人工智能改变游戏未来？网易伏羲AI Lab展示游戏开发黑科技

机器之心

发布于 2019-05-23 18:41:18

1.1K0

发布于 2019-05-23 18:41:18

文章被收录于专栏：机器之心机器之心

机器之心报道

作者：李泽南

5 月 20 日，网易互动文娱产品发布会在广州举行。除了发布《宝可梦大探险》、宣布与漫威合作之外，在这场活动中《倩女幽魂》手游公布的虚拟形象「阿初」，也让我们关注到了背后的技术支持者伏羲人工智能实验室。

网易旗下知名手游《倩女幽魂》正式公布了「阿初」，和此前出现在电视台播报新闻中的虚拟主播不同。网易在游戏中的 AI 虚拟形象试图探索未来人机交互的方式：它是随时可以和你互动的，所有行为、对话都是人工智能技术实时产生的。「阿初」将是之后打造虚拟形象的切入口。

人工智能虚拟形象是具有人物「实体」，能够与玩家进行直接交谈的软件系统。在交流的过程中，智能虚拟人不仅可以和你自然对话，还能根据交流的意图，展示相应的面部表情和肢体语言。更重要的是，它还能够模拟人的认知能力，采取合理的语言和行为策略，与用户进行情感互动，激发、察觉和回应用户的情感。

网易表示，虚拟形象被可视为多种人工智能技术的集合，其中涉及了语音识别与合成、自然语言理解、图像视觉处理、用户画像和大数据等技术。它也是一门交叉学科，还融合了美学，心理学和社会学。虚拟形象或许会成为下一代人机交互的主要形式之一。

阿初是《倩女幽魂》手游新版本的重要内容之一。

新产品的背后是网易 AI 技术的研发能力。在「AI 虚拟偶像」揭幕之前，我们与网易伏羲 AI 实验室负责人李仁杰进行了对话，他向我们介绍了「阿初」背后的故事，以及这家机构在人工智能研究上的发展，和对游戏 AI 发展趋势的预测。

「网易一直在探索游戏的未来，游戏最终的形态可能是虚拟现实化，抑或现实虚拟化。而人工智能可能是通向这条道路的唯一途径。」李仁杰表示，「网易早在 2017 年就已经开始布局。抱着用人工智能点亮游戏未来的愿景成立了伏羲实验室，这也是全国首家专业游戏 AI 研究机构。经过一年半的沉淀，如今已经在人工智能落地游戏应用中做了很多探索和研究。」

李仁杰博士毕业于罗切斯特大学，曾就读中国科学技术大学少年班。

在 2017 年成立时，伏羲只有二十余人。随着项目增多和研究的开展，这家机构已经发展成为网易的一级部门，成员也增至 140 余名，其中的 95% 属于技术研发人员，展示了网易探索人工智能技术的决心。

据李仁杰介绍，网易伏羲的人工智能研究目前被分为五大方向：强化学习、自然语言处理（NLP）、图像处理、用户画像以及虚拟偶像。此外还有支持这五大方向的大数据和 AI 计算平台。

全面的 AI 应用

在这些方向上，伏羲的技术都已有了应用。说到游戏中的人工智能，近来最为人们所熟知的就是 DeepMind 打星际争霸的 AlphaStar，以及 OpenAI 提出的，在 Dota2 击败 TI8 冠军队伍的 OpenAI Five，这些 AI 的背后都是强化学习算法。与它们相似的是，在网易，强化学习可以让游戏里的 AI 更像人类。

大家在游戏中人机对战时常常会感觉有些无聊：电脑的行为都是按照规则树写出来的，我们打 boss 时在熟悉套路之后就纯粹是刷装备了。人工智能的加入可以让 AI 依照玩家发出的技能实时展开应对，并产生自己的策略，这样在游戏中每一局都会遇到不同的情况。战斗 AI 还可以接替掉线的人，这样就不会损害其他玩家的用户体验。

在《潮人篮球》等手游里，网易已经上线了基于强化学习的 AI 控制人物。「其实在这类游戏里，常规电脑依赖的自写规则开发起来更加耗费时间——人们很难编写出完美的篮球类 AI，覆盖在球场上出现的各种可能性。更不用说在游戏中每名角色还有不同的技能了。」李仁杰介绍道，「如果用强化学习的方法，模型一两天就能训练好了。这些 AI 实现起来则是在云端进行运算，无需耗费手机算力。」

人工智能除了可以学会人类的游戏方式外，还可以掌握一些超出常规的技巧。在《逆水寒》中，伏羲的研究人员发现 AI 可以进化出一些人类无法完成的操作，比如在两个技能之间加一个隐身来躲避对方的大招。

在 AI 训练的「自我博弈」过程中，人工智能可以学会一些高阶操作方式：AI 甲先是学习了 A、B 两个大招同时放，因为互相可以叠加收益，伤害更高。随后 AI 乙学会了用技能 C 来驱散 AB 大招的效果。之后 AI 甲将策略改回 A、B 分开放。相对应的，AI 乙开始选择用技能 C（因为有冷却时间，所以一段时间只能放一次）来只驱散伤害更高的那个技能。AI 甲在「看到」这个情况之后，又在训练中学会了骗技能——先想办法用伤害低的技能来骗掉对手的驱散，再施放伤害高的技能。

