姿势分子：当AI学会思考 我们还能欢乐地玩游戏么？

  前面提到，如今的游戏内容跟AI策略就是题库与答案的关系，那么这里就有几个问题：要是题库太大呢?要是答案有错漏呢?都是标准答案的AI怎样才能看起来像真实玩家?

  事实上“题库”确实是在不断地扩大。机能的提升、玩家对游戏要求的提高、沙盒游戏的盛行等原因都使游戏世界渐趋宏大，可以与玩家互动的环境与角色数量都在大幅上升，这就导致交互内容、也就是游戏中可能出现的情况越来越多。为了应对更为复杂的游戏环境，游戏AI的制作者必须事无巨细地将任何时间任何情况任何人物所做的任何事情都写入“题库”，并且让AI对这里的所有情况都作出回应，这就致使哪怕是优化得再好的AI，其程序代码也是长得令人头晕目眩，编写和维护的难度极高，开发成本上涨的同时花样繁多的bug也是接踵而至，而复杂的构成使得为游戏AI查缺补漏的周期甚至可能长达数月，对很多游戏而言，几个月便意味着生命周期已步入尾声了，任何的改善都是为时已晚(别看了，育碧，说的就是你)。

  任何复杂的AI程序设计，都不足以概括所有的情况，对RPG游戏而言，能维持好剧情里出现的角色不出问题就很好了，路人也就是路过打个招呼的级别，于是在当今的“沙盒游戏”中，大部分的路人完全不像是活物，不过是在街上游荡的空壳，是充实背景的材料。

  再说到“答案库“的错漏，就不得不提及下面这位：

  核弹狂魔甘地

  《文明》系列玩家们都不会对核弹狂魔甘地这个梗感到陌生：《文明》的AI行为倾向是简单地用1-12的数值来代表的，在初代《文明》中，在现实世界一直提倡“非暴力”的甘地的“侵略指数”被设定为最低的1，几乎不会对别的国家发动战争。然而在游戏中采用“民主政体”后“侵略指数”会下降2点，对别的领导人来说没什么问题，只是甘地本来就是1，再下降2点后就变成了-1，数据溢出导致侵略指数变为了数值设置的上限255，圣雄甘地一跃变为战争狂人大炸逼。这反差莫名地产生了喜剧效果，于是开发组为了致敬这一事件，在后来的文明系列中也照样将甘地塑造为一个核弹狂。这虽然是一个个例，却也折射出由简单数值控制的AI很可能会因为小疏忽导致严重的问题。

  明日的曙光

  如果说别的问题都可以通过投入更多的人力物力还是可以在很大程度上解决的话，那也还有个悬而未决的问题：游戏AI实在是太不像人了。用回前面的比喻，AI解决问题的方式就像是在试卷上每题都用标准答案写就，哪怕有问题也类似于其他每题都全对却有一题直接空白，这很明显不是人类的手笔。AI只能简单地应对状况，要是情况超出设计者的设计，就会莫名其妙地犯蠢：在围棋中是下出一步瞎棋白白送子、在体育游戏中是队友突然挡在玩家的去路上、在MOBA游戏中则是一味遵循逃跑的指令而忽视半途杀出的玩家，这些都是很影响玩家体验的情况。传统AI设计得再好，也模仿不出人类的感情(此处应有BGM：画着你，画不出你的骨骼……)。

  有没有可能让AI表现得更像人呢?本文开头说到的围棋程序正是解决这一困境的曙光：AI用人类的方式来学习，从而表现自然更接近人类，其结果同样是相当成功的。可以看看中国围棋等级分排名第一的柯洁对于AlphaGo与樊麾棋局的评价：

  “这五盘棋我也仔细地看了一眼，但我没看名字，不知道谁执黑谁执白，完全看不出谁是AI。感觉就像是一个真正的人类下的棋一样。该弃的地方也会弃，该退出的地方也会退出，非常均衡的一个棋风，真是看不出来出自程序之手。因为之前的ZEN那样的程序，经常会莫名其妙的抽风，突然跑到一个无关紧要的地方下棋。它这个不会。它知道哪个地方重要，会在重要的地方下棋，不会突然短路。这一点是非常厉害的。”

  既然这种方法能让AI表现如同人类，那有没有可能把这种方式移植到游戏上来呢?答案是：有，而且已经有人试过了。无独有偶，进行这次尝试的不是别人，正是开发AlphaGo的DeepMind公司。

  AI所测试的部分游戏

  这帮人没有用以往的AI开发方式玩简单的雅达利游戏，而是让他们的AI通过神经网络，跟人类一样“阅读”屏幕上的像素，然后用游戏自带的奖励向AI反馈，简而言之，就是跟人类玩游戏是完全相同的模式。在一段时间的学习之后，他们的AI在7个游戏中有6个取得了比过往的AI更好的成绩。最为惊人的是，玩这7个游戏的是同一个AI，丝毫未改，真的就像是创造出了一个“人”。

  受此启发，2014年一名斯坦福大学的博士，也开发出了一个类似的星际争霸2AI：它通过接收渲染器正在渲染的数据来分辨单位和建筑等信息，例如渲染器调用了战巡舰的材质，这个AI也就得知那个位置的是个战巡舰，也就是说，这个AI能看到的信息跟人眼看到的信息是完全一致的。

  该AI玩耍星际时的画面

  在以“人类的方式”玩游戏的前提下，这款AI做到可以战胜疯狂以下难度的电脑AI的程度，虽然只取得了初步的成就，但也提供了一种RTS游戏AI的新思路。

  未来的畅想

  神经网络算法虽然在今天只是个雏形，但可以大胆预测，运用神经网络的AI在游戏中超越人类也不过是时间问题，人一年可以打几千把LOL，而AI完全可以打千万把，在相近的学习速度情况下，AI玩得更好是理所当然。然而， 在游戏中引入神经网络可不是为了找到最佳玩法，要是AI能轻松吊打每个玩家，那这款游戏就没必要存在了。新技术的使用，是为了让游戏AI更加“人格化”，减少玩家对AI的隔阂感，增添游戏乐趣;也可以和传统的AI设计相结合，让AI的决策更加聪明，减少“猪队友”现象，也再不用怕玩《文明》的时候别的国家放弃自身利益也要来干你了。

  深度学习算法还可用于自然语言的处理，也就是说，在遥远的未来可以让游戏AI像人类一样和你正常交谈，到那时候，玩家们终于可以农奴翻身当主人，不再是电脑滔滔不绝而玩家只有几个固定的选项，而变成玩家滔滔不绝让电脑自己来理解了。

  《寻秦记》，最成功的穿越剧之一

  再进一步地想象，深度学习也可用于“人格”的构成，足够多的事件训练有可能让AI如人类一样有着特定的选择偏好，正如人类的“性格”一样。要是AI学会了正常交谈，也有自身的“性格”，真到那时，说不定可以让玩家透过虚拟现实设备，和历史人物谈笑风生，体验一把穿越剧的感觉。

  读者们希望新技术可以带来怎样的游戏?欢迎在评论区发表自己的想法。