文丨競核

全球游戲行業年度盛會“2021游戲開發者大會”（英文：Game Developers Conference，簡稱GDC）于近日舉辦。

7月22日，騰訊AI Lab在大會亮相，首次全面展示了以“絕悟”為代表的AI技術在游戲產業全鏈路中的研究與應用能力，介紹了AI提高游戲開發效率、打造新玩法、輔助游戲平衡性測試等案例經驗，并分享了AI驅動虛實融合的思考與探索。

AI技術在游戲全鏈路的研究與應用包含兩部分，在橫向上覆蓋游戲制作、運營及周邊生態全生命周期，提升游戲品質，豐富玩家體驗；在縱向上AI正拓展更多元的游戲品類，如圍棋、麻將等棋牌類，足球等體育類，以及多人在線戰術競技（簡稱MOBA）、第一人稱射擊（簡稱FPS）等復雜策略類游戲。

同時，AI的不斷進化正使之超越游戲場景，推動“元宇宙”（英文：Metaverse）概念的落地。簡單來說，“元宇宙”是虛擬世界與現實世界的無縫結合。就像電影《頭號玩家》中的綠洲，用戶在虛擬與現實中自由穿梭，感受前所未有的體驗，創造無限可能。

AI應用深入游戲全生命周期

創建“元宇宙”面臨很多挑戰：要具備無限逼近現實的極高品質，空間巨大、開放且能無限拓展；可探索的內容要足夠多樣乃至無窮，從而匹配現實世界中的體驗維度等。如何應對這些挑戰？AI技術正在提供答案，并在“元宇宙”的基礎場景游戲行業中得到驗證。

在游戲前期的制作環節，AI高效低成本的特點，使之成為優秀的生產者。用戶的虛擬分身和NPC（英文：non-player character）要具有獨特性，就要有不同的面孔、服飾、聲音甚至性格特征。而傳統方法生成 NPC 的成本很高，制作一分鐘的人物動畫需要耗費數天。

騰訊AI Lab持續探索低成本地、大規模生產個性化 NPC 的相關技術。在視覺上，通過AI對抗生成網絡實現“千人千面”，快速生成高保真 AI NPC，搭配不同的發型和妝容，為創建海量角色奠定基礎。

解決人臉問題之后是人物行為。騰訊AI Lab整合文字轉語音的前沿研究，生成自然語音，同步驅動嘴型、表情等面部變化，達到高度逼真。

AI NPC可做出高擬真表情

最后，利用相位神經網絡技術控制人物運動，將原本數周工作量減少到幾小時。AI 在大量的運動數據集上學習人體動作，將捕獲的運動數據與場景地形數據相匹配，完成準確、流暢的動作反應，如行走、跑步、跳躍等。

AI輔助生成游戲角色動作

在游戲中，AI既是運營者也是陪伴玩家的智能伙伴。AI能扮演玩家的對手或隊友，提供創新玩法，不斷豐富游戲活力。而作為管理者，AI能為玩家智能匹配合適的隊友，接管掉線玩家，還能利用自然語言處理等技術，在監測到不當發言時予以屏蔽，維護良好的對局環境。

在游戲周邊，AI也在支持電競訓練分析、直播解說及集錦自動生成等更廣泛的應用，不斷創新行業生態。總之，AI正在為游戲全生命周期中的更多環節，創造全新價值。

AI應用深入游戲全生命周期

為不同類型游戲帶來全新價值

騰訊AI Lab自2017年開始研發策略協作型AI“絕悟”，在本次GDC大會上，實驗室介紹了AI“絕悟”在兩類熱門游戲的實戰應用成果，包括MOBA游戲“王者榮耀”，及FPS游戲“使命召喚”與“穿越火線”手機版。

MOBA游戲：完全體AI與平衡性測試應用

基于王者榮耀的“王者絕悟”AI 經過多次迭代，已成為達到職業電競水平的“完全體”，掌握100+全英雄池，全召喚師技能，無任何限制、數值加成、無額外視野，操作反應也與職業選手相當，保證公平對抗?！巴跽呓^悟”不僅具備強大的策略協作與微觀操作能力，還擅長多樣化打法與全局禁選英雄策略。相關強化學習研究成果也已登上AI國際頂會與頂刊。

2020年，“王者絕悟”在王者榮耀游戲內向用戶限時開放，接受玩家5v5組隊挑戰，單次運營活動就吸引了超過4千萬玩家參與體驗并廣受好評。不少用戶與主播還將對局制作成生動有趣的視頻，在社交媒體和視頻平臺發布傳播，形成AI-用戶-社區的正向反饋。

