AI 將如何打造一種全新的遊戲類型？

關於遊戲中的生成式 AI 革命的早期討論，主要集中在 AI 工具提高遊戲創作者的效率——構建速度更快、規模更大——的方式上面。事實如此，但我們相信，從長遠來看，最大的機會是，AI 不僅改變我們開發遊戲的方式，而且會改變遊戲本身的性質。

我們很高興看到，生成式 AI 有機會幫助創建全新的以 AI 優先的遊戲類別，並大幅擴展現有遊戲類型。

長期以來，AI 在創造新的遊戲形式方面發揮着重要作用——從《Rogue》的 procedurally generated dungeons（1980 年）到《半條命》的 finite-state machines（1998 年）再到《求生之路》的 AI game director（2008 年）。深度學習的最新進展使計算機能夠根據用户提示和大規模數據集生成新內容，進一步改變了遊戲的格局。

雖然還處於早期階段，我們已經看到了一些有趣的 AI 驅動的遊戲領域，生成式代理、個性化、AI 敍事、動態世界和 AI 副駕駛。如果成功，這些系統可以結合起來，創造新的以 AI 優先的遊戲，為遊戲玩家提供長期的娛樂、參與和吸引力。

生成式代理

模擬類遊戲始於 1989 年 Maxis 公司推出的《模擬城市》（SimCity），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》（The Sims），全球有超過 7000 萬玩家在日常生活中管理名為 “模擬人生”（Sims）的虛擬人類。設計師 Will Wright 曾將《模擬人生》形容為一個 “互動娃娃屋”。

生成式 AI 可以通過大型語言模型（LLM），賦予智能體更為逼真的行為，從而極大地推進模擬類遊戲的發展。

今年早些時候，斯坦福大學和谷歌的一組研究人員發表了一篇關於如何將 LLM 應用於遊戲中的代理人的論文。

在博士生 Joon Sung Park 的帶領下，研究團隊在一個像素藝術沙盒世界中設置了《模擬人生》的代理人，它們的行為由 ChatGPT 引導，並且使用 “將 LLM 擴展為存儲代理人完整經驗記錄的架構，使用自然語言合成這些記憶...形成更高層次的反思，並動態檢索它們以規劃行為”。

結果展示了模擬遊戲未來的潛力，令人着迷。從用户指定的一個建議開始，一名代理人想要舉辦情人節派對，代理人獨立地分發派對邀請，建立新的友誼，互相邀請約會，並協調在兩天後準時一起出現在派對上。

這種行為之所以成為可能，是因為 LLM 是基於社交網絡的數據進行訓練的，因此它們的模型包含了人們在各種社交環境中交談和行為的構建塊。在交互式數字環境（如模擬遊戲）中，可以觸發這些回應，從而創造出極為逼真的新式行為。

從玩家的角度來看，這帶來了更加沉浸式的遊戲體驗。玩《模擬人生》或殖民模擬遊戲《RimWorld》的樂趣很大程度上來自於意想不到的事情發生以及經歷情緒的高低起伏。

通過基於社交網絡的知識驅動的代理人行為，我們可能會看到模擬遊戲不僅反映了遊戲設計師的想象力，而且反映了人類社會的不可預測性。觀看這些模擬遊戲可能會成為下一部《楚門的世界》，以一種今天預先腳本化的電視或電影無法實現的方式，無休止地提供娛樂。

在滿足我們對富有想象力的 “玩偶屋” 遊戲的渴望方面，代理人本身也可以個性化。玩家可以根據自己或虛構角色的喜好來塑造一個理想的代理人。Ready Player Me 可以讓用户通過自拍生成自己的 3D 頭像，並將其導入到超過 9000 個遊戲/應用程序中。

AI 角色平台 Character.ai、InWorld 和 Convai 可以創建具有自己背景故事、個性和行為控制的自定義 NPC。想要創建一個與哈利·波特成為舍友的霍格沃茨模擬遊戲？現在你可以實現了。

憑藉其自然語言能力，我們與代理人的互動方式也得到了擴展。現在，開發人員可以使用 Eleven Labs 的文本轉語音模型，為其代理人生成逼真的聲音。Convai 最近與英偉達合作展示了一個廣為人知的演示，玩家可以與一個 AI 拉麪大廚 NPC 進行自然語音對話，對話和相應的面部表情是實時生成的。

AI 伴侶應用 Replika 已經可以讓用户通過語音、視頻和 AR / VR 與他們的伴侶進行對話。未來，我們可以設想這樣一款模擬遊戲，玩家可以在外出時通過電話或視頻聊天與代理人保持聯繫，然後在回到電腦時點擊進入更加沉浸式的遊戲體驗。

