來源/a16z
編譯/Nick
早期關於遊戲中的生成式AI 革命的討論主要集中在AI工具如何提高遊戲創作者的效率，使得遊戲的製作速度比以前更快、規模更大。從長遠來看，我們認為，AI 不僅能改變創造遊戲的方式，還能改變遊戲本身的性質。
一直以來，AI 都在助推產生新形式的遊戲。從《Rogue》的程序生成地下城（1980 年）到《半條命》的有限狀態機（1998 年），再到《Left 4 Dead》的AI遊戲總監（2008 年）。最近，深度學習技術的進步使計算機能夠根據用戶提示和大數據集生成新內容，這進一步改變了遊戲規則。
雖然還在早期，但我們已經看到了一些有趣的AI驅動的遊戲領域，包括生成式智能體、個性化、AI敘事、動態世界和AI副駕駛。如果取得成功，這些系統可以結合在一起，創造出新興的AI遊戲，這些遊戲能夠留住一堆忠實的玩家。
生成式智能體
模擬遊戲於1989 年由Maxis 的SimCity 開創，玩家可以在遊戲中建造和管理虛擬城市。如今，最流行的模擬遊戲是《模擬人生》，全球有超過7000 萬玩家在遊戲中管理被稱為”模擬人”的虛擬人，讓他們過著自己的日常生活。設計師威爾·賴特(Will Wright) 曾將《模擬人生》描述為“互動娃娃屋”。
生成式AI可以通過大型語言模型（LLM）驅動的新興社會行為，使得智能體更加逼真，從而大大推動了模擬遊戲的發展。
今年早些時候，來自斯坦福大學和谷歌的一個研究團隊發表了一篇論文，介紹瞭如何將LLM 應用於遊戲中的智能體。在博士生Joon Sung Park 的帶領下，該研究團隊在一個像素藝術沙盒世界中加入了25 個類似模擬人生的智能體，這些智能體的行為由ChatGPT 和一種擴展LLM 的架構來使用自然語言存儲智能體經驗的完整記錄，將這些記憶合成進入更高層次的反思，並動態檢索它們以規劃行為。
這些結果是對模擬遊戲潛在未來的精彩預覽。從用戶指定的一個建議開始，即一名智能體想要舉辦情人節派對，智能體們獨立地分發派對邀請，建立新的友誼，互相邀請約會，並協調在兩天后準時出席派對。
這種行為之所以成為可能，是因為LLM 是在社交網絡數據的基礎上訓練出來的，因此它們的模型中包含了人類在各種社交環境中相互交談和行為的基本要素。而在模擬遊戲這樣的互動數字環境中，這些反應可以被觸發，從而創造出栩栩如生的行為。
從玩家的角度來看，最終結果是更身臨其境的遊戲體驗。玩《模擬人生》或殖民地模擬遊戲《RimWorld》的樂趣很大程度上來自於意想不到的事情的發生。有了社交網絡的智能體行為，我們可能會看到模擬遊戲不僅展示出遊戲設計師的想像力，還反映了人類社會的不可預測性。觀看這些模擬遊戲可以像觀看下一代《楚門秀》一樣，給人們帶來無盡的娛樂，而這種娛樂方式是今天的預製電視或電影所無法實現的。
利用我們對”玩偶之家”遊戲想像力的渴望，特工本身也可以個性化。玩家可以根據自己或虛構的人物來設計一個理想的特工。 《Ready Player Me》讓用戶可以通過自拍生成自己的3D 頭像，並將頭像導入超過9000 款遊戲/應用程序中。 AI角色平台Character.ai、InWorld 和Convai 可以創建具有自己的背景故事、個性和行為控制的自定義NPC。
有了自然語言功能，我們與智能體互動的方式也得到了擴展。如今，開發人員可以使用Eleven Labs 的文本轉語音模型為其智能體生成逼真的聲音。 Convai 最近與英偉達合作推出了一個廣為人知的演示，其中玩家可以與AI拉麵廚師NPC 進行自然語音對話，並實時生成對話和匹配的面部表情。 AI 伴侶應用Replika已經允許用戶通過語音、視頻和AR/VR與伴侶交談。未來，人們可以想像一款模擬遊戲，玩家可以在旅途中通過電話或視頻聊天與他們的智能體保持聯繫，然後回到電腦後點擊進入更身臨其境的遊戲。
