演讲 | Youichiro Miyake:数字游戏世界中角色的觉醒与意识

机器之心原创

作者:Joni

编译参与:马亚雄、黄小天

2 月 16 日,星期四,我参加了在东京举办的第五届意识俱乐部 (consciousness club)。这是一个由 Araya 脑成像公司 (Araya Brain Imaging) 的 CEO Ryota Kanai 博士组织的每周活动,这次的演讲嘉宾是 Youichiro Miyake。他是一个因为在游戏人工智能(Game AI)方面的工作而闻名的设计师,曾提出在游戏人工智能和其他先进系统中创造人工意识的初始概念。

以下是 Youichiro Miyake 的演讲摘要:

视频游戏中的角色处在具有许多物体、复杂环境以及其他角色的 3D 环境中。自从家庭计算机 (FC) 和超级家庭计算机 (NES 1983、SNES 1990、以及任天堂) 时代以来,游戏角色是受游戏设计师所写的脚本程序控制的,这使得游戏角色成为游戏中的演员。这被称为「脚本化人工智能 (scripted AI)」。然而,随着游戏关卡设计变得越来越复杂,脚本化人工智能的方法已经不能适应这么复杂的情况了。3D 游戏的一个转折点是索尼互动娱乐 (SIE) 公司在 1994 年推出的 PlayStation。在拥有 3D 环境的游戏中,需要采用人工智能技术来建立深层次的游戏角色的人工智能。在 3D 的层面,游戏角色将是具有自主性角色,使其能够感知游戏世界的许多不同方面,做出决策,并且依靠自身采取实时的行动。游戏角色解决了它周围的本地问题,发挥了作用。游戏角色不仅感知周围的环境,还要感受它的身体和心灵。因而,游戏角色的意识模型在游戏行业中已经被研究了多年。

这一研究的历史从 2000 年麻省理工媒体实验室性格合成组 (MIT,Media Lab, Synthetic Group) 的心理模型 (Mind Model) 开始。这个模型已经在许多不同主题的游戏角色中经历了多次演化。游戏角色的 AI 基础就是机器人的代理结构。它包括三个部分:认知模块、决策模块以及行动模块。随着信息流入一个角色的心灵,它们被分析转化成 AI 结构中的新知识。通过使用这些知识,决策模块做出决策,行动模块形成角色的动作以执行这个决策。结合环境和人工智能代理 (agent),这个循环就形成了角色的心灵活动。通过这些模块的流动和改变之后,信息就被存储在了记忆中,因此角色的人工智能就被描述成了类似于信息的化学反应一样的东西。数字游戏是测试意识模型的合适领域。许多关于意识的模型已经被提出和在试验当中。在本次研讨会中,介绍了一些很多游戏角色意识模型及其结果。

演讲人简介

Youichiro Miyake 在参与视频游戏主题开发的同时,还作为主要研究人员在 Square Enix(一家游戏开发公司)进行游戏人工智能技术的研究。他为很多游戏项目设计并开发了人工智能。他在大学和游戏开发者会议上做过很多次讲座。此外,他是人工智能特殊利益集团 (SIGAI) 在国际游戏开发商协会 (IGDA) 日本分会的主席。他也是日本数字游戏研究协会和科学艺术协会的董事。他在 2016 年出版了 3 本日语专著:「人工智能的哲学故事 (Stories on Philosophy for Artificial Intelligence)」,「人工智能图画书 (Artificial Intelligence pictures book)」以及「制作游戏人工智能的方法 (Making a game AI method)」。

游戏及其他人工智能系统的设计哲学

关于人工智能的演讲话题是基于最终幻想 15(FFXV)的设计示例展开的,但是读者可以参考其他游戏系统。首先,Miyake 在游戏系统中介绍了人工智能的一般设计理念。

第一个问题:人工智能在游戏中意味着什么?

他定义了游戏中的人工智能就是通过角色的身体区感知来自环境的反馈,并通过游戏环境互动控制运动。通过这种方式,环境和角色的身体形成了一个反馈回路 (如下图所示)。从这一点讲,它和体现智能的具身性观点是类似的。

这就是为什么说随着 3D 游戏的发展,其中的人工智能系统较之于 2D 游戏而言,也发生了很大的变化的原因。

最终幻想 15(FF XV) 中的人工智能系统有三个子部分。我们将逐个作介绍:

1. 元人工智能

2. 角色人工智能

3. 导航人工智能

元人工智能

在之前没有元人工智能的游戏系统中,从根本上来说,代理 (agent) 上实现的单个的人工智能与通用游戏策略之间最大的问题,就是每一个角色的行动是由人工智能图形编辑器 (AI Graph Editor) 在意识到每个情形和周围环境,并考虑了下一步应该做什么之后自动决定的。然而,基于设计通用策略时的情况,角色有时候因为一个特定的事件需要集合在一起,或者需要以协作的方式执行一个特殊的行动。在这种情况下,需要一个通用的指挥者。