需要注意的是，在我們看到完全生成式的《模擬人生》之前，還有許多問題需要解決。LLM 的訓練數據中存在固有偏見，這可能會反映在代理人的行為中。

在雲端運行大規模模擬以進行 7 天 24 小時的在線服務遊戲可能在經濟上並不可行——在 2 天內操作 25 個代理人的成本讓研究團隊花費了數千美元的計算費用。

將模型工作負載移至設備上的做法是有希望的，但仍處於相對早期階段。我們還需要找到代理人社會關係相關的新規範。

然而，有一件事是明確的——當今對於生成式代理人有巨大的需求。根據我們最近的調查，61% 的遊戲工作室計劃嘗試使用 AI 非玩家角色。我們認為 AI 伴侶將很快成為常見現象，代理人將進入我們日常的社交圈子。

模擬遊戲提供了一個數字沙盒，我們可以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，反映出這些代理人不僅僅是玩具，而且可能成為朋友、家人、同事、顧問，甚至情人。

個性化

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，我們從角色創建開始講起 –從最初的龍與地下城（D&D）桌面遊戲到米哈遊的《原神》，個性化幾乎所有角色扮演遊戲（RPG）的基石。大多數 RPG 都允許玩家從預設選項中自定義外貌、性別、職業等。

但是，如果你能越過預設，為每個玩家和遊戲過程生成一個獨特的角色，會發生什麼？結合 LLM 和文本到圖像擴散模型（如 Stable Diffusion 或 Midjourney）的個性化角色構建器可以實現這一目標。

Spellbrush 的《Arrowmancer》是一款 RPG 遊戲，由該公司基於自定義生成對抗網絡（GAN）的動漫模型驅動。在《Arrowmancer》中，玩家可以創建一整組獨特的動漫角色，包括藝術風格和戰鬥能力。這種個性化也是遊戲變現系統的一部分——玩家將由 AI 創建的角色導入到自定義的扭蛋橫幅中，可以獲取重複的角色來加強他們的團隊。

個性化還可以延伸到遊戲中的物品。例如，AI 可以幫助生成僅供完成特定任務的玩家使用的獨特武器和裝甲。Azra Games 已經建立了一個由 AI 驅動的資產流程，可以快速構思和生成大量遊戲內物品和世界物體，為更多樣化的遊戲過程鋪平道路。

著名 AAA 開發商 Activision Blizzard 構建了 Blizzard Diffusion，這是一個基於圖像生成器 Stable Diffusion 的變種，用於幫助生成角色和服裝的各種概念藝術。

遊戲中的文本和對話也已經成熟，可以實現個性化。（遊戲）世界中的標誌可以反映玩家獲得特定頭銜或地位（“通緝殺人犯！”）。NPC 可以被設置為由 LLM 驅動的代理人，具有玩家獨特的個性，根據玩家與代理人過去的互動而改變對話。

我們已經在一個 AAA 遊戲中成功看到了這個概念——Monolith 的《中土世界：暗影魔多》（Shadow of Mordor）有一個敵人系統，根據玩家的行動動態創建有趣的反派背景故事。這些個性化元素使每個遊戲過程都獨一無二。

遊戲發行商育碧最近推出了 Ghostwriter，一種由 LLM 驅動的對話工具。現在，該發行商的作家們使用該工具生成背景閒聊和吠聲（觸發事件時的對話片段），幫助模擬玩家周圍的現實世界。通過微調，像 Ghostwriter 這樣的工具可能還可以用於生成個性化的吠聲。

從玩家角度來看，所有這些個性化的淨影響是雙重的：它增加了遊戲的沉浸感和可重複性。《上古卷軸》（Skyrim）和《俠盜獵車手 5》（Grand Theft Auto 5）等沉浸式開放世界遊戲的角色扮演模組的持久流行性，表明着（遊戲市場）對個性化故事的潛在需求。

即使在今天，《俠盜獵車手》角色扮演服務器中的玩家人數也始終比原版遊戲高。我們預見未來的個性化系統將成為吸引並保留玩家的長期運營工具，適用於所有類型的遊戲。

AI 敍事故事

當然，一個好遊戲不僅僅包括角色和對話。另一個令人興奮的機會是利用生成式 AI 來講述更好、更個性化的故事。

個性化敍事遊戲中的鼻祖是龍與地下城（D&D），一個被稱為 “地牢主” 的人，為一羣朋友準備並敍述一個故事，每個人在故事中扮演一個角色。結果產生的敍述既是即興劇場又是角色扮演遊戲，這意味着每次遊戲過程都是獨一無二的。

