很长时间以来，我们在游戏中会遇到或弱智或强力的机器人对手（AI 玩家），它们有时候枪法神准，有时候走位愚蠢。但分辨它们其实很简单，无论我们如何赞赏或喷它们，他们都不会回应，深藏功与名。不过，这种情况可能会发生改变，不久之后，在游戏里面乱杀的高级机器人玩家，很可能一边玩，一边在游戏里发「干得漂亮」搞队友心态，增加（并不）游戏体验。
《卫报》这篇《Think, fight, feel: how video game artificial intelligence is evolving》预示着，以后我们或许分不清游戏里的玩家是真人还是机器人了，它们可能会在你点投降的时候鼓励你：稳住，我们能翻盘。
但这还远远不够。
今年 5 月索尼 CEO 吉田宪一郎发表了一个有意思的声明：他们的人工智能研究部门 Sony AI 将与 PlayStation 开发者合作，创建机器人 AI 玩家。这没啥新意，关键是他提到「通过利用强化学习，我们正在开发可以成为玩家对手或同伴的游戏 AI 。」强化学习是机器学习的一个领域，人工智能在其中能够通过反复试验有效地自学如何作出反馈。
简而言之，这些机器人玩家将模仿人类玩家。某种程度上来讲，他们（它们）会思考。
这只是人工智能在电子游戏开发中不断迭代和发展的最新例子。随着开放世界游戏变得越来越复杂和宏大，如今已经拥有数百个角色和多个相互交织的故事。开发人员必须构建起能够产生智能的、有反应的、有创造力的角色应对突发情况的系统。
游戏开发商 Monolith 创建了广受好评的 Nemesis AI 系统，让游戏里的敌人记住它们与玩家的战斗，然后在整个冒险过程中制造血腥和仇恨，也就是说，游戏角色不再健忘，而会记仇。最近的游戏《看门狗》为玩家和与之互动的每一位伦敦市民生成了生活故事、人际关系和日常生活。因此，如果有一天玩家挽救了一个角色的生命，那么他们最好的同伴很可能会在下一天加入玩家的阵营。对的，游戏角色不光会记仇，也会报恩。
如何自动而随机地让游戏角色和玩家产生互动和故事其实也不是什么难事，之前文本冒险游戏 AI Dungeon 使用 OpenAI 的自然语言建模器 GPT-3 来创建新出现的叙事体验。也就是说，电脑现在自己会写故事了。
不过人工智能领域存在多样性问题，主要是女性和有色人种比例不高。纽约大学 2019 年发表的研究发现，在重大活动中发言的人工智能教授中 80% 是男性，Facebook 的人工智能研究人员中只有 15% 是女性，而在谷歌只有 10%。科技行业有色人种的统计数据更糟：谷歌只有 2.5% 的员工是黑人；Facebook 也只有 4%。这种同质化工作文化的风险在于，性别和种族偏见可能会不受控制地影响 AI 算法，产生的结果会复制根深蒂固的不平衡和偏见。
在过去的五年里，已经有很多这样的例子，比如有些面部识别系统会歧视有色人种；或者是人工智能招聘工具表示更喜欢男性应聘者。
其实，电子游戏开发也存在类似的同质性问题，如果我们未来看到人工智能生成了多样化的角色和故事，开发人员是否也需要考虑让背后的团队实现多样化呢？电脑自己写的故事和剧情，会不会总是两个美国男人之间的故事？对不起，我们比较喜欢看《美国丽人》，而不是《美国男人》。
虽然现状不太乐观，不过游戏界已经意识到这个问题，然后开始解决了。
Uma Jayaram 是美国艺电公司创新与应用研究团队 SEED 总经理，作为一名女性高管，她天然是支持多样性的。另外，作为一名有影响力的科技企业家，她曾从事云计算、虚拟现实和大规模数据以及人工智能领域的工作，身份，影响力和工作属性让她寻求组建自己的全球团队。最终，她团队成员位于瑞典、英国、加拿大和美国，并有着不同的性别、种族和文化。她说：
一个多元化的团队能够融合多种观念，然后更标杆产品（游戏）的可能性也就更大。这种标杆游戏还可以让我们眼光广阔，识人知人，增强我们的同理心。电子游戏在某种程度上是我们物理世界的延伸，是人们消磨时间体验快乐的地方，这种体验可以回溯到自我和社区的集体意识中。因此，面对这种绝佳的机会，我们有两种方式引入多样性：让设计和构建这些世界的团队实现多样性，以及让正在创建的世界和居住在其中的居民实现多样性。
美国艺电公司目前正在研究开发系统，该系统可以通过机器学习从视频和照片中复制面部表情、皮肤类型和身体动作等，不再需要将演员带入动作捕捉工作室中。
从理论上讲，这应该会扩大游戏中可以产生的性别和种族范围。Jayaram 表示，艺电公司致力于在其研发项目中使用多样化的数据。该公司还在考虑在游戏中使用用户生成的内容，并允许玩家通过在智能手机或网络摄像头上捕捉自己的肖像和表情，并将其上传到游戏中，从而制作出独特的头像。
