当前位置: 杏彩时时彩平台手机版 > 益智类 > 正文

开发者谈电子游戏AI的未来发展趋势,未来的发展

时间:2019-09-10 23:02来源:益智类
电子游戏的画面从像素的粗糙简陋发展到如照片般逼真可信。但我们对角色外观的期待总是比对行为更加如容易成真。下一代技术也许可以渲染眼睛的光泽闪耀,或者柔软的皮肤下的漫

电子游戏的画面从像素的粗糙简陋发展到如照片般逼真可信。但我们对角色外观的期待总是比对行为更加如容易成真。下一代技术也许可以渲染眼睛的光泽闪耀,或者柔软的皮肤下的漫反射,但如此逼真的人物是否能走出房间的门而不是一头撞上去呢?

国际运营商网络人工智能发展:美国的 AT&T 重点打造 AI 开源平台 Acumos,其机器学习平台已经用于解决多项业务中遇到的问题,包括物联网 IoT、娱乐、客户服务、安全和网络监测控制故障检测等,未来重点应用领域包括 5G 和安全。Verizon 的 AI 发展主要在 B2B 类业务、物联网以及无线网络优化配置方面。 欧洲各大运营商包括 Vodafone、Telefonica、Telenor 和 Telecom Italia 都在开展利用 AI 技术提升无线小区管理效率等方面的研究和尝试。

我们不是在打赌。从历史上看,我们对可信的AI的最基本的希望也不曾实现:例如,AI队友应该完美地避开陷阱而不是一次又一次地掉进去;找掩蔽物时不应该找那些上面穿了许多弹孔的。在真正的战场上,真正的人不会与子弹相拼,而是用语言。

近日,Medium上一篇题为《AI in 2018 for developers》的文章,针对机器学习应用于业界的机器学习开发人员,根据2017年的人工智能领域的最新和最重大进展,对2018年的进展做了展望。

日本 NTT 集团设立了统一的 AI 品牌“corevo”(Co-revolution),与各领域企业合作推动创新革命。其重点应用领域为 IoT,目标将整个 IoT 网络的管理技术、数据的分散处理技术、安全等涉及多方面的技术集成在一起。

在近来的少数游戏中,《天际》、《黑色洛城》、《质量效应》和《暴雨》比较重视人类交互作用和移情作用。但是,这几款游戏的对话树、场景和录音角色有限、很难与游戏世界的真实度相匹配。闪闪发光的双眸和精细的皮肤毛孔只会将人物的可信标准越拔越高:我们想要成百上千个独一无二的角色,他们不会总是重复相同的反应;与他们的关系会体现之前发生的交互作用;与他们的对话是富有趣味的,他们可以说出大量带有相同的细微差别、动态和完整的话。这会不会成为真正的次世代游戏呢?

大家好,又见面了!在上一篇文章中,我谈到了自己关于研究领域的看法,即哪些研究领域正在成熟且能在今年发展壮大。继续从事研究当然很棒,但是,必定还有一些人工智能领域在 2017 年已经成熟、现已准备投入大规模应用了。这就是本文的主题——我想分享的是那些已经发展得足够好的技术。它们已能应用于你当下的工作中,甚至你能借此创业。重要提示:这是一份涵盖人工智能领域、算法和技术的清单,且它们都能立即投入使用。例如,你可以在文中看到时间序列分析,因为深度学习正在迅速取代信号处理领域之前的先进技术。但是,文中并没有提到强化学习(虽然它听起来更酷),因为在我看来它目前还不能投入工业应用。不过强化学习是个很了不起的、正在成长的研究领域。

杏彩时时彩平台手机版 1

Emily Short是一名游戏设计师,在心理交互式小说游戏领域颇有名气。她认为:“这些事没有体现在甚至对话最多的主流游戏的模式当中。你看BioWare的大型RPG,游戏中有场景,你可以遇上按固定方式记录好的或预先组合好的对话树。对话树的表现并不丰富:你只能挑一个选择罢了。”

此外,我想提醒你,这是一个包含三篇文章的系列文章之一,其中分别从三个角度分享了我对于明年人工智能领域会发生什么的看法:

随着全球运营商网络重构的实践发展,暴露出了前述各种网络部署运营的问题,全球运营商和信息技术、通信技术厂商都纷纷投入到网络人工智能方面的研究,在各大国际标准和开源组织启动了相关工作。

