自适性人工智能，为玩家创造绝佳体验

作者 Michael Matuschek

前言

除了纯粹的多人游戏（玩家体验主要取决于真人对手），人工智能 (AI) 是游戏设计的根本支柱。然而，商业游戏设计中的人工智能与一般意义上的AI有有着云泥之别：AI在象棋、围棋或星际争霸等游戏中势如破竹，轻松碾压顶尖选手，而其在商业游戏中的应用则不然。这里的情况截然不同：如果AI所向披靡，则会很快让玩家灰心泄气；而若其能力不济，无法与玩家势均力敌，则会让游戏索然无味。

有鉴于此，目前业界将目光放在了自适性AI上。这种技术能够根据个别玩家的游戏风格及水平进行调整，为广大玩家呈现既富挑战又充满成就感的体验，即达到“兴奋点”。这项所谓的“高度个性化”技术能够吸引超广泛的潜在玩家，从而取得丰硕的商业成果。

游戏中的AI

游戏中的AI主要用来操纵玩家之外的角色，比如确定敌人的攻击套路。在早期的电脑游戏中，难度级别主要在于增加更多对手或增强对手的能力，让其造成更多伤害或更快地移动。单纯的脚本或规则限定了游戏形态，不免显得机械枯燥—玩家的表现无足轻重，而游戏的版本决定了一切。在较为复杂的游戏（如 策略性游戏）中，这种蹩脚的AI也很常见，而其功用无非是为AI的缺陷“遮羞”： 通过获得更多的初始资源或更快地构建单元，否则无法与一流的玩家相匹敌。

自适性人工智能，为玩家创造绝佳体验

自适性AI的发展有赖于近年来的技术进步—现代计算机和游戏机的图像质量大幅提升，AI本身也有了长足的进步。依托强劲的处理器和更大的内存，游戏领域的精良算法已今非昔比。云游戏的发展趋势让游戏AI的突飞猛进指日可待。Google Stadia或GeforceNow等服务通过宽带直接将游戏串流到终端设备，让游戏摆脱本地硬件的束缚。这样游戏就能利用无限的云计算能力，实现高级的AI形态。

与玩家能力相匹配

鉴于这些技术发展，刻板的难度级别已显得不合时宜。如今的挑战在于打造既满足不同玩家水平又具备不同风格的游戏。

玩家可分为两类：“休闲”型—放松身心，注重游戏情节和视觉效果；“征服”型—寻求挑战和成就感。

因此，如今的自适性AI已经能够评估玩家的获胜率（“输掉游戏的百分比”），且用了哪些技巧获胜（“首选的Y武器”这样就不仅能够调整AI对手的能力（比如让其或多或少地虚发）， 还能够调整其游戏策略。举例来说，如果玩家喜欢用长程武器，AI对手就能改成徒手搏斗以增强挑战性。

保持并增进沉浸式体验

游戏设计的重点始终在于在游戏界面的界限内营造沉浸式的体验。如果赛车游戏过于单调，设计者就应当让对手少犯错或更激进地超车，从而更加精彩程度。而一旦对手的车速突然超过此前约定的，玩家就会觉得有失公平，并很快失去兴趣。

打造奇特的体验

自适性AI会研习玩家的游戏行为，这也开启了另一个可行方案，而且可让游戏更加引人入胜：模仿玩家行为。比如，在赛车游戏中，AI可以模仿玩家车手的操纵方式。这让普通玩家能够在假定的实际比赛情境中与大咖对手短兵相接，一较高下。

再举一个例子，电竞的职业选手可以打造具有其独特游戏风格的“AI化身”并进行商业销售，这让广大玩家能够与这位大咖切磋技艺，而不用实际参加对抗大咖的多人游戏。

这一全新AI模式的推出为现有的游戏平添了挑战性，但也是增进游戏商业寿命的机会。这样一来，即便玩家闯关成功或研究了所有策略，也不会对游戏丧失兴趣。

总结

从刻板的难度级别到高级的自适应性AI算法，AI经历了一段漫长的发展历程。当前的目标在于，为广大玩家提供满意的体验，延长游戏的寿命并实现最优的投资回报率。硬件以及云游戏服务方面的长足进步为高度个性化游戏，甚至独特游戏风格“化身”开启了无限可能，成就了独一无二的游戏体验。

Michael Matuschek是一位资深数据专家，来自德国杜塞尔多夫， 拥有计算机科学硕士学位和计算语言学博士学位， 曾从事过多个行业的各种自然语言处理项目和学术界的工作， 涵盖的主题包括评论的情感分析、客户电子邮件分类和本体富集。