作為個性化敍事需求的信號，D&D 如今從數字產品到模擬產品都創下了銷售記錄，變得越來越受歡迎。

如今，許多公司正在將 LLM 應用於 D&D 的敍事模式。機會在於，讓玩家能夠在無限耐心的 AI 敍述者的指導下，在自己喜愛的玩家設計或 IP 宇宙中度過儘可能多的時間。

Latitude 於 2019 年推出了 AI Dungeon，一個開放式的基於文本的冒險遊戲，其中 AI 扮演地牢主。用户還對 OpenAI 的 GPT-4 進行了微調，以進行 D&D 遊戲，並取得了令人滿意的結果。Character.AI 的文本冒險遊戲是該應用程序最受歡迎的模式之一。

Hidden Door 則更進一步，使用其機器學習模型訓練特定的一組源材料——例如《綠野仙蹤》（Wizard of Oz），使玩家可以在已建立的知識產權宇宙中冒險。

通過這種方式，Hidden Door 與知識產權所有者合作，為新的互動式品牌延伸形式鋪平了道路。一旦粉絲完成了一部電影或一本書，他們就可以在自己喜愛的世界中繼續冒險，開啓個性化 D&D 式戰役。

而粉絲體驗市場需求正在蓬勃發展——兩個最大的在線同人小説平台 Archiveofourown.org 和 Wattpad 僅在 5 月就吸引了超過 3.54 億和 1.46 億次網站訪問。

NovelAI 開發了自己的 LLM Clio，以沙盒模式講述故事，並幫助人類作家解決創作障礙。對於最挑剔的作家，NovelAI 使用户可以微調 Clio 以適應他們自己的作品或著名作家（如 H.P. Lovecraft 或 Jules Verne）。

值得注意的是，在 AI 敍事完全準備好投入生產之前，仍然有許多障礙需要克服。開放式的 AI 很容易偏離軌道，這在增加趣味性的同時使遊戲變得難以控制。構建一個優秀的 AI 敍述者今天需要大量的人為規則設置，以創建定義良好的敍事弧線。

記憶和連貫性很重要——敍述者需要記住故事中早期發生的事情，並保持一致性，無論是事實上還是文體上。解釋性對於許多閉源 LLMs 仍然是一個挑戰，因為它們作為黑匣子運行，而遊戲設計師需要了解系統為什麼以此方式運作，以改進體驗。

然而，雖然這些障礙正在被克服，但作為人類敍事者的 AI 副駕駛員已經到位。今天，數百萬作家使用 ChatGPT 為自己的故事提供靈感。

娛樂工作室 Scriptic 利用 DALL-E、ChatGPT、Midjourney、Eleven Labs 和 Runway 以及一支人類編輯團隊混合使用，構建了互動的選擇自己的冒險節目，已經在 Netflix 上播出。

動態世界構建

雖然基於文本的故事在遊戲中很受歡迎，但許多玩家也渴望他們的故事在視覺上變得栩栩如生。生成式 AI 在遊戲中最大的機會之一，可能在於幫助創建玩家花費數小時的活力世界。

雖然今天還不可行，但一個經常被提及的願景是在玩家遊戲過程中實時生成關卡和內容。這個遊戲的經典例子是科幻小説《安德的遊戲》中的 “心靈遊戲”。

心靈遊戲是一個由 AI 指導的遊戲，根據每個學生的興趣實時調整，（遊戲）世界根據學生的行為和其他心理信息不斷演化。

目前，最接近 “心靈遊戲” 的例子可能是 Valve 的《求生之路》系列 - 它利用 AI 導演來動態調整遊戲節奏和難度。AI 導演並不為敵人（殭屍）設置生成點，而是根據每個玩家的狀態、技能和位置，在不同的位置放置相應數量的殭屍，為每次遊戲過程創造獨特的體驗。

導演還通過動態視覺效果和音樂來烘托遊戲的氛圍（換句話説，非常可怕！）。Valve 的創始人 Gabe Newell 將這個系統稱為 “程序化敍事”。

EA 備受好評的《死亡空間重製版》使用了 AI 導演系統的一個變種來最大化恐怖效果。

雖然這在今天看起來可能是科幻小説的範疇，但可能有一天，隨着生成模型的改進和足夠的計算資源和數據，我們會構建一個能夠生成世界本身的 AI 導演。

值得注意的是，機器生成關卡的概念在遊戲中並不新鮮。許多當今最受歡迎的遊戲，從 Supergiant 的《Hades》到 Blizzard 的《暗黑破壞神》再到 Mojang 的《我的世界》，都使用了程序化生成的技術，即使用人類設計師運行的方程和規則集來在每次遊戲過程中隨機創建不同的關卡。