对话树不应该是这样的。Short本人曾与《模拟人生3》前程序员Richard Evans合作过,组建了一个实验游戏工作室LittleTextPeople,旨在研究动态的、社交性在上丰富的AI。该工作室的第一款游《Cotillion》被《第二人生》开发商Linden Labs所看好,于是兼并了该工作室。这款游戏模拟的是简·奥斯汀的小说(游戏邦注:Cotillion是Austen时代的一种舞蹈),是一出由玩家幕后操作的风尚喜剧。复杂的角色之间有互动,同时追求各自的目的。游戏通过文本叙述了一连串错综复杂的事件,根据玩家的操作,各段描述和对话都会即时产生。

  • 作为正在推进领域发展的机器学习研究者(
  • 作为将机器学习应用于业界的机器学习开发人员(本文)
  • 作为生活在这个新世界中的普通人

欧洲电信标准化协会。

Short指出:“我们的游戏还没有自由到可让你输入任何文字,但毕竟比对话树流畅。Richard制作的模拟器有可能让角色表现出具有特殊气质的癖好,所以与某个角色说话时,该角色会发哼哼声或喜欢谈论自己,甚至掌握对话的主动权,出现这种情况是可能的。”

希望你能挑选适合自己的文章进行阅读!

2017 年 2 月,中国电信联合华为、工信部电信研究院、卢森堡大学、三星、赛灵思,在 ETSI 推动成立了全球第 1 个网络人工智能标准工作组——体验网络智能,致力于利用 AI 等智能化技术优化网络部署和运营。该工作组的研究范围包括分析网络人工智能场景和需求,构建策略驱动的闭环网络人工智能体系架构。目前成员包括亚、美、欧地区超过 40 家重量级运营商、厂商及科研机构。 目前 ENI 已完成了第 1 阶段的工作,并正在进行第 2 阶段的工作,同时也启动了相关概念验证工作。

在GDC 2012大会上,Short列举了一些例子:“有这么一个情形,在大半夜时,角色们的马车出了意外,车夫将他们丢在路边,因为他知道这附近闹鬼,所以他自己吓得跑路了。Elizabeth刚刚从坏掉的马车中钻出来,她没有看到车夫逃跑了。所以当前的情况让她疑惑:‘车夫跑哪去了?’Lucy知道答案,所以她说:‘那个,可能车夫觉得这个地段晦气,所以他逃走了。’她特有的措辞是根据角色定制的。她的个性应该有点儿羞怯,所以她有自己的说话方式。之后是医生的标准化回答:‘其实,我敢说是因为他弄坏了我们的马车,怕我们发火,所以吓跑了。’这个回答可能是为了幽默。Lucy可以决定:‘我觉得这是幽默吗?’她觉得是,所以她笑了。这个模式让我们有机会把角色的性格塑造得非常细致,人们根据自己的性格,在对话的风格中表现个人喜好。”

另外,我在此并不会谈论图像识别和简单的计算机视觉,你们已经在这些领域努力多年啦。

第 3 代合作伙伴计划。

杏彩时时彩平台手机版 2

GAN 和虚假产物

即使几年前就有了生成对抗网络(GAN),我对此一度非常怀疑。几年过去了,即使我看到 GAN 在生成 64x64 图像方面的巨大进步,我仍保持着怀疑。后来我阅读了一些数学方面的文章,文中提到 GAN 并不真正学习分布,我的疑虑愈发显著。不过今年发生了一些改变。首先,有趣的新型结构(例如 CycleGAN)和数学改进(Wasserstein GAN)吸引我在实践中尝试了 GAN,它们或多或少都工作得不错。在接下来的两个应用中,我彻底改变了态度,确信我们可以且必须利用它们来生成事物。

首先,我非常喜欢英伟达关于生成全高清图像的研究论文,而且它们看上去的确很真实(相比于一年前 64x64 的诡异面孔而言):

不过,我最喜欢(作为一个完美的少年梦想应用)且被深深震撼的是生成虚假色情片:

  • AI-Assisted Fake Porn Is Here and We're All Fucked:

我还注意到许多游戏行业的应用,比如利用 GAN 生成景观、游戏主角甚至是整个世界。此外,我觉得我们必须对新的造假水平引起注意——包括你亲友的虚假色情片和线上完全虚假的个人。(可能不久之后线下也有?)

