网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

经过半个多世纪的发展，AI在游戏中的应用范围早已扩大，无论是充当虚拟玩家、路过的NPC、奔向敌军的千军万马，又或是一草一木都与真实世界相差无几的异世界，背后都有AI技术的支持。当新一批AIGC工具诞生，游戏的制作与玩法又会迎来何种程度的颠覆？

当玩家有了更"聪明"的对手

其实早在单机游戏时代，我们就已经在跟机器交手。与AI在生物医学等领域的应用目的不同，早期的游戏中都或多或少有AI的身影，只是为了给玩家更好的体验，比如最早的井字棋游戏中的人机对战。

彼时，游戏中的"AI"不过是用算法写定的程序，具体游戏中的应用一是根据开发者的固定套路顶替真人玩家的角色参与到游戏中，智能化程度不高，因此被称为"bot"（机器人）。这种机器人玩家至今仍存在于大量MOBA（多人在线竞技）游戏中，但这些机器人智能化程度实在难以恭维，在集齐百人才能开局的"吃鸡"游戏中简直就像个凑数的新手玩家。

二是用于增加游戏趣味，作为一个对抗角色出现。电子游戏业先驱雅达利推出的传奇主机 Atari 2600上有一款经典街机游戏《吃豆人(Pac-Man)》，游戏中有四个不同颜色的小怪物，每种怪物都由不同的追击算法所控制，因此这些怪物并不会一拥而上，而是根据不同的范围和路径攻击玩家，这意味着玩家在迷宫每个路口都面临不同的选择。这种AI应用后来也成为控制游戏难易的经典操作，射击类游戏《太空侵略者(Space Invader)》、随机生成关卡的地牢探险游戏《Rogue》等上世纪七八十年代发布的电子游戏都将这类AI对抗模式引入其中，随后成为一代经典。

不过总的来说，无论AI的角色范围如何扩大，玩家都已经默认AI角色在游戏中使命就是最终被玩家击败，或者是推动游戏剧情的"工具人"。

随着硬件设备、算法规模和计算能力的突飞猛进，游戏中的AI角色进化速度也开始加快，并开始在游戏中击败人类。在部分射击类游戏中，AI角色已经可以完全模拟玩家的操作，实现多变的打法，同时AI的所有操作都是玩家理论上都可以模仿实现。

AI的游戏

除了在不同玩法的电子游戏中打败人类，AI已经可以在公认最复杂的游戏对弈中超越人类。2016年3月，谷歌DeepMind的AI应用程序AlphaGo击败了围棋世界冠军李世石，一年后，AlphaGo又在人机大战中击败了中国棋手柯洁，在全球范围内掀起了一股不亚于当前的人工智能讨论热潮。

DeepMind在这之后还推出了AlphaGo的后续版本AlphaZero，只需要提供基本的游戏规则，AlphaZero就可以完全依靠深度强化学习能力，在短短几小时内，通过自我对弈达到人类需要1500年才能达到的技能水平；对阵前辈AlphaGo的早期竞争版本AlphaZero甚至可以取得完胜，是目前世界上最好的"围棋选手"。

不仅专注于棋盘游戏，DeepMind还推出了在棋、牌两类游戏中都能实现强大性能的AI新作Player of Games（PoG），这在当时也被看作是业内迈向能够在任意环境学习的同用AI算法的重要一步。

为什么这种大型人工智能实验室会长期投资缺乏商业应用前景的游戏AI系统？在一位腾讯应用研究工程师看来，这主要是因为游戏其实是一个非常好的研究环境，因为游戏通常是人类世界中某些问题的抽象和简化，而且具备实验成本低、可重复性高等优点，最重要的是游戏的核心玩法都需要展现出相当程度的智能行为。

"无论是下围棋、打德州扑克、组队打《英雄联盟》，还是自己玩连连看、俄罗斯方块，都需要有深入的思考或者敏捷的反应，从不同角度和程度上展现出人类的智能行为。因此，人工智能研究者都着眼于设计出一个可以在公认复杂的游戏中取胜的方法，这是进行创新和展示技术实力的最为直接的方式。"

此外，尽管AlphaGo之类的AI产品还没有商业落地的可能，但通过游戏训练出算法模型已经在几十年内催生了为计算机视觉、自动驾驶汽车和自然语言处理提供动力的自学AI产品。比如在自动驾驶领域，AI系统需要选择最优策略也要在某一刻达成妥协，不仅要选择最有利于自己的策略，也要学会在拥堵路段提前判断出他人的行动，这些都可以在复杂游戏中找到样本。

进入虚拟世界的第一步：重造角色

越来越智能的AI技术又是如何改进玩家体验？我们可以先看看玩家进入游戏的形式变化。