一文读懂「AI 游戏」

文/WenlonChatGPT于2022年11月30日由OpenAI推出。5天后，用户数量过百万，两个多月后（2023年1月），ChatGPT的用户数超过1亿，成为增长最快的消费者应用程序。这家公司已经深耕8年，而他们也仅是AI生态中的公司之一，AI生态这个庞然大物还未真正浮上水面。或许可以说，GPT4预示着AI生态的时代已经慢慢拉开了帷幕。在游戏领域，AI+游戏有怎样的应用可能，对商业价值、用户价值、制作开发人员的价值几何，值得我们思考。

01

AI在游戏生态中的应用

游戏PME飞轮游戏方面化繁为简，可以抽象为三大模块，前两个模块为生产制作、营销触达，以及第三个最终服务的对象：玩家体验，三者构成飞轮循环。在PME三端我们可以进一步细分，从目前主流的岗位职能角度解析AI在每个模块的具体应用场景，现阶段AI与游戏生态内容如下图所示：AI生态在游戏PME端的应用1. P 生产制作端：增效为主，美术是第一突破口玩球少女（雷）-MidJourney制作部分来看，当下美术是第一突破口，这次的AIGC美术浪潮不亚于照相机的发明。目前来看，AIGC的美术资源在意向图绘制、概念设计方面表现出众，例如Midjourney，几秒钟的时间帮助游戏美术设计师尝试不同的抽象内容，一方面可以帮助美术设计师汲取灵感，另一方面可以为没有美术功底的策划等其他岗位，提供轻松制作意向图的路径，快速与美术设计同事对齐，极大降低了前期设计和对齐成本。而在完全的标准化商业使用方面，稳定性和变化度还有明显不足。StableDiffusion更加开放的参数暴露相对表现更优。目前主要的生产方式为：（1）简单出图：文生图、图生图（线稿），结合不同的主模型输出，得到初稿，后续手绘修正；（2）姿态出图：Open pose等工具绘制姿态，Controlnet根据姿态精准输出形体，结合文本Prompt确定内容倾向，配合Lora精调例如面部、服饰、首饰等细节，或结合局部重绘工具修正，最后用SD自带的或外部的超分辨率工具输出；（3）专业手绘出图：精准手绘线稿轮廓，Controlnet填色绘制，得到初稿后用Ps涂大色块方式调整姿态、细节，返回用图生图等方式持续迭代；（4）风格切换出图：MidJourney出概念图，导入StableDiffusion重绘至指定风格，或StableDiffusion出参考图，导入MidJourney发散不同风格。总的来说，美术通用资源部分初步具备了AIGC管线生产的能力，问题即提升空间和机会。玩球少女（金）-StableDiffusion

音频方面，笔者测试了多款AI技术工具，除变音类的例如Voice AI较为实用外，AI生成音频，例如Amper Music、MuseNetAI生成背景音乐等，成果尚不成熟，拼凑感强烈，不能很好的通过音乐传达情绪，考虑到有信息局限，以及篇幅原因不再展开。

AI撰写游戏文档大纲策划和程序方面，在一些标准化程度较高，已经有成功案例和资料的方面可以替代“重复造轮子”的工作。这里ChatGPT3.5表现一般，GPT4在多次输入，完善上下文和边界后表现不错。例如基础的数值设计、世界观框架设计、玩法方案设计，都能得到还不错的、合乎逻辑的方案，但创意性相对不足。在基础的程序代码方面类似，可以充当较好的多种语言实现“翻译工具”，以及代码辅助工作，在小模块的功能方面能节省很多字符输入成本，测试下来仍会有较多bug，但和策划案类似，将有问题的部分返回GPT提示修正后，基本能得到正确的方案。GPT4 辅助生成代码2. M 营销端 ：自动化的分析，降低门槛传统的舆情分析、信息采集需要通过爬虫等方式搜集海量的信息，再通过NLP情感分析、聚类分析等方式处理，并对内容进行汇总解读，相对门槛和成本较高。大语言模型例如ChatGPT很大程度上优化了整合了上述流程，配合插件等方式完全联网后，多语种、全渠道的公开数据分析将极高效率的辅助对玩家和市场情况进行洞察，对舆情和异动情况进行有有效的自动报表分析。此外AI强大的总结、提炼语言信息的能力，在该方面着手成效，非公开数据在投喂后进行分析、制作报表呈现、预测，提炼和总结的效率将很大提升。同时，我们需要警惕信息的泄露问题，注意保密信息的安全。3. E 玩家体验：AI促进新玩法的产生，叙事类、UGC类、大世界AI玩法类将首先受益《极乐迪斯科》 对话探索解密类游戏AI bot技术中的对抗AI和社会生态AI一直是游戏行业研究和应用的重点，这次也更大程度的曝光到大众视野之中。而人类的信息决策和“智慧”很大程度是对自然语言的接收、分析、处理，大语言模型将助推AIbot多维度呈现更为鲜活的表现。例如改变了玩家的交互方式，玩家通过自然语言交互的方式将能够传达更多、更为开放的信息，可以被AI接收处理，提升AI bot的信息收集能力。并且AIbot 通过语言输出作为反馈，打破了玩家非此即彼的交互选择。进一步的技术提升后，可作为AI bot GOAP目标建立的依据，技术原理上类似HuggingGPT，由中枢驱动驱动AI的行为表现更为智能，给玩家带来更生动的AI体验。超参数 GAEA （图片来源于超参数官网公开资料）目前阶段的案例，例如超参数公司最新发布的GAEA，其要点在于打造有“生命”的AI NPC，以及建立反馈机制。反馈机制的建立笔者认为依赖三种途径：环境的标签和数值、交互行为的标签和数值（PvP/PvE/EvE），以及大语言模型（LLM）逐渐成熟后的语言交互的标签和数值，这种整体性的系统一旦耦合完成，最终的效果可能远超我们的期待。4. PME整合：PME和AI的全面整合，将改写游戏的生产方式，进一步可能推动生产关系的变革PME端各部分结合泛AI后，在生产效率、标准化方面将有显著的提升机会，并促进新玩法的产生，带给玩家新的体验。可能会是新设备载体（XR）普及前最大的助力，而PME和AI的全面整合，将可能改写游戏的生产方式，进一步可能推动生产关系的变革。

举例来说，20年前建筑领域基本以手绘图纸、施工图为主，而现在基本已实现全面的数字化和信息化，现在的游戏行业生产方式可能相当于20年前的手绘时代。而这种进步和改变，使得准入门槛和生产成本极大降低，更加提升创新和思维能力的占比，UGC的游戏参与方式可能从一种“玩法方式”变为一种“生产方式+玩法方式”的融合，web3倡导的个体价值（去中心+所有权）的实现有了具体载体，UGC定义将会重塑。

02

游戏制作中AI工具的具体运用

生产制作端现有AI工具1. 策划：隐形助手AI对策划方面的提升目前主要集中在两个方面：一是作为基础计算工具的整合，二是帮助牵引灵感，给出大的框架设计。前者是指复杂的多软件、多数据的处理整合过程，可以交由AI处理，例如需要调整一张复杂数值表格的某些参数。其中计算实验部分很多，例如需要反复数十次的调整各项数值，达到“平衡”。可以将整体数据输入ChatGPT，清晰描绘数值调整需求，由AI给出不同的计算和调整方案，作为多方案预览，极大节约时间成本，后续再通过手动校正的方式逐步达到落地需求。后者例如文案/叙事策划，则可以给定关键词，交由ChatGPT、文心一言、通义千问之一的大模型，由AI帮助撰写，获取灵感，然后在此基础上调整、拓展，还可将每一章节交由其提炼关键词并生成Prompt，输入到MidJourney中生成对应的插图，形成图文并茂的策划案。2. 美术：拥抱直至成为一部分——AIGC的发展阶段AI与美术的应用前文中有提到部分管线流程，而对于整体的发展，笔者认为有几个阶段：（1）技术突破为主，美术效果：“又不是不能用”；（2）“玩家共创”，前锋跑步入场，迭代完善美术效果——“涩涩是第一生产力”；（3）专业化人员进入大众视野，“Prompt/AIGC工程师”，多技术融合，插件如雨后春笋，技术和品质提升全面加速；（4）深度融合，美术自训练AI模型成为标配，“请提供你的Portfolio”变为“请提供你的SD模型集”；（5）链条打通，AI 2D、3D工具完善，分化为两条路径，一是极度便利的自然语言输入，生成各类概念性、非标性美术内容，二是极度复杂，海量参数暴露的“参数化美术”专业发展路径。目前来看（2023年4月）处于2.5阶段，着重阐述一下阶段4的模型训练原理：我们可以类比美术师的成长训练过程，以人体为例，美术师需要对头、手、脚、躯干各部分进行“分模块练习”和“整体组合练习”，并对脸部五官、手重要部分进行“强化训练”，基本的绘制形体功能练成后，逐步对不同人物的体态、神态进行“泛化训练”，由写形逐步提升到写神，最后经过海量的数据和训练，可以达到默写，而后进行艺术创作。这一过程无疑是以“年”为单位进行的，而AI技术的优势在于，我们将各个“部件”绘制成果一次输入多组即可，而后的对不同对象的组合、泛化交由AI操作，极大省去了协同过程中的试错和反复成本——我们将脑海中的“意象”绘制出来与“甲方”同步，“甲方”认为和其脑海中的“意象”不一致，反复调整的成本。显而易见的，AI生态的融入，很大程度上对美术这一岗位进行了一次大面积筛选，绘画功底越深、驾驭的美术风格越成熟，或者风格越独特的能更大的放大自身的价值，且在更复杂的场景领域存在很多机会。通过AI的杠杆将只有“一双手”的生产力扩大化，而单纯只是充当绘制劳力的人力，则面临迭代。3. 客户端：我打败我自己虽然AI目前无法完全代替程序员来编写复杂的游戏客户端，但它可以帮助程序员生成一部分简单的代码或基于已有的代码进行拓展。运用AI来辅助编写游戏客户端代码已经起到了不错的成效，例如GitHub Copilot工具，使用方法和步骤如下：工具准备：GitHub Copilot 是一款基于AI技术开发的代码补全工具，可以借助它来辅助编写游戏客户端。GitHub Copilot 以OpenAI的大型代码库为训练基础，能够理解大量编程语言和框架，如Python、JavaScript、Unity 和 Unreal Engine等。步骤：（1）准备好环境，并安装GitHub Copilot，GitHub Copilot将整合到编程环境里（如Visual Studio Code）；（2）编写游戏逻辑：当你在编写过程中遇到需要帮助的地方时，可以借助GitHub Copilot。只需输入一些相关的关键词或注释，GitHub Copilot就会根据其理解生成相应的代码建议；（3）优化代码：AI生成的代码不一定完全符合我们的需求，因此需要进行检查、修正并调整至期望的解决方案。没百分之百完美的代码，审查与验证依然是一个重要的过程；（4）测试与迭代：运行客户端进行适当测试。如果出现问题修复错误并优化代码。如果是刚写的这部分出现问题，可以试着提交给ChatGPT帮助检查。目前类似GitHub Copilot辅助编写游戏客户端代码的工具百花齐放，虽然目前无法完全单独完成编写任务，但随着技术的发展，AI辅助将在游戏开发领域扮演越来越重要的角色。4. AI与游戏带来的玩法更新

玩法	更新
RPG/大世界	RPG的世界感知通过AI对话将被塑造的更为清晰具体，例如与NPC关系的养成、NPC对话对世界的了解、NPC交互行为的多样性丰富，RPG世界将更为鲜活，可能延伸与NPC更深度的交易、社交、对抗等玩法。例如霍格沃兹、梦幻西游。
Party 社交	鹅鸭杀类社交Party，AI对话使得AI 玩家成为可能，因传统对真人数量凑齐门槛较高，且玩家数过多体验可能降低，AI玩家的出现解决该类问题，可能延伸出更为复杂的玩法变体。
虚拟人	例如汤姆猫+ChatGPT，原神角色+ChatGPT，人物、动物养成类玩法因AI对话赋予了新的交互和情感表达，催生“便携”的独立玩法，以及玩法更新。
解谜类	以对话文本为主的解谜类，从参与方式、解谜方式、奖励方式将变得更为开放，以及可能产生前人千面的开放结局。例如极乐迪斯科类型的游戏。
剧本跑团	龙与地下城，目前已有初步的接入GPT版本，充当DM的角色，可以预见的，AI对于美术资源生成方式的进化，将使得原本的文字跑团，变得画面丰富、声情并茂，玩家AI变化声音，沉浸式扮演，游戏体验将上新台阶。
养成类	赛马娘等养成类的养成路线可能交由AI生成，AI提供不同的交互玩法，剧情文本基于玩家的基础数据和不断的输入生成，固定与动态内容相结合，真正做到养成属于玩家自己的“偶像”。

上一篇：王者策划手把手教你练英雄！高品质史诗皮肤免费拿，游戏环境大改

下一篇：【干货】游戏界面设计 (四)体验设计