因此,最终幻想 15(FF XV) 中开发了统治游戏环境和进展的元人工智能 (Meta AI)。它就像整个人工智能系统的指挥者一样控制着为敌人和非玩家角色 (NPCs) 设计的通用策略。元人工智能 (Mata AI) 的一个重要任务就是以一个集中的方式去协调代理 (agent) 的策略。因此它限制了团队成员与玩家之间的许多互助。

分配给元人工智能 (Meta-AI) 的任务是很多很广的,所以它的策略由分离的互联元素组成的不同状态 (level) 控制,这些分离的互联元素包括实现任务管理的分层结构,过渡并合并一些功能以创建智能系统,以及具体区域的不同元素之间的交流。

在最终幻想 15 中,这些状态包括:

  • 地图和角色的位置
  • 事件定位,管理
  • 游戏均衡设置

如图所示,根据计算求出理想情况下敌人的数量,玩家的强度以及实际出现的敌人数量,这些是关键参数。

具体分为四个状态:

  • 积累 (build up):让敌人一直出现,直到超过玩家紧张度的目标值;
  • 维持峰值 (sustain peak):为了让玩家的紧张度维持 3 到 5 秒,维持敌人的数量;
  • 峰值衰减 (peak fade):把敌人的数目朝着最小限度减少;
  • 放松 (relax):维持最小数量的敌人数目 30 到 45 秒,以让玩家放松。

一个游戏人工智能的例子

状态机表示元人工智能是如何控制敌人数量和刷新频率的。元人工智能对敌人数量的控制分为四个状态:积累 (build up),维持峰值 (sustain peak),峰值衰减 (peak fade),以及放松 (relax)。状态变化的输入参数可能包括玩家杀死的敌人数量、玩家的位置和时间间隔等。所以,从玩家的角度来看,貌似敌人每隔一段时间就会出现,并且敌人的强度与玩家的作战能力、游戏难度也有关系。

角色人工智能

角色人工智能 (character AI) 控制着访客和非玩家角色 (NPCs) 的个体策略。对于角色人工智能 (Character AI) 而言,一个主要的任务就是在响应不同情况的时候在人工智能和角色之间进行协调。从主要团体成员到各地的非玩家角色,最终幻想 15(FF XV) 中的不同组别的非玩家角色都有不同水平和风格的人工智能。角色人工智能所做的基本上可解决每一个代理的决策问题。有不同的模型可以解决这个问题,但对于角色人工智能,在游戏设计界有如下 7 个简单的算法:基于规则的人工智能,基于状态的人工智能,基于行为的人工智能,基于目标的人工智能,基于任务的人工智能,基于效率的人工智能,以及基于模拟的人工智能。

在最终幻想 15(FF XV ) 中,我们利用了两种开发角色人工智能的方式:开发人员利用两种针对人工智能的标准「经典」设计作为参考:围绕适应和决策的行为模型,和基于环境决策的状态模型。这个最终幻想 15(FF XV) 的人工智能系统由自开发的「人工智能图」系统实现,它表示一个人工智能的多层结构。

角色人工智能是一种结合行为树和状态机的混合方法。其中状态机负责协调一般状态的转换,行为树指定特定情况下的每种行为。所以,最终幻想 15(FF XV) 中的角色人工智能是以层状托盘的方式形成的。

  • 包含一个行为树和状态机的混合模型
  • 一组结点以托盘的形式被管理
  • 分层的结构

在混合模型中,状态机的状态是由关卡设计者考虑的动作,以使玩家运用通用术语来命令人工智能。它还由在运动单位中设置的行为树模式组成。例如,如果角色选择战斗,它会有几种行为可供选择:

  • 移动:移动到指定位置
  • 引导:指导玩家
  • 袭击:袭击敌人
  • 空闲:让角色处于空闲状态

在游戏中,关卡设计师只需考虑一些命令,切换到所需的模式,其余的可交由人工智能轻松处理。此外,在这些角色人工智能系统中,被期望的元素不仅是关卡设计者对人工智能动作改变的容易性和灵活性,而且还要允许人工智能规划者有效地对每个人工智能角色进行编辑以及做出动作。在大规模的最终幻想 15(FF XV) 世界中移动的所有角色都在人工智能上运行。他们希望的是一个真正让他们有效地制作这些不同种类人工智能的系统。