3GPP 的系统架构工作组 SA2 在 2017 年 5 月的杭州会议上成立了 5G网络智能化的研究项目使能 5G 网络自动化项目。该项目基于5G 核心网中引入的网络数据分析功能,辅助其他网元实现网络切片智能化管理、按需移动性管理、流量分流和卸载等功能。

(Ben Sunshine-Hill (左) 供职于Havok,从事AI编程,Mike Treanor是博士生,也是《Prom Week》的设计师之一。)

全部神经网络的独有模式

现代发展的问题之一(不仅局限于人工智能产业)是,我们有几十个不同的框架来完成同样的东西。今天。每个做机器学习的大公司都必然有自己的框架:谷歌、Facebook、亚马逊、微软、英特尔、甚至是索尼和 Uber。此外,还有很多开源的解决方案!在一个简单的人工智能应用中,我们也希望使用不同的框架:例如,计算机视觉通常用 Caffe2、自然语言处理常用 PyTorch、推荐系统常用 Tensorflow 或 Keras。把这些框架全部合并起来需要耗费大量的开发时间,并且会让数据科学家和软件开发者无法集中注意力完成更重要的任务。

解决方案必须是一个独一无二的神经网络形式。它需要能从任何框架中容易地获得,必须由开发人员轻松部署,并能让科学家轻易地使用。在这个问题上,今年出现了 ONNX:

实际上,它只是非循环计算图的简单格式,但却在实际中给了我们部署复杂人工智能解决方案的机会,而且我个人认为它非常具有吸引力——人们可以在像 PyTorch 这样的框架中开发神经网络,无需强大的部署工具,也不需要依赖 Tensorflow 的生态系统。

国际电信联盟电信标准分局。

根据Short的话,玩《Cotillion》更像是在表演或即兴创作,而不是玩游戏。作为一款以文本为基础的游戏,《Cotillion》与目前的主流游戏相去甚远。部分是因为预算少(游戏邦注:Short认为:文本不花钱),但还有设计方面的因素:“动作表现出来的其细微差别的程度、角色的内在情绪和冲突动机的可能性,要形象化地表现出来,实在是太困难了。”

各类 Zoo 激增

对我来说,三年前人工智能界最让人兴奋的东西是 Caffe Zoo。当时,我正在做计算机视觉的相关工作,试遍所有模型,并检查它们如何工作、结果如何。稍后,我将这些模型应用于迁移学习或特征提取器。最近,我使用了两种不同的开源模型,类似大型计算机视觉流程中的一部分。这意味着什么?这意味着事实上没有必要训练自己的网络,例如 ImageNet 的对象识别或地点识别。这些基础的东西可以下载并插入到你的系统当中。除了 Caffe Zoo 之外,其他框架也有类似的 Zoo。不过,让我感到惊奇的是,你可以仅在你的 iPhone 中插入计算机视觉、自然语言处理甚至加速度计信号处理的模型:

  • likedan/Awesome-CoreML-Models:

我认为,这些 Zoo 只会越来越多,将 ONNX 这类生态系统的出现考虑在其中,并进行集中化(也会由于机器学习区块链应用而导致分散化)。

在 2017 年 11 月,ITU-T SG13 全会讨论正式批准成立了机器学习焦点组 FG-ML5G,目标是分析如何在未来网络特别是 5G 网络中应用机器学习,提升网络性能和用户体验。具体工作包括机器学习在未来网络的应用场景、潜在需求、架构,以及具体接口、协议、算法、数据结构和个人信息保护等方面,分析机器学习对自主网络控制和管理方面的影响。

Short和Evans不是这一领域的唯一探索者,位于圣克鲁兹的加利福尼亚大学已经建立了一间名为Expressive Intelligence Studio (EIS)的工作室,其研究范围也涵盖了类似的范围。2005年的《Façade》是一款接似于上社交模拟的游戏,玩家在游戏中与一对脾气暴躁的夫妻对话,度过了一个紧张的晚上。这是一个野心勃勃的游戏项目,其潜力是巨大的,但在执行的自然度方面不太稳定。

自动机器学习替代流程

设计神经网络结构是件痛苦的任务——有时候你可以通过添加卷积层获得不错的结果;但是大多数时候,你需要使用超参数搜索方法(如随机搜索或贝叶斯优化)或是直觉仔细设计结构的宽度、深度和超参数。在计算机视觉领域,你至少可以调整在 ImageNet 上训练的 DenseNet。但如果你在某些 3D 数据分类或多变量时间序列应用中工作,这一点将尤其困难。