然而，在我們看到完全生成版的模擬人生之前，還有許多挑戰需要解決。 LLM 的訓練數據存在固有偏差，這些偏差可能會反映在智能體行為中。全天候實時服務遊戲運行大規模模擬的成本在經濟上可能並不可行，在2 天內運行25 個智能體需要花費研究團隊數千美元的計算費用。將模型工作負載轉移到設備上的努力很有前景，但仍相對較早。我們可能還需要圍繞與智能體之間的準社會關係制定新的規範。
但有一點是明確的，那就是目前對生成式智能體的需求巨大。在我們最近的調查中，61% 的遊戲工作室計劃嘗試使用人工智能NPC。我們認為，隨著智能體進入我們的日常社交領域，AI 伴侶很快就會變得司空見慣。模擬遊戲提供了一個數字沙盒，我們可以在其中以有趣和不可預測的方式與我們喜愛的AI伴侶互動。從長遠來看，模擬遊戲的性質很可能會發生變化，這些智能體不僅僅是玩具，而是潛在的朋友、家人、同事、顧問甚至戀人。
個性化定制
個性化遊戲的最終目標是為每個玩家提供獨特的遊戲體驗。例如，讓我們從角色創建開始——從最初的《龍與地下城》桌面遊戲到Mihoyo 的《原神》 ，幾乎所有角色扮演遊戲（RPG）的支柱都是角色創建。大多數RPG 允許玩家從預設選項中選擇自定義外觀、性別、等級等。那麼如何超越預設為每個玩家和遊戲過程生成一個獨一無二的角色呢？將LLM 與文本到圖像的擴散模型相結合的個性化角色構建器可以實現這一點。
Spellbrush 的《Arrowmancer》是一款由該公司定制的基於GAN 的動漫模型驅動的RPG 遊戲。在Arrowmancer 中，玩家可以生成一整套獨特的動漫角色，包括美術和戰鬥能力。這種個性化也是其貨幣化系統的一部分，玩家將AI 創建的角色導入定制的gacha 旗幟，在那裡他們可以獲得重複的角色來加強他們的隊伍。
個性化還可以延伸到遊戲中的物品。例如，AI可以幫助生成只有完成特定任務的玩家才能獲得的獨特武器和盔甲。 Azra Games 建立了一個由人工智能驅動的資產流水線，可以快速構思和生成大量的遊戲內物品和世界物品庫，為實現更多樣化的遊戲體驗鋪平道路。著名的AAA 級開發商動視暴雪建立了暴雪擴散（Blizzard Diffusion）系統，這是圖像生成器Stable Diffusion的翻版，可幫助生成各種角色和服裝的概念圖。
遊戲中的文字和對話也可以進行個性化處理。世界中的標誌可以反映玩家獲得的某種頭銜或地位。可以將NPC 設置為具有獨特個性的LLM 智能體，並根據玩家的行為進行調整。例如，對話可以根據玩家過去與智能體的行為進行更改。我們已經在一款AAA 級遊戲中看到了這一概念的成功實施，Monolith 的《魔多之影》中就有一個複仇系統，它可以根據玩家的行為為反派動態地創建有趣的背景故事。這些個性化元素使每次遊戲體驗都獨一無二。
遊戲發行商育碧（Ubisoft）最近披露了由LLMs 支持的對話工具Ghostwriter。如今，發行商使用該工具可以自動生成對話，幫助模擬玩家周圍的生活世界。
從玩家的角度來看，AI 增加了遊戲的沉浸感和可玩性。在《天際》和《俠盜獵車手5》等沉浸式開放世界遊戲中，角色扮演類mod 經久不衰，這表明了玩家對個性化故事的潛在需求。即使在今天，《俠盜獵車手5》中角色扮演服務器的玩家數量也一直高於原版遊戲。我們認為，在未來，個性化系統將成為所有遊戲中吸引和留住玩家的不可或缺的實時運營工具。
AI 敘事
當然，一款好的遊戲不僅僅只有角色和對話。另一個有意思的場景是利用生成式AI 來講述更好、更個性化的故事。
《Dungeons & Dragons》是遊戲中個性化敘事的鼻祖，在這款遊戲中，一個被稱為”地下城主”的人準備向一群朋友講述一個故事，這些朋友各自扮演故事中的角色。由此產生的故事既是即興戲劇，又是RPG 遊戲，這意味著每次遊戲都是獨一無二的。作為個性化故事講述需求的一個信號，今天的《Dungeons & Dragons》比以往任何時候都更受歡迎，數字和模擬產品的銷售量屢創新高。