已經構建了一整套軟件來輔助程序化生成。Unity 的 SpeedTree 幫助開發人員生成虛擬植被，你可能在《阿凡達》中的潘多拉森林或《埃爾登法環》的風景中見過。

遊戲可以將程序化資產生成器與用户界面中的 LLM 相結合。遊戲《Townscaper》使用程序化系統，通過兩個玩家輸入（方塊放置和顏色）即可實時將它們轉化為華麗的城鎮景觀。

想象一下，如果在《Townscaper》中添加了一個 LLM，通過自然語言提示幫助玩家迭代出更加細緻和美麗的創作。

許多開發者對將程序化生成與機器學習相結合的潛力感到興奮。未來，設計師可以使用一個在類似風格的現有關卡上進行訓練的模型，逐步生成可行的關卡初稿。

今年早些時候，Shyam Sudhakaran 領導的哥本哈根大學團隊創建了 MarioGPT——一個使用在 Super Mario 1 和 2 的原始關卡上進行訓練的模型，可以生成 Super Mario 關卡的 GPT2 工具。

這個領域已經有了一些學術研究，包括這個 2018 年的項目，使用生成對抗網絡（GAN）設計第一人稱射擊遊戲 DOOM 的關卡。

與程序化系統協同工作，生成模型可以大大加快資產創建的速度。藝術家們已經開始使用文本到圖像擴散模型進行 AI 輔助概念藝術和故事板繪製。

Mainframe VFX 的領導 Jussi Kemppainen 在這篇博客中描述了他如何藉助 Midjourney 和 Adobe Firefly 為一款 2.5D 冒險遊戲構建世界和角色。

3D 生成領域也正在進行大量的研究。Luma 使用神經光輻射場（NeRFs）使消費者能夠從在 iPhone 上捕獲的 2D 圖像構建逼真的 3D 資產。

Kaedim 使用 AI 和人類在環質量控制的混合方式創建可供生產使用的 3D 網格，目前已被至少 225 多家遊戲開發商使用。CSM 最近發佈了一款可以從視頻和圖像中生成 3D 模型的專有模型。

從長遠來看，AI 模型實時構建世界是最終目標。我們看到了一個潛在的未來，即整個遊戲不再渲染，而是使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 實時生成更高分辨率的遊戲畫面。有一天，你可能可以在 Netflix 上點擊 “互動”，然後進入世界，在每個場景中實時生成併為玩家獨特個性化。在這個未來，遊戲將與電影無法區分。

值得注意的是，單獨動態生成的世界並不能使遊戲變得好玩，就像《無人深空》在發佈時擁有超過 1800 億個程序生成的星球一樣，卻受到了批評。

動態世界的潛力在於與其他遊戲系統——個性化、生成代理等的結合，以解鎖新形式的敍事。畢竟，《心靈遊戲》最引人注目的部分是它是如何根據安德的特點塑造自己的，而不僅僅是世界本身。

每個遊戲都有一個 AI 副駕駛員

雖然我們之前介紹了生成代理在模擬遊戲中的使用，但還有另一個新興的應用場景——AI 遊戲副駕駛員，指導我們的遊戲並在某些情況下與我們一起玩遊戲。

對於引導玩家適應複雜遊戲，AI 副駕駛員可能非常重要。例如，像《我的世界》、Roblox 或 Rec Room 這樣的 UGC 沙盒遊戲是豐富的環境，玩家可以根據他們的想象力建造幾乎任何東西，如果他們有正確的材料和技能。但是，對大多數玩家來説，弄清楚如何開始並不容易。

AI 副駕駛員可以使任何玩家成為 UGC 遊戲中的大師建築師——根據文本提示或圖像提供逐步指導，並引導玩家避免錯誤。一個合適的參考點是樂高宇宙中的 Master Builders 的概念 - 這些罕見的人才有能力在需要時看到他們可以想象的任何創作的藍圖。

微軟已經在為《我的世界》開發一個 AI 副駕駛員 - 它使用 DALL-E 和 Github Copilot，通過自然語言提示使玩家能夠將資產和邏輯注入《我的世界》會話中。

Roblox 正在積極將生成式 AI 工具集成到 Roblox 平台中，使 “每個用户都能成為創作者” 的使命。AI 副駕駛員在共創方面的有效性已經在許多領域得到證明，從使用 Github Copilot 進行編碼到使用 ChatGPT 進行寫作。

除了共同創造之外，接受過人類遊戲數據進行訓練的 LLM，應該能夠理解如何在各種遊戲中表現。通過適當的集成，一個代理可以在玩家的朋友不在時，充當合作伙伴的角色，或者在 FIFA 或 NBA 2k 等對抗遊戲中扮演對立的一方。

這樣的代理將始終可用於遊戲，無論勝利還是失敗都非常友好，永遠不會批評（玩家）。根據我們個人的遊戲歷史進行微調，代理可以比現有的機器人更強大，以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中成功運行。熱門賽車遊戲《Forza》開發了一個 Drivatar 系統，使用機器學習為每個人類玩家構建一個模仿他們駕駛行為的 AI 駕駛員。

Drivatars 被上傳到雲端，並可以在他們的人類搭檔離線時召喚他們與其他玩家比賽，甚至為勝利贏得積分。谷歌 DeepMind 的 AlphaStar 使用了多達 “200 年” 的《星際爭霸 II》遊戲數據集來創建可以在遊戲中打敗人類電子競技專業選手的代理。

AI 副駕駛員作為一種遊戲機制，甚至可以創建全新的遊戲模式。想象一下《堡壘之夜》，但每個玩家都有一個可以通過提示瞬間建造狙擊塔或燃燒巨石的大師建築師魔杖。在這種遊戲模式中，勝利可能更多地取決於魔杖的運用（提示）而不是瞄準槍。

完美的遊戲 AI“夥伴” 的夢想已經成為許多熱門遊戲系列中令人難忘的一部分——只需看看《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。對於競技遊戲來説，虐待電腦機器人從來都不過時 - 從《太空侵略者》中炸滅外星人到《星際爭霸》中的 “計算機碾壓”，最終變成了合作指揮官的遊戲模式。

隨着遊戲逐漸演變成為下一代社交網絡，我們預計 AI 副駕駛員將在教練和/或合作伙伴方面發揮越來越重要的社交角色。

已經有大量研究表明，添加社交功能可以提高遊戲的粘性 - 擁有朋友的玩家的留存率可能提高了 5 倍。我們看到這樣一個未來，在每個遊戲中都有一個 AI 副駕駛員——遵循 “單獨好，與 AI 合作更好，與朋友一起最棒” 的口號。

總結

在將生成式 AI 應用於遊戲方面，我們仍處於早期階段，在大多數想法投入生產之前，許多法律、倫理和技術難題需要解決。

如今，具有 AI 生成資產的遊戲的法律所有權和版權保護在很大程度上尚不明確，除非開發人員能夠證明對訓練模型使用的所有數據擁有所有權。這使得現有知識產權特許經營權的所有者很難在其生產流程中利用第三方 AI 模型。

人們還擔心如何為訓練數據的原始作者、藝術家和創作者提供補償。挑戰在於，當下大多數 AI 模型都是使用來自互聯網的公共數據進行訓練的，其中許多是受版權保護的作品。

某些情況下，用户甚至可以使用生成模型去重新按照藝術家的風格進行創作。現在還為內容創作者的補償問題進行適當的解決仍處於早期階段。

最後，大多數生成模型在現階段在雲端以 7 天 24 小時、全球規模運行成本昂貴。為了實現具有成本效益的擴展，應用程序開發人員可能需要找到將模型工作負載轉移到終端設備的方法，但這需要時間。

然而，目前明確的是，在生成式 AI 用於遊戲方面存在着巨大的開發者活動和玩家興趣。雖然存在許多炒作，但我們對這個領域中許多才華橫溢的團隊充滿期待，他們正加班加點，構建創新的產品和體驗。

機會不僅僅在於使現有遊戲更快、更便宜，而且在於解鎖一種以 AI 為先的新遊戲類別，這在以前是不可能的。我們不知道這些遊戲會以何種形式出現，但我們知道，遊戲業的歷史一直是技術推動新玩法的歷史。

潛在的獎勵是巨大的——通過生成代理、個性化、AI 敍事、動態世界構建和 AI 副駕駛員等系統，我們可能正在臨近由 AI 先進的開發人員創建的第一個永不結束的遊戲。

本文翻譯自Andreessen Horowitz（a16z）官網，作者：Jonathan Lai，原文標題：《The NeverEnding Game: How AI Will Create a New Category of Games》