导航人工智能

最后,导航人工智能决定诸如角色和敌人这类移动元素的最佳路线和模式。最终幻想 15 中导航人工智能系统的两大主要元素是点查询系统 (PQS) 和转向系统。

点查询系统 (PQS) 建立路径的方法是这样的:它在一些重要点周围构建点阵,并且围绕一些特定情况滤除一些点,以使得代理能够被引向最佳点的路径。PQS 主要涉及对人工对手的控制以便遵循跑道上的最佳路径,并且可以并入更高级别的计划以便成功地导航这一过程。

如下图所示是点查询系统。

转向系统根据感知引导运动。例如,合适的非玩家角色 (NPC) 经常需要避开障碍物的能力。导航期间的一个转向行为允许代理 (agent) 向前看,跟随目标并避开障碍。

结论

最后,为了与意识俱乐部的主要目标保持一致,Miyake 也表示他愿意在游戏人工智能系统中开发人工意识。并且,他还支持这样的观点,随着游戏环境和角色的发展,将来可能需要更复杂的人工智能系统。

一些想法:

作为一个早期的游戏迷和现在的人工智能研究员,我确实从这个演讲中感到一点惊讶,一个包含着简单但是优雅的规则的精密人工智能系统如何发展成一个复杂的游戏中。你可以从前面的几张图片推断,实际上最终幻想 15(FF XV) 的游戏人工智能并没有涉及复杂的机器学习。例如,也许敌人的强弱是由你杀死的人来决定的,但实际上这是预先定义好的。我认为这与一个事实有关:当下游戏平台是如此的受限,以至于根本就没有必要去学习复杂的场景和对象。在我看来,以下的方向可能学术界和产业界都比较感兴趣:

1. 设计不同水平的游戏人工智能会让开发人员付出很多努力。那么,能否像现在的游戏引擎一样,设计一个通用游戏人工智能系统能达到重用的效果?

2. 有没有必要在游戏人工智能系统中实现当前的一些机器学习技术?

©本文为机器之心原创,转载请联系本公众号获得授权。

✄------------------------------------------------

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-03-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏姬小光

前端工程师的核心价值 @2018

作为一个还算资深的前端工程师,我也时常在思考自身的价值到底在何处。网上每年都有许多关于前端工程师这个岗位的讨论,其之所以如此激烈,或因该岗位本身无法明确定义,故...

17830
来自专栏IT大咖说

优云新一代智能化运维管理解决方案

摘要 优云软件解决方案中心总监童华权为我们带来优云作为国内在运维领域做得比较深刻的厂商,在运维管理方面的一些见解。 ? 运维面临的挑战 数据中心进入“两化转变”...

1.1K130
来自专栏罗超频道

找社交要答案,搜狗能重构搜索吗?

移动互联网还在不断瓜分着互联网的流量,入口的碎片化使得搜索引擎受到很大冲击,搜索引擎都在尝试重构自己,寻找新的出路,执掌搜狗11年的王小川的思路是:接入独家内容...

45240
来自专栏PPV课数据科学社区

测测你的数据管理处于什么段位?

营销技术、新工具和流程的不断演变,营销自动化的兴起,已迫使许多商家学习智能化数据管理。了解数据管理的细微差别,不但有利于改善发件人信誉风险、低响应...

37080
来自专栏CSDN技术头条

如何做好大数据产品设计架构和技术策略?

作者经过研发多个大数据产品,将自己形成关于大数据知识体系的干货分享出来,希望给大家能够快速建立起大数据产品的体系思路,让大家系统性学习和了解有关大数据的设计架构...

34780
来自专栏WeTest质量开放平台团队的专栏

腾讯WeTest-舆情监控最新版本揭秘

腾讯WeTest舆情监控平台作为国内一流手游测试平台的王牌工具,在过去的一年中帮助无数游戏团队了解各第三方市场评分,掌握游戏和竞品的口碑情况和效果,为团队了解目...

58930
来自专栏DevOps时代的专栏

DevOps 实践的10个误区

? 译者:suren,本文由 DevOps时代高翻院翻译发布。 (下面的列表是基于我们的 CTO Rob Zuber 和 Andrew Homeyer 在 ...

29650
来自专栏云计算D1net

评估混合云时需要考虑的七大关键问题

混合云是眼下IT界的热门话题,但是为了尽量避免你无法逃避的成本高昂、耗费人力的特大项目,要特别注意尽量减少实施和管理方面的复杂性。下面这些问题将帮助你确定最适合...

28460
来自专栏新智元

清华大学突破量子纠缠接口新纪录,首次实现25个量子接口之间的量子纠缠

19150
来自专栏互联网数据官iCDO

大数据项目产品选型的五个建议

原创作者:曾勇,Elastic工程师。 数据如今对企业来说可谓是头等大事。使用欺诈检测来降低财务风险或是建设推荐系统来改善用户体验,都需要数据来为企业解决这些日...

30160

扫码关注云+社区

领取腾讯云代金券