如今，許多公司正在將LLM 應用於《Dungeons & Dragons》故事模式。其中的機遇在於，玩家可以在無限耐心的AI 故事講述者的引導下，在自己喜愛的玩家創作或IP 宇宙中盡情揮灑時間。 Latitude 的AI Dungeon於2019 年推出，是一款開放式、基於文本的冒險遊戲，其中AI扮演地下城主。用戶還對OpenAI 的GPT-4 版本進行了微調，以便玩《Dungeons & Dragons》，並取得了可喜的成果。 Character.AI 的文字冒險遊戲是該應用最受歡迎的模式之一。
Hidden Door則更進一步，根據特定的源材料集（例如《綠野仙踪》）訓練機器學習模型，讓玩家在既定的IP宇宙中進行冒險。通過這種方式，Hidden Door 與知識產權所有者合作，實現了一種新的、互動形式的品牌延伸。只要粉絲們看完一部電影或一本書，他們就可以通過類似於《Dungeons & Dragons》的定制活動，在自己喜愛的世界裡繼續冒險。粉絲體驗的需求正在蓬勃發展，僅在5 月份，Archiveofourown.org 和Wattpad 這兩個最大的在線粉絲小說庫的網站訪問量就分別超過了3.54 億次和1.46 億次。
NovelAI 開發了自己的LLM Clio，利用它在沙盒模式下講述故事，幫助人類作家解決寫作障礙難題。對於最挑剔的作家來說，NovelAI 可以讓用戶根據自己的作品，甚至是HP Lovecraft或Jules Verne等著名作家的作品對Clio 進行微調。
值得注意的是，在AI 故事製作完全就緒之前還有許多障礙。如今，要打造一個優秀的AI講故事者，需要大量的人為規則設定，以創造出定義好故事的敘事線。記憶和連貫性非常重要，講故事的人需要記住故事前面發生了什麼，並在事實和風格上保持一致。可解釋性對於許多以黑盒形式運行的封閉源代碼來說仍然是一個挑戰，而遊戲設計師則需要了解系統的行為方式，以改善遊戲體驗。
然而，在克服這些障礙的同時，AI 已經成為人類講故事者的“副駕駛”。如今，數百萬作家使用ChatGPT 為自己的故事提供靈感。娛樂工作室Scriptic 將DALL-E、ChatGPT、Midjourney、Eleven Labs 和Runway 與人類編輯團隊融合在一起，製作了互動式自選冒險節目，目前已在Netflix 上播出。
動態世界構建
雖然基於文本的故事很受歡迎，但許多玩家也渴望看到自己的故事以可視的方式栩栩如生地呈現出來。生成式AI 在遊戲中的最大機遇之一，或許是幫助創建玩家花費無數時間沉浸其中的生活世界。
最終的願景是能夠隨著玩家在遊戲中的進展實時生成關卡和內容。科幻小說《安德的遊戲》（Ender’s Game）中的”心靈遊戲”（Mind Game）就是這種遊戲的典型例子。心靈遊戲是一款由AI 指導的遊戲，能根據每個學生的興趣進行實時調整，遊戲世界會根據學生的行為和AI 推斷出的任何其他心理信息而不斷變化。
如今，與”智力遊戲”最接近的可能是Valve 的《Left 4 Dead》系列遊戲，該遊戲利用AI指導動態調整遊戲節奏和難度。 AI總監並沒有設定敵人（殭屍）的生成點，而是根據每個玩家的狀態、技能和位置，將殭屍放置在不同的位置，從而在每次遊戲中創造出獨特的體驗，總監還通過動態視覺效果和音樂來營造遊戲氛圍。 Valve 創始人加布-紐維爾（Gabe Newell）將這一系統稱為”程序化敘事”。 EA 廣受好評的《死亡空間》重製版使用了AI 導演系統的變體，將恐怖效果發揮到極致。
雖然這在今天看來可能只是科幻小說中的情節，但有朝一日，隨著生成模型的改進以及足夠多的計算和數據的獲取，我們有可能製造出一個不僅能製造驚嚇，還能製造世界本身的AI導演。
