需要发展经济,发现资源,开拓新的领土。成功的玩家需要记住关于地点的大量信息,即使这些地点在地图上没有显示。

玩家对对手行动的直观了解非常少,这与围棋和象棋不同。此外,《星际争霸》并非回合制游戏,机器学习系统需要面对持续变化的环境。对于《星际争霸》,玩家一方面需要制定长线策略,一方面也要运用好短线战术。让人工智能同时具备这两方面的能力将是一场挑战。

2、从游戏角色到游戏开发者

今年4月,韩国游戏开发商Nexon表示,如今AI已经在逐渐进入游戏开发领域,或将取代部分开发者,部分开发者或因此而失业。面对AI的冲击,游戏开发者应该积极寻求突破,探索AI力所不能及的新技术领域。

目前,人工智能已经开始参与游戏测试的工作,并能自动设计游戏的场景,以及制作较低精度的人物建模。不仅如此,AI还能够根据玩家的脑电图、心跳、呼吸、体温、动作等检测玩家的投入程度,为游戏设计提供参考。

实际上,通过人工智能来开发更好的游戏已经不再是对未来的畅想了。今年5月,爱丁堡大学的研究者提出利用神经网络处理角色的动作动画的全新方法,相比传统方法角色的动作更加逼真、自然。在大多数游戏中,游戏角色的动画是提前通过动作捕捉封装好的,而该研究提出的新方法让自主的角色动作也成为了可能。

3、从开发游戏到开发智能

实际上,人工智能不仅仅能够用来增加游戏性,提升游戏质量之外,电子游戏也可以“反哺”人工智能的开发。2016年,OpenAI 用《侠盗猎车手5》开发出了一个名叫DeepDrive 的“自动驾驶模拟器”。通过读取GTA游戏内的车辆内部数据,OpenAI 将这些数据用来训练自动驾驶系统。游戏本身存在的随机性,场景复杂性和与真实场景高度的接近,让游戏成了非常合适的人工智能训练工具。

上个月,DeepMind发布了一个人工智能在游戏中学习跑酷的视频。研究者们在游戏中试验他们的人工智能能否自学成才,学会在不同地形前进的方法。他们在虚拟世界里设置好各种模型条件,并让人工智能在充满障碍物的环境中不断尝试前进,进行强化学习(reinforcement learning)。

根据今年4月研究机构发布的数据,2017年全球游戏业收入规模有望达到1089亿美元,这意味着比2016年增长了7.8%,其中数字游戏收入将占据944亿美元,全球市场总规模的87%。在日益增长的游戏市场当中,人工智能的应用也会越来越多,同样也为游戏市场和游戏开发者带来更多的挑战。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-08-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据猿 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档