AI：重塑游戏辉煌-精准获客

在如今AI大行其道的时代，“借助AI让自家游戏角色更具真人感”仿佛成了各大游戏厂商的执着追求。

这不，近期索尼利用AI驱动旗下游戏《地平线：西之绝境》主角Aloy一事，被匿名网友曝光。

据流出消息，玩家能通过语音与Aloy互动，她不仅能对玩家的问题对答如流，还会做出相应面部表情，力求贴近现实。

这种玩法确实有创新之处，但恐怖谷效应成了AI版Aloy难以跨越的障碍。有人发视频吐槽她语调呆板、表情惊悚，玩家根本无法专注于对话，光是看着那张动作极不自然的脸，就足以让人心理防线崩溃。

就在国外网友对Aloy直呼“怪异”时，米哈游创始人蔡浩宇的AI创业公司Anuttacon公布了旗下手游《Whispers from the Star》的预告片。

游戏中，女主Stella被困外星星球，需依靠玩家的实时语音和文字在太空求生。女主的反应和剧情完全由AI驱动，玩家的每一句话、每一个选择都会像蝴蝶效应一样，切实影响故事走向。

这次吐槽女主外貌的人少了，毕竟Stella很可爱，但这种随时会四目相对的“纯聊式”玩法，对社恐玩家不太友好。

先抛开游戏厂商的执念，面对不断涌现的AI驱动NPC，我不禁思考：游戏中的NPC是如何发展成现在这样的？未来又将走向何方？

01：想当年，NPC还是人工“智障”

几乎所有游戏都有带AI属性的内容，最常见的就是与玩家相爱相杀的NPC。NPC的智商和心机程度，直接影响玩家的游戏体验。

曾经，游戏里的NPC堪称“三无”：无情、无脑、无存在感。当你向《超级马里奥》里的蘑菇头深情表白时，它只会摆出僵硬表情，按预设动作来回走动，直到被你踩扁，结束短暂一生。

这种低智商的NPC常见于小游戏，玩家摸清规律后，就会对游戏失去兴趣。因此，变得更有心机、更有套路，是NPC的必然进化方向。

上世纪80年代，街机游戏《吃豆人》（Pac – Man）在美国爆火，随后风靡全球。这款仅24kb的游戏看似简单，实则蕴含精妙逻辑设计。

在《吃豆人》中，玩家要通过走位躲避幽灵围堵，而四个幽灵能巧妙配合，将玩家左右包抄。这便是游戏历史上首次出现的游戏AI。

那么，《吃豆人》作者岩谷彻是如何在小游戏中让NPC进行复杂配合的呢？其实，他为四个幽灵分别设计了独特行动路径。

红色幽灵（Blinky）最先出场，行动简单，始终紧追玩家。

粉色幽灵（Pinky）会在玩家吃掉五分之一的豆子后出动，它会堵截玩家前方四个身位的位置。

蓝色幽灵（Inky）在玩家吃掉五分之二的豆子时出现，它先确定玩家正前方一个身位为A点，红色幽灵位置为B点，连接AB并反向延长一倍的端点就是它的目标。它的路线最难预测，常从奇怪位置冲出堵截玩家。

橙色幽灵（Clyde）在玩家吃掉五分之三的豆子时登场，它性格“社恐”，只有与玩家距离超过8个格子时才追击，一旦靠近就会逃离，向地图左下或右下移动。

这样的AI设计，让四只幽灵移动时给人一种诡计多端、相互配合的错觉。

以上是《吃豆人》中幽灵的“追逐模式”，它与“散开模式”和“惊吓模式”组合，形成有限状态机数学模型。简单说，四个幽灵在某些条件触发时会转换行为模式。

例如，每局游戏中，幽灵会触发四次“散开模式”，它们会远离玩家，向地图四角移动，让玩家得以喘息，时间一到又转为“追逐模式”。此外，还有“受惊模式”，地图上的四个大豆子被玩家吃下后，玩家会变守为攻追击幽灵，幽灵则会逃窜。

三种模式切换，精准把握玩家的“不服”心理，让人欲罢不能，即便这局输了，也觉得下局能翻盘。

02：当AI开始带着NPC内卷，人类玩家慌了

随着游戏情景愈发复杂，有限状态机逐渐力不从心，行为树应运而生。行为树是树状结构，当NPC询问当前行动时，程序从“树根”出发，根据当前状态和条件向下搜索，直到NPC执行最终节点行为。

行为树基于有限状态机，更复杂，但有致命弱点。其本质是游戏作者提前为NPC设计的可执行行为，一些特殊场景可能未被考虑。结果可能是BOSS应对不了非常规战术，显得很蠢，严重时还会出现BUG，让玩家轻松通关。

比如《魔兽争霸3》的Tower Rush速攻战术，玩家在游戏早期将防御建筑建在对手家附近，限制其发展，实现速通。

这种因缺乏随机性导致的分支广度和深度不足，曾激发玩家的“抖M”属性，大家都希望有个游戏能狠狠虐自己。于是，蒙特卡洛树搜索与深度神经网络登场。

蒙特卡洛树搜索是决策时选最优解的算法。AI通过模拟大量随机行为评估结果，模拟次数增加会构建搜索树，找到最优解。很多棋牌回合制游戏的AI就用此算法。在它的加持下，AI征服欲爆发时会用穷举法击败玩家。

但该算法也有弊端，算力不足时，会陷入搜索黑洞，游戏中电脑对手会犹豫不决。不过与深度神经网络结合后，即便世界高玩也可能被打得怀疑人生。最典型的例子是2016年AlphaGo以4:1战胜韩国传奇棋手李世石。

AlphaGo搜索时使用策略网络（policy network）和价值网络（value network）。策略网络根据棋盘状态判断走法概率，帮AI决定落子点，避免盲目搜索。价值网络输出棋盘状态优劣值，帮AI决定是否继续探索，劣势时就另寻出路。

AlphaGo成名后，游戏AI在“暴打人类”的路上越走越远。2017年，卡内基梅隆大学开发的Libratus AI在与4名顶尖德州扑克选手对决中获胜；2019年，《星际争霸2》人机大战中，对战型游戏AI AlphaStar以10:1碾压人类职业高手；同年，OpenAI Five在《Dota 2》5v5模式中2:0击败世界冠军战队OG。