游戏人工智能 读书笔记(一)前言与介绍

作者苏博览,腾讯互动娱乐高级研究员

原文首发于知乎专栏 - 第九艺术魅影

商业转载请联系腾讯WeTest获得授权,非商业转载请注明出处。

WeTest 导读

自人工智能诞生之始,就和游戏紧密的相结合在一起。因为人们通常认为,人类玩游戏的过程是蕴含着人类的智能的。因此,当人们创造出一个能够完成人类的某种游戏的程序,我们认为这个程序拥有了某种类人的“智能”。所以很多游戏如棋牌,星际会成为人工智能测试的很好的环境。而游戏本身的发展又带来了很多对于人工智能的需求,例如游戏中的NPC(non player character)。人们开发了很多算法去让游戏内的一个角色可以表现得更像是由人类操控的。

游戏是人工智能研究上一个广受欢迎的场景,但在传统上,人工智能研究者更关注于棋类游戏,因为棋类游戏有着高度形式化和受限的规则,同时又是很复杂的决策问题。而现在更多样性的视频游戏(video games)也吸引了人工智能研究者的目光。在这些游戏中怎么用AI来控制NPC,生成游戏内容和适应玩家行为也是游戏开发者想要解决的问题。

这也和人工智能研究的发展有关。早期的人工智能研究更关注形式化的智能,希望让机器可以达到人类水平的解题和决策能力。因此主要的工作是由人类去把问题拆解成形式化的符号(Symbol),然后让AI去解这些形式化的问题。而近些年,研究者的兴趣转移到如何让AI去学会那些对于人类来说很简单但又很难去描述的能力,例如记住人脸,识别朋友的声音,判断出情感等等。

视频游戏是历史上最重要的艺术种类之一

或者进一步来说,人工智能最终要去触碰的问题是人类的创造性和抽象能力。而游戏,作为第九艺术,也是一个少有的科学(problem solving)和创造性(Creativity) 相交叉的场景,也是非常适合人工智能研究的。一方面,人工智能技术需要解决怎么样让AI像人一样玩游戏,甚至玩的比人类更好;另一方面,游戏也提供了一个画布来让人工智能像玩家一样展示其创造力和表现力。而反过来说,人工智能技术的发展也从以下几个方面为视频游戏提供了新的可能性:

  1. In the way we play them 玩游戏
  2. In the way we understand their inner functionalities 游戏内部机制
  3. In the way we design them 游戏设计
  4. In the way we understand play, interaction and creativity 理解游戏,交互和创造性

游戏的抽象模型,图片来源自知乎用户:Lea Liu

在这里,知乎上的一个问题 游戏的进步有多缓慢?中的一些回答可以给予一定的佐证。通过人工智能的发展,我们可以为游戏设计出新的以前做不到的核心玩法;我们可以利用人工智能更好的设计游戏的外衣(美术,音乐,角色乃至剧情);我们也可以通过人工智能技术更好的理解玩家,从而为玩家提供更好的个性化的游戏表现,从而增强玩家的沉浸感。

游戏就像是一个桃子,它有一个果核和包裹着它的果肉。核就是整个游戏的系统与交互部分,这部分包括了你玩游戏时的目标,规则和策略,这通常就是我们说的【核心玩法】,也是我们常常爱说的“游戏性”的来源。而包裹在这个核心玩法之上的,是一套让游戏变得直观、生动、沉浸、甚至感人的外衣,这一部分通常由各种视听资源,如美术、音乐、镜头、气氛,以及叙事资源,如情、角色、世界观等构成。 回答来源自知乎用户:Lea Liu

因此,提供一本兼顾了机器学习和游戏两方面的技术的参考书籍,为学术界和游戏业界提供更完备的游戏人工智能的视角,将会帮助到有兴趣游戏人工智能的学生,学术界的研究者和游戏的从业者们。而现在很多的人工智能或者游戏AI的书籍都主要侧重其中一个方面:或偏向于人工智能,或偏向于某种技术在游戏场景中的应用(如行为树)。

而在2017年底的时候,我们发现了一本刚刚出版的书籍:Artificial Intelligence and Games, 这本书则兼顾了人工智能学术界和游戏业界两个方面的需求,既讲述了人工智能相关的技术,又从游戏设计层面上介绍了人工智能在游戏上面的可能的应用。同时这也是一本很新的书,2018年刚刚出版没多久,因此也介绍了业界的最新的进展,如深度学习在游戏AI上应用。这本书也从人工智能和游戏的起源讲起,站在游戏的发展史上介绍了人工智能的发展以及和游戏的相互影响。

Prof. Togelius

Prof. Yannakakis

本书的两位作者Prof. Yannakakis 和Prof. Togelius 都是大学里面的教授,也有多年的游戏AI的研究和教学经验,他们在今年还搞了第一届的 AI and Game Summer School, 请了不少学术界和业界的大佬过来。整体的来看,本书的章节组织和完成度都是不错的,也很适合作为入门的参考书。

书里面对于游戏和人工智能的结合划分了几个不同的场景:

  • Game-playing, 这也是我们最常见的,使用人工智能技术来创造一个bot来可以像人一样玩游戏,并且可以超过人类的最高水平。这一点,我们在棋类游戏中(不管是象棋还是围棋)都已经做到了。当然在很多更复杂的视频游戏中,人工智能还有很长的路要走。
  • Content generation, 游戏内容自动生成。这里有一些简单的问题,如地图贴图的一些自动生成;还有一些更复杂的问题,比如关卡的生成,甚至是游戏的故事线自动生成。
  • Player Modeling, 对玩家游戏内行为建模。这个场景更偏重于数据挖掘层面,但是与传统的数据挖掘相比,这里更进一步,试图去理解游戏内玩家的行为,情感等信息,从而更好的对玩家进行用户画像,而这些信息也能够进一步的改善游戏的沉浸感。