伏羲也在把很多玩家想象中的「高智商 NPC」转化成为现实。去年 12 月份，网易在《倩女幽魂》手游里上线了智能养育系统，工程师们在其中开发了出了可以互动的小孩。它有 0 岁、5 岁、12 岁三个阶段的成长过程。这个系统模仿了新生儿的状态：从牙牙学语到通读诗书。最终阶段的 AI 儿童可以回答关于游戏的问题，也可以写五言、七言绝句，完成藏头诗这样的创作。

这项机制使得在推出虚拟形象之前，《倩女幽魂》手游已成为世界上第一个拥有对话式 AI 技术的 MMORPG（在线多人角色扮演游戏）。在其中的聊天机器人可以自我学习，不断地成长，并根据你养育的方式成长为不同的性格。

图像是游戏体验的重要部分，很多角色扮演游戏正尝试让玩家自定义角色，但对于游戏者而言，「捏脸」是一种耗费时间且难度很高的工作。伏羲 AI Lab 因此为《逆水寒》开发了面部捕捉智能捏脸系统，只要你上传一张照片，面部识别技术就可以把你的脸生成一个 3D 模型，同时也符合游戏的年代设定（逆水寒游戏的设定是宋朝时期，AI 辅助捏出来的脸也会符合古代人的面部特征）。

用户画像是 AI 领域里贴近业务转化的前沿研究方向，与传统的数据挖掘不同，人工智能的算法赋予了「用户画像」全新的生命力：

伏羲 AI Lab 通过研究玩家的行为序列、轨迹序列，结合图像视觉技术，实现了对游戏外挂群体的高效打击；
研究玩家连续行为和文本序列，实现了对玩家游戏行为、游戏趋势的预测；
利用玩家的历史战斗结果和实时对战表现，实现了游戏多人对战的匹配平衡；
绘制玩家的社交关系、交易关系图谱，让游戏玩家邂逅命中注定之人；
分解游戏行为的回报，帮助开发者获得精准的游戏数值评估。

在构建属性来刻画玩家的过程中，伏羲不会局限在一些统计类的特征构造上，而是使用 AI 算法来预测玩家抽象层面的属性，也会使用一些无监督的方式来自动生成一些属性标签。当然，最强大的画像构造能力在于可以从海量的行为数据、聊天数据、关系数据中自动生成玩家的隐含属性特征并实现特征解耦与可解释，这些隐含属性特征将在上层业务中发挥出巨大的价值。

除了游戏角色智能化、提升玩家体验之外，在游戏开发的过程中，人工智能技术也可以提高开发者们的生产效率。伏羲正在帮助构建 3D 人物模型的游戏制作者们提升模型蒙皮、骨骼、皮肤，以及服装的实现速度和拟真程度。

让模型自然地动起来需要的技术门槛很高——通常让角色完成一套约 30 秒钟时长的动作需要两个小时的设计时间，而通过网易积累的大量人物动作数据，人工智能学习并形成动作只需要 3 分钟，可以减少 97% 的时间。

「在构建属性来刻画玩家的过程中，我们不会局限在一些统计类的特征构造上，会使用 AI 算法来预测玩家抽象层面的属性，也会使用一些无监督的方式来自动生成一些属性标签。」李仁杰介绍道，「当然，我们更强大的画像构造能力在于可以从海量的行为数据、聊天数据、关系数据中自动生成玩家的隐含属性特征并实现特征解耦与可解释，这些隐含属性特征将在上层业务中发挥出巨大的价值。」

理论研究

「AI 最难的是技术落地，每一个创业公司和大型科技公司都在寻找落地的场景。」李仁杰表示，「而游戏作为虚拟场景可以达成很多现实世界中难以呈现的想象力空间，为 AI 找到了呈现之路。在伏羲 AI Lab，我们不会为了研究而研究。但在技术落地过程中解决的难题，如对技术发展有推动意义，则会形成论文发表出来。」

除了面向应用的研究，网易伏羲 AI Lab 最近也活跃于 KDD、NeurIPS 等人工智能顶级会议上，李仁杰博士向我们介绍了最近该机构在一些会议上发表的论文：

这其中包括国内第一次中 ACM IVA 的论文《Text-driven Visual Prosody Generation for Embodied Conversational Agents》首次提出文字生成动作和表情（此前的研究都是语音生成）；KDD 2019 论文《MVAN: Multi-view Attention Networks for Real Money Trading Detection in Online Games》；以及 SIGGRAPH 2019 论文《NeuroSkinning: Automatic Skin Binding for Production Characters with Deep Graph Networks》。

在刚刚公布接收结果的 IJCAI 2019 上，伏羲实验室有四篇论文上榜：

《Deep Multi-Agent Reinforcement Learning with Discrete-Continuous Hybrid Action Space》；

以及《Explicitly Coordinated Policy Iteration》、《Reinforcement Learning Experience Reuse with Policy Residual Representation》和《Value Function Transfer for Deep Multi-Agent Reinforcement Learning Based on N-Step Returns》。可以看到，网易伏羲 AI Lab 的论文包含玩家行为研究、计算机视觉和强化学习等方面的研究，几乎包含了游戏领域 AI 的发展所有方向。

为了降低强化学习在游戏落地的门槛，伏羲实验室还研发了强化学习 SDK，让不懂人工智能技术的游戏策划也可以像调用普通函数一样调用会自动学习的神经网络函数。「主要的技术难点、麻烦事、前期准备都由我们承包了，大家的开发过程会更加轻松愉快。」李仁杰介绍道。