使用其他神经网络从头生成神经网络结构的尝试有很多,但对我而言最棒、最清晰的是近期 Google Research 的进展:

  • AutoML for large scale image classification and object detection:

他们使用 AutoML 生成的计算机视觉模型,比人类设计的网络工作的更快、更好!我相信,很快就会有许多关于这个话题的论文和开源代码。我认为,会出现更多博文和初创公司,告诉我们「人工智能所创造的人工智能学习了其他人工智能,它可以……」,而不是「我们开发了一个人工智能,它可以……」。至少,在我的项目中我会这样做。我也相信不是只有我一个人这样做。

Lunix 基金会。

Short对此的评论是:“《Façade》试图一石多鸟。它要解决三个困难的问题:如何处理自然语言的输入;如何表现角色的情绪;如何首先管理好基于AI的剧情,然后确保交互活动引出越来越紧张的氛围、危机和解决办法?这三个问题都太难解决了。在我们明白三者放在一起时会有多强大以前,我们要为解决各个问题分别付出更多努力。”

智能堆栈正式化

在这个概念上,我阅读了很多 Anatoly Levenchuk 的博文。他是俄罗斯系统分析师、教练,同时热衷于人工智能领域。在下图中,你可以看到所谓「人工智能堆栈」的实例:

杏彩时时彩平台手机版 3

它不仅包括机器学习算法和你喜爱的框架,还有着更深的层次。而且在每个层面,都含有自身的发展和研究。

我认为,人工智能发展产业已经足够成熟,从而能拥有更多不同的专家。在团队中,仅有一名数据科学家远远不够——你需要不同人员从事硬件优化、神经网络研究、人工智能编译、解决方案优化和生产实施等方面的工作。在他们之上必须有不同的团队领导、软件架构师(为上述每个问题分别设计堆栈)以及管理人员。我曾经提过这个概念,希望将来人工智能领域的技术专家能够不断成长(对那些想成为人工智能软件架构师或技术引领者的人而言——你需要知道该学什么)。

Lunix 基金会于 2018 年 3 月成立了深度学习基金会,这是一个涵盖机器学习和深度学习开源代码开发的综合性组织。Lunix 深度学习基金会的第 1 个项目是 Acumos 项目,该项目致力于提供一个易于模型设计、训练、发布共享和部署应用的开源框架平台。

尽管如此,《Façade》的基础是建立在工作室后来的研究项目之上的。最新的一个项目《Prom Week》,是一款社交模拟游戏,玩家在一所美国学校中应对各种情绪失控和令人担忧的关系。它被描述为“AI的蜡笔物理学”(游戏邦注:《蜡笔物理学》即《Crayon Physics》,是一款物理益智游戏),这款游戏将整个社交关系的网络呈现在玩家面前。

基于语音的应用

人工智能所能解决的准确率可达 95% 以上的问题其实非常少:我们可以将图像识别分类到 1000 个类别,可以判断文本的正负面性、当然也能做一些更复杂的事情。我认为,还有一个领域将因人工智能派生的上千个应用发生动荡:那就是语音识别和生成。事实上,一年前 DeepMind 发布 WaveNet 之后这个领域还发展得不错。但是今天,多亏了百度的 DeepVoice 3 和最近在 Google Tacotron2 的发展,我们已经走远:

  • Tacotron 2: Generating Human-like Speech from Text:

这个技术很快就会发布在开源代码中(或着被一些聪明的人复制),而且每个人都能以非常高的准确率识别语音并生成它。这会带来什么呢?更好的私人助理、自动阅读器、谈判转录机……当然还有作虚假声音产品。

上述国际标准和开源工作各有侧重:ETSI ISG ENI 侧重网络智能引擎通用内部架构定义、与其他网络系统的接口,涉及各专业网络领域的应用;3GPP 作为移动网络的权威技术标准组织,其系统架构组的 eNA 项目侧重 5G 网络侧的各种应用场景;ITU-T FG-ML5G焦点组输出的是研究报告,其用例多数聚焦在 5G 无线侧应用,也输出了一个通用的机器学习应用架构,但 FG-ML5G 即将于 2019 年 3 月结束,输出的报告需要输入到合适的标准组织进一步定义正式的标准。Acumos 开源项目面向各类实际部署应用,不局限于网络侧应用场景,是一个人工智能平台即服务平台类项目。