该书也分为3个部分,一共7章:

第一部分:背景介绍

  1. 全书的简介
  2. 介绍书中用到的人工智能技术和算法

第二部分:人工智能技术在游戏中的应用

  1. AI玩游戏
  2. AI生成游戏内容
  3. AI对玩家建模

第三部分:未来的方向

  1. 展望游戏AI的全景
  2. 游戏AI研究的前沿

全书各章节之间的联系

最后,在本书中,人工智能其实包含了两个含义:

  1. Computational Intelligence(CI)
  2. Artificial Intelligence (AI)

CI 和 AI 没有明确的分界线,只是历史上,AI通常和推理,专家系统,规划这些联系在一起,这些在这几年已经不再是显学了。而我们今天说的人工智能,更多的是CI, 使用统计学习模型或者神经网络,进化算法,蚁群算法这些。但本质上来说,两者都是希望让计算机可以完成一些需要“智能”的任务。

另一方面,并不是所有游戏中用到的和AI相关的技术都在本书的讨论范围中,考虑很多技术和游戏结合不是很紧密,同时在其他领域上有更大的应用。以下的一些技术只是被简单的提到或者忽略掉:

  1. 寻路算法(pathfinding):使用AI生成从A点到B点的路径
  2. 计算叙事(Computational Narrative):使用AI生成故事情节
  3. 博弈论(Game Theory)
  4. 多智能体的系统(Multiagent System)

因此,我们认为这本书不管是对于游戏人工智能的从业者还是游戏人工智能的研究者和学生都是一本很好的参考书,通过本书,我们可以大致的知道在游戏人工智能上面我们正处在什么样的位置,前人做过哪些努力,我们手上有哪些工具,我们可以往哪些方向上去探索。

我们作为游戏人工智能的研究者,也愿意把我们阅读本书的一些心得体会分享出来,和诸君一起讨论,共同进步。这是我们写作读书笔记的最主要的目的。我们会按照该书的章节结构,在接下来的一到两个月时间,以每周更新2-3篇的频率,写作一系列的读书笔记文章,希望能够对国内游戏业界和人工智能学术界都所帮助。同时也欢迎大家在留言区来提问,勘误和发表意见。

本文内容包含以下章节:

Chapter 1.1 This Book

Chapter 1.5 Structure of This Book

本书英文版:Artificial Intelligence and Game - A Springer Textbook

原文发布于微信公众号 - 腾讯WeTest(TencentWeTest)

原文发表时间:2018-07-20

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。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

世界首款AI魔镜:一照识别你性格

【新智元导读】来自墨尔本大学的研究人员设计了一种AI生物识别镜,可以仅仅根据人的脸部照片检测和显示其个性特征和外貌上的魅力,最多可以分析14项性格特征,这一系统...

7920
来自专栏飞总聊IT

如何迅速年薪百万(5):如何知道领导对你的真实看法

36940
来自专栏大数据文摘

Airbnb数据科学团队进化论:如何由内而外实现数据驱动

23030
来自专栏PPV课数据科学社区

数据科学家、数据分析师、数据挖掘工程师、数据工程师,你分的清楚吗?

数据科学家(Data scientist)的叫法来自国外,广义上它是对从事数据分析和数据挖掘从业人员的一个泛称,它只是一个头衔,并不是一个职位。狭义上,数据科学...

55080
来自专栏DT数据侠

分析了3个实战案例,我找到了精细化运营的数据方法论

9月13日,DT君邀请到了数数科技CEO吕承通,带大家了解数据驱动实现方法,并通过3个实战案例解析数据分析如何影响产品核心指标。本文为其演讲实录。

16630
来自专栏大数据文摘

大咖 | “大数据之父”达文波特:成功的数据科学家不一定要有研究生学位

15030
来自专栏量子位

俞栋谈腾讯AI Lab方向和进展;腾讯AI加速器第二期开始招募

雷刚 发自 LV 量子位 出品 | 公众号 QbitAI CES期间,腾讯也有一些AI相关的信息对外发布。 在腾讯众创空间的一个活动上,腾讯AI Lab副主任、...

37260
来自专栏新智元

微软前副总裁:机器学习和人工智能5大关键 | 黑箱不黑

【新智元导读】微软前副总裁S. Somasegar从智能应用开发的角度,总结了2016机器学习和人工智能的5大发展趋势:算法和数据结合的微智能,将能灵活地在应用...

34190
来自专栏PPV课数据科学社区

对于打算入门数据分析的菜鸟来说,你想提醒他们什么?

“面对大数据时代趋势和与之相对的高薪,越来越多没有怎么学过计算机和统计学的外门人士也想跃跃欲试踏进数据科学的领域,请问大家伙儿有没有点建议想提醒新人呢。比如一路...

14820
来自专栏专知

IEEE Fellow 微软曾文军:解锁深度视频理解的潜力 PPT详解

【导读】人工智能离不开感知,而视觉是我们最主要的感知手段。深度学习近年来颠覆了图像/视频理解的进程。这要归因于大数据,大计算,和深度学习体系结构和方法的巨大进步...

396100

扫码关注云+社区

领取腾讯云代金券