15.1 游戏人工智能综述在线视频

今天是我们这个系列课应该最后一天了

然后今天我们的主要内容是

人工智能在游戏中的应用

然后今天我们这门课的一个最大特点就是

导师多啊

讲师多啊

讲师有四个

一度我认为讲师可能超过了学生

然后我们先介绍一下我是潘霖

来自于光子工作室群

第二位讲师呢

是林智超

来自天美工作室群

然后是赖贵雄自于天美工作室群

然后是晁阳

也是来自于光子工作室群

然后我们主要来自于两个的工作室群

然后主要负责的领域各有不同

大家在下面看到了

然后我们会负责四个部分

也是今天的主要的一个四部分内容

一部分是由我来讲一下一个概述

然后接下来是在游戏制作中

主要的方法和一些应用的时间

最后一部分是在游戏运营中的

一些应用实践

是这四个部分

那么在开始这4个部分之前呢

我想跟大家交流个问题就是

大家觉得为什么玩游戏

因为我们今天讲人工和游戏之间

人工智能

我们可能要拆开来

来考虑一下

就是游戏和人工智能

游戏是什么

人工智能是什么

那么游戏大家为什么玩

或者你觉得人们为什么玩游戏

大家自己如果玩游戏

也可以说自己可以从游戏中得到什么

为什么玩游戏

有些的范围其实也很广

比如说从棋牌足球

或到电子游戏

这些都属于游戏

可能你跟别人一些互动

他也会有一些游戏的成分在里面

大家有没有自己的一些想法

这两款游戏大家玩吗

不玩是吧 好吧

那么我们想探讨游戏是什么

为什么玩游戏其实主要的一个目的是想

了解一下游戏是什么

就是我觉得游戏

可能是用来

有人用它消磨时间

有人用它来社交

有人用它来挑战自我

来获得一些成就感

那么游戏可以满足我们很多这些需求

那么它是什么

那么我们认为可能游戏

一定有三方面的属性

一方面我们说它是一个科学

有计算机科学

有图像视觉

有物理模拟仿真学

也有后台的一些分布式

它一定有科学的因素在里面

同时呢

它也有艺术成分在里面

我们说游戏是要所谓第九艺术

它有图画

他有剧情

它有音乐

游戏它作为一个作品

也是设计者传递给玩家的一种理念

一种想法吧

那么第三

商业

并不是所有游戏都有商业的成分在里面

但是游戏这个行业

一定有商业的这个成分在里面

所以它一定是有这三方面属性的

那我们看人工智能可以给游戏带来什么呢

就是我们可能

了解了一下游戏是什么

我觉得人工智能作为一项技术

它给一个行业带来的

主要就是两个方面

一方面就是赋能

把以前不能做的事

现在能做了

比如说我们有了人工智能

可以有更真实的游戏

可以有更平衡的游戏

另外一方面

它可以提高开发效率

作为商业这个是

比较重要的

我们需要更快的开发速度

更低的开发成本

我们简单聊了一下游戏

那我们来看下人工智能

其实人工智能这几年非常火

大家可能也听到各种的报告

比如说AlphaGo

AlphaStar

AlphaGo在围棋领域战胜了人类啊

没过多久呢

AlphaStar在星际领域

也战胜了人类的高手

那么

我们看在

研究这些人工智能这些算法的时候

大家都会用一个游戏

来体现自己的能力

让它跟人类对战

来体现自己的能力

为什么这个学术界这么喜爱用游戏

那么我觉得游戏可以给人工智能带来了

至少有两点

一个就是丰富的数据和场景

因为游戏有各种各样的类型

就像我刚才说的

他有棋牌 有运动

也有现在数不胜数

应该是举不出来啊

没办法穷尽

那么第二呢

它是一个通用的

通用智能的一个最佳测试用例

如果我们想

做一个通用智能

那么它如果能玩所有人类已知的所有游戏

我们可以认为它就是个通用智能了啊

当然现在还做不到

那么讲到这里

大家可能也发现

人工智能和游戏还是很匹配的

大家互相都已经在自己各自领域应用作用

但是我们在

业界就是我们正在做游戏的

其实

我们反过来看科技上的

学术界的这些进步

并没有迅速的在业界进行落地

或者说落地的很不充分

它是有其中的原因和难点

我们来看看不匹配的地方

我觉得落地的时候

最重要的两个要素就是成本和效果

成本主要是三方面

训练 运维 时间

比如说你要训练它

人工智能需要数据

这些数据

你需要收集你需要预处理

你训练它的时候需要机器

这些大量的机器