Mike Treanor是博士生,也是游戏的设计师之一。他解释道:“《Prom Week》有一个非常复杂的模式来代表社交。各种活动不是随意的,它们组成了社交互动理论,玩《Prom Week》就是突出并试图理解那个理论。每一个互动都是为了改变与其他人共处的世界的状态:我只是为了让你更喜欢我一点才奉承你的。这就是《Prom Week》的交互活动——你选择一种社交交流特点,制作出另一种。”

更加智能化的机器人

我们今天所看到的机器人都有一个很大的问题——其中 99% 根本不基于人工智能,只是硬编码而已。因为我们意识到,我们不能用上百万个对话的注意力训练某些编码-译码器 LSTM,从而获得智能系统。这就是为什么 Facebook Messenger 或 Telegram 中的绝大部分机器人都只有硬编码命令,至多拥有一些基于 LSTM 和 word2vec 的句子分类神经网络。但是,现代先进的 NLP 有点超出了这个水平。只需要看看 Salesforce 做出的有趣研究就能领会这一点:

  • AI Research - Salesforce.com:

他们正在构建与数据库相连的 NLP 接口,克服现代编码-译码器的自动回归模型,不仅对文字或句子进行嵌入训练,而将范围扩展到了字符嵌入训练。此外,还有一个利用强化学习进行 ROUGE 分数 NLP 优化的有趣研究:

我相信,随着这些发展,我们至少能提升机器人水平。它们能检索更多智能信息、进行命名实体识别,而且很可能在某些封闭领域充分深度学习驱动机器人。

杏彩时时彩平台手机版 4

这种社交的极端就是不择手段的政治家。为了让校园Linux达人成为毕业舞会之王,他的众多目标之一,玩家必须对评审团进行暗箱操作。为此,你要与舞会的选拔委员会的委员长搞好关系,而拉关系又要求玩家威吓共同的对手。尽管各个任务和目标都与特定的角色有关,但玩家可以选择屏幕上的任何角色并指挥他们。点击一个角色,然后另一个角色给玩家一系列可能的反应,这取决于这两个角色之间目前的关系。

先进的序列分析

除 Salesforce 外,第二个被低估的机器学习研究实验室是 Uber 的人工智能实验室。前段时间,他们发表了一篇博客,展示了对时间序列的预测方法。老实说这让我有点受宠若惊,因为在我的应用中基本上也用了同样的方法!看看吧,这就是将统计特征和深度学习表示相结合的实例:

  • Engineering Extreme Event Forecasting at Uber with Recurrent Neural Networks:

如果你需要更多振奋人心的实例,请用 34 层一维 ResNet 尝试诊断心律失常。最棒的部分无疑是其性能——它不仅优于一些统计模型,甚至超过了专业心脏病专家的诊断!

最近,我从事的大部分就是深度学习的时间序列分析。我可以亲自证实神经网络工作得非常好,你能获得优于「黄金标准」5-10 倍的性能。它真的能行!

Treanor指出:“对话不是专属于某个角色的——任何角色都可以说,只要情况合适的话。但在对话的台词当中,角色可以插入能反映自己的个性和社交关系背景的东西。到目前为止,共有6000句台词,这看起来就像是18个角色都有独一无二的内容可说。”

超越内置的优化

我们如何训练神经网络?说实话,我们大多数人只是使用类似「Adam()」函数或是标准学习率。一些聪明的人选择最合适的优化器,并调整和调度学习率。我们总是低估「优化」这一主题,因为我们只需按下「优化」按钮,然后等待网络收敛就大功告成了。但是,在这个计算能力、存储和开源方案都大多相同的情况下,优胜者往往使用着与你相同的亚马逊实例,却能在 Tensorflow 模型中用最短的时间得到最佳的性能——这一切都是优化的功劳。

  • Optimization for Deep Learning Highlights in 2017:

我鼓励大家看看上面 Sebastian's Ruder 的博文,其中谈到了 2017 年最新的标准优化器改进方案,以及其他非常有用的改善方法。你可以立即将其运用起来。

在大制作的产品中,这些技术可能有什么用途呢?Treanor认为:“《Prom Week》是一个大社交模拟。但只有我们解释的最微小的部分——为什么角色彼此喜欢以及他们的想法可以轻易地整合进游戏中,像《神鬼寓言》或《孤岛惊魂》一样,所以角色记得过去发生的事,这在任何给定的时候都会影响他们对玩家的反应。通常来说,角色心中不存在‘历史’这个概念。但对所有想制作带有复杂AI的游戏的人来说,《Prom Week》现在就是一个基准点。”

