staid_谷歌Stadia总监详解：AI技术如何助力游戏研发？

原标题:谷歌体育场导演细节:人工智能技术如何帮助游戏研发？来源:谷歌经常谈论“下一个十亿用户”和其他事情，尤其是它的产品和功能将如何帮助他们进入公司的生态系统。体育场研发的创意总监艾琳·霍夫曼-约翰(Erin Hoffman-John)在最近接受外国媒体采访时表示，她的团队更关注“下一个十亿玩家”霍夫曼-约翰说，如果谷歌要接触这一群用户，它将从它提供给创造者的工具开始。

Hoffman-John说，“我们相信，为了让游戏能够接触到真正广泛的受众，并让所有类型的新入门开发者参与到这个过程中来，我们必须让游戏开发更加容易，让小团队更加高效。”

因此，霍夫曼-约翰的团队一直致力于机器学习的研究，以帮助解决开发人员遇到的一些常见难题和瓶颈。这个团队主要由游戏开发者和一些工程师组成，帮助将谷歌的一些现有技术应用到游戏创意原型中。

霍夫曼-约翰说，他们从“相当长期”的角度看待这项工作，甚至证明了他们探索的技术需要两到五年的时间，远远少于将其投放市场并用于发布游戏的时间。

她展示了一个名为奇美拉的项目，作为施塔迪亚研发团队的案例研究。有点像空中楼阁，这个想法是有一天机器学习工具可以让一个20人的开发团队构建一个庞大而复杂的游戏，像魔兽世界。但是霍夫曼-约翰很快就承认这有点遥远，所以她的想法是从使用机器学习来简化一些小项目的开发开始，比如“魔术聚会”的纸牌收集游戏(CCG)

霍夫曼-约翰指出，对于许多真正的CCG来说，大部分工作和预算都是由外包艺术家完成的，他们绘制和设计各种各样的卡片。霍夫曼-约翰说，在这样的战略游戏中，大约70%的开发时间和投资都花在重复的内容制作上，比如制作一些差异相对较小的怪物来填充游戏世界。

霍夫曼-约翰说，“这不是游戏开发者真正想做的创造性的事情。填写内容工作流程是你必须做的事情，它可以丰富游戏世界。”

所以，在做奇美拉项目时，斯塔迪亚的团队希望机器学习为他们创造这些怪物。该团队受到《这个人不存在》中使用的对抗性网络的启发，该网络使用了一种根据真实照片训练的机器学习模型来制作假照片。

霍夫曼-约翰说，奇美拉使用相同的规则。艺术家们创造了一些动物模型，并将CCG游戏卡的构成分成了一些规则:场景从上方照亮，生物以帧和动态姿势显示，相机的角度从下方来使它看起来更强大。然后他们使用一个机器学习模型来训练和识别高质量的手势，另一个模型可以找到每张卡片的背景风景图，并应用一个风格过滤器给它们一个手绘的外观。

把这些加在一起，奇美拉可以为开发者生成几十种不同的卡片。这时，艺术家们开始从呈现给他们的大量选择中挑选出他们最喜欢的，并告诉项目制作一张新的卡片来整合这些特征。这个工具也可以给他们微调生物学的能力，这无疑是非常必要的。

霍夫曼-约翰说:“如果我们让机器把动物粘在一起，你就会得到我们团队所说的噩梦燃料。”“他们很可怕，他们很可怕，但这不是我们想要的如果你让机器做它自己的事，它会给你一些远远超出艺术家意图的东西。因此，如果我们只想让开发人员更加强大，我们必须让他们知道如何非常具体地指导人工智能(为他们工作)。“

这些工具允许开发者调整混合和匹配的动物部分以形成奇美拉的合成品他们可以告诉系统给不同的部分添加翅膀，或者去掉翅膀，让一部分更像鸟，另一部分更像鱼。

霍夫曼-约翰称这个过程为“与机器对话”，而且它不是项目中唯一这样工作的部分。除了机器学习在资源创造中的应用，奇美拉还研究了它在游戏设计中的潜力。除了使用机器学习来帮助创建纸牌游戏的视觉效果，霍夫曼-约翰还依赖机器学习来通知纸牌游戏本身的游戏机制。

对于竞争性游戏，在产品发布给广大用户后，发现平衡问题并不罕见。对于有经验的开发者和游戏测试者来说，让游戏看起来平衡是一回事，但是对于数千万玩家来说，让游戏看起来平衡是一回事。对于成千上万的玩家来说，在游戏发布日寻求累积优势是另一回事。

霍夫曼-约翰说，机器学习可以帮助你，因为它可以用各种策略测试一个游戏几百万次，找出那些可能比设计者想要的更强大的策略。对于奇美拉，她故意创造了一个有问题的游戏系统，这个系统可能太强大或者很难测试，并使用机器学习模型来帮助改进它。

“有了这个系统，我可以尝试一些疯狂的事情，然后机器会告诉我什么是错的，用这些能力赢的概率是多少，然后我们可以削弱它们，”霍夫曼-约翰说。"我们可以做到这一切，而不必向玩家公布。"通常，你必须出版它，这将使人们不高兴，因为它将使人们感到这种能力有什么问题。因为这个系统太复杂了，我无法预测会发生什么。"

这不是机器学习应用于游戏研发的唯一例子。育碧软件在2018年谈到使用机器学习来测试“为了战争的精神”，但它与研发团队为简化研发过程而创造的技术是一致的。

奇美拉项目最明显的应用是为艺术家和游戏规划者设计的，但霍夫曼说，斯塔迪亚研发团队的目标是为游戏开发的所有方面找到机器学习的最佳方法。

“在我们的工作过程中，我们试图将[的发现提炼成使用机器学习本身的原则，”她说，“我不认为我们已经完全实现了我们的目标，因为我们仍在摸索。”但是一般来说，当你遇到需要成千上万种可能性的情况时，你需要一些帮助来把这些可能性变成你想要的，这就是机器学习的作用。你可以认为这是程序生成之后的下一步。在像无人深空这样的游戏中，你可以看到程序生成的局限性。"

所以，如果像斯塔德亚的R&D团队这样的实验已经产生了结果，机器学习甚至可以让小团队制作过去需要大型R&D团队的游戏，这会对游戏预算产生什么影响？霍夫曼-约翰说:“这给所有游戏的发展带来了一个有趣的宏观问题。”。"你可以假设我们只需要拨一个号码。"我认为这可能会成为现实，但是当你给开发者更多的能力时，他们很可能会做更多的事情。我不确定这个网络是否会降低成本，但这些成本将被用于其他事情，希望这将使游戏更好。"

无论如何，她强调说，机器学习对行业的整体影响在一段时间内还不为人所知，她的团队正在做的工作仍处于早期阶段。

“有很多事情我们不知道。霍夫曼说:“我想让我们兴奋的是，把这些东西交给开发者，看看他们是如何被创造性地使用的。”。"这也意味着所有这些事情都是遥远的."甚至我们都不知道该怎么办。我们只想把这些工具交给开发人员，看看他们想用它们做什么。"