作者 Michael Matuschek

前言

除了純粹的多人游戲（玩家體驗主要取決于真人對手），人工智能 (AI) 是游戲設計的根本支柱。然而，商業游戲設計中的人工智能與一般意義上的AI有有著云泥之別：AI在象棋、圍棋或星際爭霸等游戲中勢如破竹，輕松碾壓頂尖選手，而其在商業游戲中的應用則不然。這里的情況截然不同：如果AI所向披靡，則會很快讓玩家灰心泄氣；而若其能力不濟，無法與玩家勢均力敵，則會讓游戲索然無味。

有鑒于此，目前業界將目光放在了自適性AI上。這種技術能夠根據個別玩家的游戲風格及水平進行調整，為廣大玩家呈現既富挑戰又充滿成就感的體驗，即達到“興奮點”。這項所謂的“高度個性化”技術能夠吸引超廣泛的潛在玩家，從而取得豐碩的商業成果。

游戲中的AI

游戲中的AI主要用來操縱玩家之外的角色，比如確定敵人的攻擊套路。在早期的電腦游戲中，難度級別主要在于增加更多對手或增強對手的能力，讓其造成更多傷害或更快地移動。單純的腳本或規則限定了游戲形態，不免顯得機械枯燥—玩家的表現無足輕重，而游戲的版本決定了一切。在較為復雜的游戲（如 策略性游戲）中，這種蹩腳的AI也很常見，而其功用無非是為AI的缺陷“遮羞”： 通過獲得更多的初始資源或更快地構建單元，否則無法與一流的玩家相匹敵。

自適性人工智能，為玩家創造絕佳體驗

自適性AI的發展有賴于近年來的技術進步—現代計算機和游戲機的圖像質量大幅提升，AI本身也有了長足的進步。依托強勁的處理器和更大的內存，游戲領域的精良算法已今非昔比。云游戲的發展趨勢讓游戲AI的突飛猛進指日可待。Google Stadia或GeforceNow等服務通過寬帶直接將游戲串流到終端設備，讓游戲擺脫本地硬件的束縛。這樣游戲就能利用無限的云計算能力，實現高級的AI形態。

與玩家能力相匹配

鑒于這些技術發展，刻板的難度級別已顯得不合時宜。如今的挑戰在于打造既滿足不同玩家水平又具備不同風格的游戲。

玩家可分為兩類：“休閑”型—放松身心，注重游戲情節和視覺效果；“征服”型—尋求挑戰和成就感。

因此，如今的自適性AI已經能夠評估玩家的獲勝率（“輸掉游戲的百分比”），且用了哪些技巧獲勝（“首選的Y武器”這樣就不僅能夠調整AI對手的能力（比如讓其或多或少地虛發）， 還能夠調整其游戲策略。舉例來說，如果玩家喜歡用長程武器，AI對手就能改成徒手搏斗以增強挑戰性。

保持并增進沉浸式體驗

游戲設計的重點始終在于在游戲界面的界限內營造沉浸式的體驗。如果賽車游戲過于單調，設計者就應當讓對手少犯錯或更激進地超車，從而更加精彩程度。而一旦對手的車速突然超過此前約定的，玩家就會覺得有失公平，并很快失去興趣。

打造奇特的體驗

自適性AI會研習玩家的游戲行為，這也開啟了另一個可行方案，而且可讓游戲更加引人入勝：模仿玩家行為。比如，在賽車游戲中，AI可以模仿玩家車手的操縱方式。這讓普通玩家能夠在假定的實際比賽情境中與大咖對手短兵相接，一較高下。

再舉一個例子，電競的職業選手可以打造具有其獨特游戲風格的“AI化身”并進行商業銷售，這讓廣大玩家能夠與這位大咖切磋技藝，而不用實際參加對抗大咖的多人游戲。

這一全新AI模式的推出為現有的游戲平添了挑戰性，但也是增進游戲商業壽命的機會。這樣一來，即便玩家闖關成功或研究了所有策略，也不會對游戲喪失興趣。

總結

從刻板的難度級別到高級的自適應性AI算法，AI經歷了一段漫長的發展歷程。當前的目標在于，為廣大玩家提供滿意的體驗，延長游戲的壽命并實現最優的投資回報率。硬件以及云游戲服務方面的長足進步為高度個性化游戲，甚至獨特游戲風格“化身”開啟了無限可能，成就了獨一無二的游戲體驗。

Michael Matuschek是一位資深數據專家，來自德國杜塞爾多夫， 擁有計算機科學碩士學位和計算語言學博士學位， 曾從事過多個行業的各種自然語言處理項目和學術界的工作， 涵蓋的主題包括評論的情感分析、客戶電子郵件分類和本體富集。