大肆宣传的整体下降

杏彩时时彩平台手机版 5

cdn.aiindex.org/2017-report.pdf

*
*

在阅读前文后,你能从这张图片中发现什么?考虑到许多开源工具和算法的发布,开发有价值的新东西并从中获取很大利润并不容易。我认为,对类似 Prisma 这样的初创公司而言,2018 年并非最好的一年——将会有太多的竞争对手和「聪明人」想分一杯羹。他们可以将如今的开源网络部署在移动应用程序中,并称其为「创业」。

今年,我们必须专注于基础的事情,而不是很快获利——即使对于某些有声书初创公司而言,我们计划用 Google 的 Ratacon 进行语音识别,但这也并非一个简单的网络服务,而是与合作伙伴携手的商业模式,同时也是吸引投资的商业模型。

Short说道:“我们需要一些令人印象深刻的演示片,然后我们可以说,‘看吧,如果你的角色记性够好,能记得自己身上发生了什么事,或根据自己的情绪活动,那么你就能做出这样的东西了。’”

总结

简而言之,有几种技术已经可以被用于实际产品:时间序列分析、GAN、语音识别、自然语言处理领域的部分发展。我们不应该再设计基础的分类或回归架构,因为 AutoML 会帮我们做这个。通过一些优化改进,我希望 AutoML 能够比以前运行得更快。此外,使用 ONNX 和各种模型 Zoo 能让我们仅用几行代码将基本模型注入到应用程序当中。我认为,制作人工智能为基础的应用,在目前先进的技术水平来说不是难事,而且对整个行业而言并无坏处!对于研究领域的发展,可以查阅我以前的文章。不久后,我将发布「2018 人工智能发展趋势」系列的最后一篇文章,其中将介绍人工智能如何影响「普通人」的生活。

原文链接:

但,她很清楚,并非所有游戏都能因为有这样的社交复杂性而变得丰富多采:“当在某个场合中,某个NPC就是要让玩家打死的,搞出这么复杂的互动毫无道理。但我可能假定有这么一款游戏,玩家与某个角色反复战斗过,而这个角色富有个性,粗鲁冲动。对我而言,在这种情况下用情绪模型并非不可想象的,但在大多数时候,我看不到这种事发生——对于玩家具有的交互作用的程度而言,这是一种错误的尺度。”

相反地,Short和Treanor都热衷于将AI用作游戏的重头戏,借此研究全新的游戏类型。正如Short所解释的:“我真的对人类互动的不同领域感兴趣,想看看是否可以把它制成游戏和交互剧情的材料。如果我们有一个关于谈话、协商或欺骗他人的游戏,那会怎么样呢?”

“这种体验可以是理解系统本身。我想将人类情况的哪方面做成游戏?然后你拿一块白板,在上面模拟一些爱情或其他理论。你做了一个原型,发现行不通,只好返回去修改理论和游戏设计。”Treanor认为这对独立场景可能比对主流场景更有吸引力,但即使在现存类型的范围中,他认为运用简单的技术也可以制作更可信的NPC。

Treanor还透露,其他EIS的学生正在开发直接运用于现有游戏类型的AI。“Anne Sullivan正在研究次世代游戏,这个研究着眼于世界和玩家所做的事,模拟角色、他们的欲望和他们在世界中做的事。它创造了一个你的所做所为能对其产生影响的世界,让你感觉到角色不只是一具装满可以解读说明的躯壳。”该工作室以后要开发的其他游戏,可以按照玩家的技能和行为产生关卡,或甚至整个“瓦力欧制造”风格的规则设置,即基于简单的名词-动词-名词的输入。最后,Treanor还提到,在《星际争霸》中,有个复杂的对手AI名为EISbot。“大多数RTS的AI执行的是手写脚本,但这有一个深层的模式,即专家型玩家的真实想法和玩《星际争霸》方式,利用机器学习能力分析韩国的专家型选手的游戏轨迹。”

杏彩时时彩平台手机版 6

Emily Short(from edge-online)

(LittleTextPeople工作室的Emily Short是新型交互式小说游戏的先驱。)

显然,投入AI开发的资源可以带来丰厚的回报,无论是挖掘全新的游戏类型还是给玩家提供更好的谈话对象。AI还可以塑造游戏的体验,正如Valve公司的《求生之路》的总监所做的,对玩家的行为和能力作出反应,以突出游戏剧情。所以为什么《Cotillion》和《Prom Week》这少数两款游戏要努力研究AI?