需要人维护

最后就是你进行调参调优

这些也需要时间

总结下来

就是人时间钱

这些都是成本

另外一个呢

就是效果方面

我们说现在在很多

比较著名的领域

人工智能已经超越了人的智能

但是它还没有到一个通用智能的地步

所以在有些领域还是不行的

另外就是拟人程度

我们从学术界

我们从游戏界来看的话

其实智能并不一定是最关键的

我们很多时候不需要这个

人工智能太高的智能

在游戏中往往一个游戏角色

它智能的部分还没有它像人的部分多

我们需要它更像人

并不一定要它要多智能

比如说我们玩一个游戏

如果这个人工智能总是击败你

那可能你很快就不爱玩这个游戏了

因为你从来没有赢过

就像解了一道永远解不出来的题一样

第三个就是可控程度

我们说游戏它有艺术成分在里面

它是需要设计者传递自己的信息的

那么如果你都对这个人物智能不可控了

那我怎么来传递我的这个信息出去

所以这三个方面

那么我们下面以例子来说一下

因为我们是在第一线做游戏的

我们有一些例子

比如说麻将

因为前段时间微软是宣布

自己的一个人工智能已经达到了麻将的世界顶尖水平

也是一个突破

但是我们就拿麻将做个例子

它落地的时候有什么问题呢

就是目前我们在线上真的用了的时候

我们用的是

需要数据支持的这种人工智能训练方式

那么麻将玩法那么多

那么它每个玩法都要需要训练的话

它的成本一定是上来了

第二就是你需要数据的话

它对数据的要求很高

数据的质量高质量低

就决定了你的这个人工智能的水平

这是一个方面

然后下一个方面呢

我们看一下拟人

刚才说了

智能往往在

业界并不是最关注的

拟人可能是最关注的

我们需要它像人

但这里面可能有一个悖论

我举个例子就是

如果你在玩游戏的时候

我告诉你

对面那个你看到的这个虚拟

它是一个真人

那么它如果改变了主意

犯了错

你很难理解他

因为人都会犯错

人也会随时改变主意

但如果现在告诉你

它是个NPC

他是由AI控制的

它改变了主意

它犯了个错

你会告诉我这是个bug

这个就是人们的期望不同

它所

得到效果不同 也就是说如果你特别像人

并不一定别人认为你就是人

另外讲就是如何衡量人

其实学术界他一直都关注智能

他不是不太关注于拟人

所以如何衡量人这个事情

应该是在理论上没有一个

或者没有一个全面的解释吧

那么第三个我们再看一下

可控程度

我们来举个例子

比如说我们玩NBA

你的

队友或者对手

都有可能是由AI控制的

那么我们需要控制它的不仅是难度

我们还想有风格

每个人有每个人自己的风格

整个球队还有整个球队自己的风格

你怎么控制它

如果你做了一个不可控的一个AI

你这些都没有办法控制

所以这就是可控程度的重要性

那么我们

说到这里呢

我们也发现学术界和工业界

其实是有一个差距在这里

有个gap在这

那么归根结底的原因是什么呢

原因就是

手段和目的的互斥

什么意思呢

就是说学术界通用智能是它的目的

游戏是他的手段

它通过游戏提供数据和场景

达到它通用智能的这个目的

但在游戏界的

人工智能是手段

它最终是要的游戏体验

就因为角度不一样

虽然它们有很匹配的地方

但是由于角度不一样

中间还是有差距

那么我们今天的课程呢

其实不是站在学术的角度上来说了

我们是站在一个业界游戏界的角度来说

所以我们就

现在就站到游戏的这角度往外看

人工智能可以做什么

那么人工智能在游戏中的应用的主要有三个领域

第一个呢

就是玩游戏

这应该是大家最好理解的

不管是作为你的对手还是队友

第二个呢

就是游戏内容生成

这个是

可能比玩游戏

应用领域更广泛的一个

现在制作游戏

稍微大一点的游戏

可能有几百上千的团队

有很多的美术素材

关卡

地图等等

这些都需要人为来加工

这是很耗时和耗成本的

如果这些东西能够由人工智能生成

或者辅助生成

那它的效率提高

成本就下来了

这是游戏内容生成

第三个玩家建模

玩家建模什么意思呢

玩家建模

通俗一点讲就是衡量玩家体验

我们在做一款游戏的时候

我们要发布一款游戏

之前可能会让一批玩家过来玩一下

然后让他们提意见

就比如说

今天我们讲完课