这种小功能我们并不陌生，关键是我们愿不愿意上传我们的面部数据。
强调多样化的数据的重要性，是因为它实际上是在纠正大众了对人工智能的一个误解：它在某种程度上是客观的，因为它是计算的结果。
实际上，AI 算法依赖于数据，如果该数据来自单个人口统计数据，那么它将反映该群体的偏见和盲点。
「我们习惯于把人工智能看作物理引擎或多人游戏代码，有时看作是一些发生在幕后的技术，」人工智能研究员和游戏开发者 Michael Cook 说。「但今天的人工智能是创造性工作的一部分。它控制着《模拟人生》中 AI 人的行为和相处；它会在《卡德洞窟》和《Ultima Ratio Regum》这样的游戏中产生文化和宗教，它也会是《看门狗》游戏中政治声明的一部分。人工智能工程师对玩家的责任与编剧和设计师一样大。他们能创造快乐体验，也可以制造男默女泪的伤害，即便他们并不撰写剧情。比如最近文字冒险游戏 AI Dungeon 就在没有任何警告的情况下生产了可能对玩家造成伤害的故事。
在微软，该公司位于剑桥的人工智能研究团队正在进行几项关于机器学习和游戏的研究，包括名为 Paidia 项目，该项目正在研究强化学习在游戏人工智能代理中的应用，比如 AI 代理可以与人类玩家协作。
微软还看到了玩家建模的潜力——人工智能系统通过观察人类玩家在游戏世界中的行为来学习如何行动和反应。只要您拥有广泛的玩家基础，这就可以成为增加输入 AI 学习系统的数据多样性的一种方法。微软在剑桥的首席研究员 Katja Hofmann 说：
下一步将是经过训练以提供更多样化或更人性化的角色。机器人玩家向人类玩家学习的场景是最具挑战性的场景之一，但也是最令人兴奋的方向之一。
和前文几位游戏业内人士观点类似，Katja Hofmann 也在强调：人工智能技术不会自动带来多样化的游戏体验。开发者和创作者需要选择如何使用人工智能技术，这些选择决定了由此产生的角色和体验是否反映多样性。
不管是星际争霸中的机器人对手，或者是 AlphaGo 或者腾讯绝悟这样的围棋 AI，游戏行业都倾向于把人工智能设计成对抗系统，人工智能的作用是创造更强的对手或者队友。但如果我们把目光放远一点，我们确实看到了其他选择。Coder 和纽约大学教授 Mitu Khandaker 与技术专家 Latoya Peterson 一起建立了她的 Glow Up Games 工作室，为不同的观众制作社交叙事游戏。该团队目前正在开发 Insecure: The Come Up Game，这是一款基于热门 HBO 剧集的手游，可以让玩家探索角色之间的关系。
开发工作室 Tru Luv 之前创建了大受欢迎的 Self-Care 应用程序，如今他们正在开发反映公司自身多样化、进步和支持性工作室文化的人工智能技术。这个工作室创始人 Brie Code 说他们公司目前有三分之一的黑人、土著和有色人种，三分之二的女性，决策团队是 100% 女性，董事会是三分之一的 BIPOC（黑人、原住民和有色人种）和三分之二的女性，他们与来自巴基斯坦、突尼斯和摩洛哥等新兴发展社区的顾问和合作伙伴开展合作。
与 Khandaker 一样，Code 认为多元化的劳动力不仅可以消除传统游戏中存在问题的偏见，还可以开发新的互动体验。「多年来，游戏行业一直专注于人类心理学的一小部分，」她说。「它非常擅长创造帮助人们感受到成就感或支配感的体验。由多元化劳动力创造的游戏 AI 将为 NPC 和代表人类体验的广度和深度的体验带来生命。我们会看到更多的非零和体验、更多的同情心、更多的情感共鸣、更多的洞察力、更多的超越。我们将会看到全新的游戏形式，它会更加调动玩家创造力、热爱和快乐的感觉，而不仅仅是胜利与支配感。」
现在游戏主机和高端 PC 有着更强大的计算能力，人工智能系统的复杂性也将随之增加。开发人员将探索自然语言处理、玩家建模和机器学习等元素，以开发富有想象力的、反应式的人工智能角色。其中的关键问题，就是上面说到的，多样性的问题。Mike Cook 说因为 AI 研究领域的人员构成问题，我们错过了很多的想法和观点。
多样性不仅仅是为了避免错误或伤害——它是关于新的想法、不同的思维方式和新的声音。游戏 AI 多样化意味着聪明的人可以将他们的想法付诸实践，这意味 AI 不仅将以全新方式出现在游戏里。还可能意味着新的游戏类型呼之欲出。
所以，回到标题所说，AI 在游戏里像真人那样和玩家交流对话其实并不重要，重要的是，AI 以何种身份与玩家交流对话……
涉及观点仅代表个人，与本站立场无关。本站不对内容的真实性及完整性作任何承诺。
微信扫一扫 
支付宝扫一扫