显然他们需要大量工作的支持,但在将游戏的图像做到极致方面,AAA工作室野心勃勃,愿意投入预算和人才。然而,在主流游戏中,AI在一定程度上受到了轻视——角色往往不能绕过岩石找到出路,更别说进行一段可信的对话。所以为什么AI的潜力经常被忽略?Treanor认为:“AI是无形的,你理解它的唯一方式就是通过交互作用。而对于图像,你可以立刻看到资金、技术研究、处理器时间的走向。”

Short同意道:“对于图像这类东西,可以比较容易地达到我们所认同的进步标准。但我所感兴趣的AI,它会带来什么,它能产生什么类型的游戏,不总是显而易见的。这是一个崭新的领域,总是有风险的。”

在GDC 2012的一次演讲中,Ben Sunshine-Hill这名供职于Havok的AI程序师哀叹道,在全新的AI技术和更好的胡子渲染方法之间做一个选择,开发商往往把处理器周期放在后者上。他认为,在开发过程中,处理器时间与简单地调整AI相比,不是什么大问题:“如果你想为新图像技术制作原型,在游戏开发早期,就可以做,还能很快得到概念的样本。行得通,太棒了,你把它放进游戏中;行不通,好吧,也没什么损失。而对于有趣得多的AI技术,我们很想尝试,但必须在开发周期时尽早引入AI,然后投入大量资源——例如你可能必须记录1000条对话台词。直到开发后期,你才能看到结果好坏。”

另一个障碍是,如此复杂的动态系统的发声和可视化——这个问题是《Cotillion》和《Prom Week》可以避开,而主流游戏必须面对的。Treanor指出,让发生技术生成伴随可信的情绪的动态话语,仍然需要一段时间。“人们期待完整的对话。但如何让玩家在机制作用下进入AI系统,这也是一个问题。怎么做才能让玩家明白各种事件的发生?你的AI越复杂,设计问题的难度就越大,在你把这种AI投入AAA游戏中以前,这些问题必须解决。”

尽管如此,正如 Sunshine-Hill所说的:“敢于在这种AI上冒险的作品往往会得到嘉奖。”他引用《模拟人生》的“害怕目标导向型活动计划模式”:“我听说他们做得相当好。像《Prom Week》这类游戏的崛起可以向其他游戏大作展现它们的巨大潜力。大工作室会看到这些小独立作品在做什么,也会注意到存在现成的AI技术已经放在一起等着他们用。但在那一天到来以前,我认为某些AI技术还不可能实现,必须等到工作室愿意用100强的内容开发团队一起努力。”

如果Bethesda、BioWare和Quantic Dream认真对待在游戏中创造可信的人际剧情,那么这就是他们必须花钱的地方。渲染出一把浓密的胡子可能容易招来媒体关注,但逼真的角色不只是长着精细的淋巴结。角色行为是一个新境界,也许是次世代游戏的获胜条件,只有AI可以克服的挑战。

via:(本文为游戏邦/gamerboom.com

更多阅读:

  • 开发者探讨免费游戏的未来发展趋势
  • Lee Winder:解析消极开发者对于团队的影响及解决方法
  • 开发者谈独立领域应该挖掘的游戏题材
  • James Nouch:开发者应兼顾成功经验与失败教训
  • 导致免费游戏开发者遭遇失败的5种策略
  • Aaron San Filippo:开发者分享在游戏推广中获取的两大教训
  • 列举游戏中间件开发者常犯的10个错误
  • Tim Keenan:《A Virus Named Tom》开发者谈合作模式的设计
  • Zoya Street:业内人士探讨开发者该如何定义鲸鱼玩家
  • 独立游戏开发者如何利用媒体造势
  • 杏彩时时彩平台手机版,Ian Adams:阐述撰写电子游戏人物对白的六个技巧
  • 娱乐软件协会:研究表明玩电子游戏能改变人的大脑
  • 研究称体验电子游戏可提升玩家认知能力
  • Randy Smith:阐述电子游戏压缩时间的操作手法
  • 2014全球最差的十大电子游戏

编辑:益智类 本文来源:开发者谈电子游戏AI的未来发展趋势,未来的发展

关键词: