游戏|绝悟AI参展GDC,AI深入游戏产业全链路( 三 )


传统方法的游戏开发通常使用行为树模型设计AI,然而,这种“穷举法”只能产生有限和固定行为模式 。而采用强化学习方法,则可以通过从0到1,完成端到端训练,通过观察设计、模型设计、行动空间设计和奖励机制,实现高智能AI 。
游戏|绝悟AI参展GDC,AI深入游戏产业全链路
文章图片

三个AI合作击败对手
掌握全游戏能力后,第二步就要提升AI的拟人化表现 。试想我们自己作为玩家处于游戏中战斗场景,会选择站在什么位置?用哪把枪?命中率如何?回答这些问题对普通玩家已不容易,对AI来说也同样困难 。
腾讯AI Lab采用对抗学习的技术探索解决 AI 拟人化难题 。首先需要输入两组数据,一是高质量的人类脱敏数据,二是前述通过强化学习方法训练而成的 AI NPC 数据 。然后,两者数据再经过鉴别器区隔,并输出一套内在奖励机制,激励AI不断向人类行为靠拢 。
基于拟人化AI研究,腾讯AI Lab与《穿越火线》手机版合作打造了“明星玩法”——挑战职业选手 。AI通过模仿职业选手,掌握他们的典型个人风格,玩家则感觉像在与真实的职业选手对抗 。该玩法上线后大受欢迎,对局数量较平时平均数提升了3-4倍 。
游戏|绝悟AI参展GDC,AI深入游戏产业全链路
文章图片

AI模仿职业选手打法风格,左上为职业选手,右下为AI
超越游戏,AI驱动虚实结合的无限可能从虚拟世界到现实世界,游戏为AI提供了低成本的学习环境,训练AI逐步进化为通用人工智能,从而在现实世界中发挥越来越重要的作用 。
比如在虚拟环境中模拟现实任务,让自动驾驶汽车在不同条件下模拟行驶,效率高、成本低,也更安全 。再如,腾讯利用仿真环境与强化学习算法,推进机器人及数据中心节能技术等研究与应用 。
同时,从现实世界到虚拟世界,AI正在成为“元宇宙”基础设施,逐步构建更高品质、更开放、更沉浸和更多样的虚拟世界,突破内容和空间的局限性,创造前所未有的体验与机遇 。

推荐阅读