值得注意的是，遊戲中機器生成關卡的概念並不新鮮。從Supergiant 的《哈迪斯》（Hades）到暴雪的《暗黑破壞神》（Diablo），再到Mojang 的《我的世界》（Minecraft），許多當今最流行的遊戲都使用了程序生成技術，即使用由人類設計師運行的方程式和規則集隨機創建關卡，每次闖關都不相同。目前已經建立了一整套軟件庫來協助程序生成。 Unity 的SpeedTree 可幫助開發人員生成虛擬樹葉，您可能在《阿凡達》中潘多拉星球的森林或《Elden Ring》的景觀中見過。
一款遊戲可以將程序資產生成器與用戶界面中的LLM 結合起來。遊戲《Townscaper》使用程序系統，只需玩家輸入兩個信息（方塊的位置和顏色），就能將其快速轉化為絢麗的城鎮景觀。想像一下，在用戶界面中加入LLM 的Townscaper，通過自然語言提示，幫助玩家迭代出更加精細和精美的作品。
許多開發者還對利用機器學習增強程序生成的潛力感到興奮。有朝一日，設計師可以利用在風格相似的現有關卡上訓練出來的模型，反復生成可行的關卡初稿。今年早些時候，Shyam Sudhakaran 帶領哥本哈根大學的一個團隊創建了MarioGPT——一種GPT2 工具，它可以使用根據《超級馬里奧1》和《超級馬里奧2》的原始關卡訓練出來的模型生成超級馬里奧關卡。這一領域的學術研究已經有一段時間了，包括2018 年利用生成對抗網絡（GAN）設計第一人稱射擊遊戲《毀滅戰士》（DOOM）關卡的項目。
生成模型與程序系統配合使用，可以大大加快資產創建的速度。藝術家們已經開始將文本到圖像的擴散模型用於AI輔助的概念藝術和故事板製作。大型機視覺特效主管Jussi Kemppainen 在這篇博客中描述了他如何在Midjourney 和Adobe Firefly 的幫助下為一款2.5D 冒險遊戲構建世界和角色。
3D 生成技術也得到了大量研究。 Luma 利用神經輻射場（NeRFs），讓消費者可以通過iPhone 上捕捉的2D 圖像構建逼真的3D 資產。 Kaedim 採用AI和人工質量控制相結合的方法來創建可立即投入生產的3D 網格，目前已有超過225 家遊戲開發商在使用。 CSM 最近發布了一個專有模型，可以從視頻和圖像中生成3D 模型。
從長遠來看，使用AI模型進行實時世界構建才是最重要的。在我們看來，未來整個遊戲不再需要渲染，而是利用神經網絡在運行時生成。英偉達的DLSS 技術已經可以使用消費級GPU 即時生成新的高分辨率遊戲幀。也許有一天，你可以點擊Netflix 電影中的”互動”按鈕，然後步入每個場景都是即時生成並為玩家量身定制的世界。在未來，遊戲將與電影無異。
值得注意的是，動態生成的世界本身並不足以製作出一款優秀的遊戲，《無主之地》（No Man’s Sky）的評論就證明了這一點。動態世界的前景在於它與其他遊戲系統（個性化、生成智能體等）的結合，從而開啟新穎的故事講述形式。畢竟，”心靈遊戲”最引人注目的部分是它如何為埃德塑造自己，而不是世界本身。
AI“副駕駛”
雖然我們之前介紹過生成式智能體在模擬遊戲中的應用，但還有另一種新興的用例，即AI充當遊戲副駕駛，指導我們玩遊戲，在某些情況下甚至與我們並肩作戰。
對於復雜遊戲的玩家入門來說，AI副駕駛的作用不可估量。例如，像Minecraft、Roblox 或Rec Room 這樣的UGC 沙盒遊戲就是一個豐富的環境，玩家只要有合適的材料和技能，幾乎可以建造任何他們能想像到的東西。但學習門檻很高，大多數玩家都不容易找到入門方法。
AI副駕駛可以讓任何玩家成為UGC 遊戲中的建造大師，根據文字提示或圖片提供逐步指導，並指導玩家克服錯誤。樂高世界中的”建築大師”概念就是一個很好的參照物，這些稀有的人擁有天賦，能夠在需要時看到他們所能想像的任何創造物的藍圖。