可能大家提提意见说

哪里讲的好哪里讲得不好

游戏运营以后

玩家会有反馈上来

我们也需要

那个得到玩家对这个游戏的一些看法

他可能在变化

那么

衡量玩家体验可以理解为就是玩家建模

那么后面我们还是以这个例子来说

第一个例子

玩游戏

比如说QQ飞车

我们在很多地图的时候

可能人不够多

那么

我们如果有AI陪你一起玩这个游戏

那么你可以快速的

体验到这个地图

并且找到可能适合你这个难度的

这个因为玩游戏其实

应该是最直观

最好理解的一个场景了

那么下面看一下内容生成

这个是一个叫斗地主的残局

其实类似于象棋的残局

就是双方都是明牌

但你是一手烂牌

对方拿的一手好牌

你只有一种方式能够赢

其实和象棋一样

如象棋

其实双方也是都互相能看到对方的

其实这是个例子

就是说大家可以看看

它不允许三带二

其实就是它要求是比较高的

就是说当你作为设计者要设计这么一副牌的时候

首先你要自己是个明显的烂牌

对方是要一个好牌

同时你要有一种

只有一种方式能够赢它

所以如果让设计者

去想玩家可能是几千万

设计者可能就那么几个人

他想的速度和玩家破解的速度是不一样的

你是跟不上玩家这个速度

并且呢

我们还希望你的这个残局设计出来

是有难度的阶梯的

这个对设计者的要求就是极高了

那么

有没有办法用AI来做这个事情

那么第三个方面呢

就是说的玩家建模

这是我们一个运营期的一个游戏

可能有玩家有很多的

反馈

我没有办法自动的收集这些反馈

因为这个反馈是海量的

人去看去收集的话

成本是很高

你没办法

就是快速的来提炼出一些

这些反馈

然后这个是体验的一种方面

刚才其实在回到上一页的话

我们说衡量难度

也是一种典型的玩家建模

衡量玩家体验的一种方式

然后他这个同学其实已经说到了

就是说他说用反推呀

动态规划

那个穷举

这些其实都是人工智能的一个范畴

就我们讲人工智能并不是把它定义为机器学习

机器学习应该说是

他的方法之一

这幅图是一个发展史

然后是一个时间轴

我们从最老的

最古典的这种方法呢

Autonomy

现在方法或者机器学习的方法

智能水平越高的这种方法吧

它的自制性就越强

那可控性就下降

这些方法大家不用太过关注

那么基本上它分了三个时期

每个这个跳跃

算是一个时期

然后我举个例子

就是说啊

比如今天早上

我从我自己的旅馆

要到你们教室

那么我要怎么过来

在最古典的方法当中呢

我自己要画一个地图出来

然后规划出路线

我知道我的起点和目的地规划一条路线

人工智能做什么呢

我只能只做

我探测我现在在哪

然后根据人已经规划出来的路线

告诉我

你现在应该告诉我

现在应该直走左拐还是右拐啊

这是最古典的

人工智能只做一件事

探测我现在状态

然后告诉我下一步该怎么做

路线是我定好的

地图也是我画好的

所以这个就是有多少人工

才有多少智能

就是到下一步呢

就变成地图我画好

但是路线我不用规划了

人工智能可以帮我

标出路线

并且它

同时告诉我

探测我现在的位置

然后告诉我

现在该左走右走

它多做了一点事情

规划出这条路线

那么再到最现代的机器学习的话

你连地图都没有了

你什么都不需要给它

这个机器学习

它自己画出地图

自己找到 画出路线

然后并且告诉你下一步该怎么走

这个时候

它智能能力已经很强了

但是你对它的控制也很弱了

你不知道

它是哪条路线

也不知道它下一步要干什么

这就是一个

可控和智能在一定程度上会有一定的矛盾

那么

概述基本上就结束了

我们简单的总结一下

那么人工智能在游戏中应用的

主要的目的

游戏体验和开发效率

提高游戏体验和提高开发效率

它主要有三个方向

一个是玩游戏

作为队友或者对手

第二个内容生成

不管是美术素材

关卡

地图

第三个呢

就是玩家体验的衡量

然后刚才这位同学说的这些

其实都属于人工智能的部分

然后后面我们会

再主要讲一下这个里面的方法

并且举例

其实现在这位同学说的

说的方法它提供这个方案

是现在业界

最普遍使用的方案

还是占了绝大大多数

机器学习

目前在游戏中的应用的广度

还没有这些传统经典的方法多

好那么概述就基本结束了