微軟已經開始為《我的世界》開發AI輔助系統，該系統使用DALL-E 和Github Copilot，讓玩家能夠通過自然語言提示為《我的世界》會話注入資產和邏輯。 Roblox 正在積極地將人工智能生成工具整合到Roblox 平台中，其使命是讓”每個用戶都能成為創造者”。從使用Github Copilot 進行編碼到使用ChatGPT 進行寫作，AI副駕駛在共同創造方面的有效性已經在許多領域得到了驗證。
除了共同創作之外，根據人類游戲數據訓練的LLM 應該能夠理解在各種遊戲中的行為方式。通過適當的整合，智能體可以在玩家的朋友無法參與時充當合作夥伴，或者在《FIFA》和《NBA 2k》等正面交鋒遊戲中擔任另一方。這樣的智能體可以隨時參與遊戲，無論勝利還是失敗，都和藹可親，不會去指責玩家。根據我們的個人遊戲歷史進行微調，這樣的智能體可以大大優於現有的機器人，完全按照我們自己的方式進行遊戲，或者以互補的方式進行遊戲。
類似的項目已經在受限環境下成功運行。流行的賽車遊戲《Forza》開發了一個”Drivatar “系統，利用機器學習為每個人類玩家建立一個AI駕駛員，模仿他們的駕駛行為。 Drivatars被上傳到雲端，當人類夥伴離線時，可以調用Drivatars與其他玩家進行比賽，甚至還能獲得勝利積分。谷歌DeepMind 的AlphaStar 以”長達200 年”的《星際爭霸II》遊戲數據集為基礎進行訓練，創造出可以與人類電競高手對戰並擊敗他們的智能體。
AI副駕駛作為一種遊戲機制，甚至可以創造出全新的遊戲模式。想像一下《堡壘之夜》，但每個玩家都有一根”建築大師”魔杖，可以通過提示立即建造狙擊塔或火焰巨石。在這種遊戲模式中，勝負可能更多取決於魔杖的作用（提示），而不是瞄準槍支的能力。
遊戲中完美的AI“夥伴”一直是許多流行遊戲系列中令人難忘的一部分。例如《光環》宇宙中的Cortana、《最後生還者》中的Elle或《生化奇兵：無限》中的Elizabeth。對於競技遊戲來說，毆打電腦機器人永遠不會過時——從《太空入侵者》中的油炸外星人到《星際爭霸》中的對戰跺腳，最終都演變成了自己的遊戲模式“合作指揮官”。
隨著遊戲發展成為下一代社交網絡，我們預計AI 副駕駛將扮演越來越重要的社交角色。增加社交功能可以提高遊戲的粘性，這一點已經得到了充分證實，有朋友陪伴的玩家的留存率最高可提高5 倍。在我們看來，未來每款遊戲都會有一名AI副駕駛。
結論
在將AI應用於遊戲方面，我們還處於起步階段，許多法律、道德和技術方面的障礙都需要解決，然後才能將這些想法付諸實踐。目前，除非開發者能證明用於訓練模型的所有數據的所有權，否則使用人工智能生成資產的遊戲的法律所有權和版權保護在很大程度上還不明確。這使得現有特許知識產權的所有者很難在其生產流水線中使用第三方AI模型。
如何補償訓練數據背後的原作者、藝術家和創作者也是一個重大問題。目前面臨的挑戰是，大多數AI模型都是在互聯網的公共數據上訓練出來的，其中大部分都是受版權保護的作品。在某些情況下，用戶甚至能夠利用生成模型重現藝術家的風格。現在還為時尚早，內容創作者的補償問題還需要妥善解決。
目前大多數生成模型的成本太高，無法在雲中以24/7的全球規模運行，這是現代遊戲運營所需要的。為了降低成本，應用程序開發人員可能需要找到將模型工作負載轉移到最終用戶設備的方法，但這需要時間。
然而，目前顯而易見的是，遊戲開發者和玩家對遊戲生成式AI 有著極大的興趣。雖然也有很多炒作，但我們看到這個領域有很多有才華的團隊在加班加點地打造創新產品，這讓我們感到非常興奮。
機會不僅僅在於讓現有遊戲變得更快、更便宜，還在於開創出一種全新的AI 遊戲，而這在以前是不可能實現的。我們尚不清楚這些遊戲將以何種形式出現，但我們知道遊戲產業的歷史一直是技術推動新玩法形式的歷史之一。有了生成式智能體、個性化、AI敘事、動態世界構建和AI副駕駛等系統，我們可能即將看到由AI 開發者創造的第一款“永無止境”的遊戲。