此次大會上，“絕悟”還首次公開了AI輔助英雄平衡性測試的技術成果。MOBA游戲核心玩法在于多樣化的英雄選擇和戰斗體驗，從而增加不確定性與趣味性。一旦某些英雄過強或過弱，就會破壞玩家體驗，因此保持每個英雄勝率50%左右是王者榮耀平衡性系統的目標。

然而平衡性測試系統非常復雜，不僅涉及大量英雄，且每個英雄都有獨特的技能、屬性、玩法，英雄之間還存在互動，任何微小的變化都會產生意想不到的連鎖反應影響，評估系統變化相當困難。

傳統的平衡性測試是調整數值后在測試服上驗證，周期較長，每個英雄測試大約需要1-2個月。此外，由于正式服和測試服玩家的真實能力和游戲心態不一致，會導致測試結果不準確。

在解決準確性問題上，絕悟AI通過強化學習的方法來模仿真實玩家，包括發育、運營、協作等指標類別，以及每分鐘手速、技能釋放頻率、命中率、擊殺數等具體參數，讓AI更接近正式服玩家真實表現，將測試的總體準確性提升到95%。

在提高測試效率方面，絕悟AI通過分布式平臺和推理優化節省了大量的時間。分布式平臺支持大規模并發測試，開發者只需要輸入英雄的修改數值，平臺就會在短時間內自動輸出測試報告。推理優化則通過模型剪裁、量化、自研推理框架來減少模型的計算量和加快推理速度，實現3小時完成20萬場對局。

FPS游戲：全游戲能力與擬人化技術

對于FPS類型游戲來說，NPC的擬人化是AI研究的核心目標。在游戲內，勢均力敵的戰斗勝利才會帶來公平感和成就感。因此 AI 既不能強如開掛，也不能呆若木雞，更擬人化的 AI 才能提升玩家體驗。

在游戲領域之外，FPS 游戲擬人化 AI 也具有非常重要的研究價值。不同于總是通過俯視角進行的棋盤游戲和 MOBA 游戲等游戲類別，FPS 等第一人稱游戲往往基于三維立體的游戲場景，更類似于真實世界。在這樣的虛擬環境中訓練出的擬人化AI，更能反映人類在真實環境下的表現，從而可以幫助AI理解人類在真實環境中的行為，為以后的通用能力應用鋪路。

在本次大會上，騰訊AI Lab也分享了AI在FPS類游戲中的擬人化能力與技術方法。

第一步是讓AI掌握全游戲能力，即能夠完成游戲中的任何任務。以“吃雞”模式為例，玩家的目標是“活到最后”，關鍵任務包括，區域探索、收集武器和裝備，進入安全區并與敵人戰斗等。

傳統方法的游戲開發通常使用行為樹模型設計AI，然而，這種“窮舉法”只能產生有限和固定行為模式。而采用強化學習方法，則可以通過從0到1，完成端到端訓練，通過觀察設計、模型設計、行動空間設計和獎勵機制，實現高智能AI。

三個AI合作擊敗對手

掌握全游戲能力后，第二步就要提升AI的擬人化表現。試想我們自己作為玩家處于游戲中戰斗場景，會選擇站在什么位置？用哪把槍？命中率如何？回答這些問題對普通玩家已不容易，對AI來說也同樣困難。

騰訊AI Lab采用對抗學習的技術探索解決 AI 擬人化難題。首先需要輸入兩組數據，一是高質量的人類脫敏數據，二是前述通過強化學習方法訓練而成的 AI NPC 數據。然后，兩者數據再經過鑒別器區隔，并輸出一套內在獎勵機制，激勵AI不斷向人類行為靠攏。

基于擬人化AI研究，騰訊AI Lab與《穿越火線》手機版合作打造了“明星玩法”——挑戰職業選手。AI通過模仿職業選手，掌握他們的典型個人風格，玩家則感覺像在與真實的職業選手對抗。該玩法上線后大受歡迎，對局數量較平時平均數提升了3-4倍。

AI模仿職業選手打法風格，左上為職業選手，右下為AI

超越游戲，AI驅動虛實結合的無限可能

從虛擬世界到現實世界，游戲為AI提供了低成本的學習環境，訓練AI逐步進化為通用人工智能，從而在現實世界中發揮越來越重要的作用。

比如在虛擬環境中模擬現實任務，讓自動駕駛汽車在不同條件下模擬行駛，效率高、成本低，也更安全。再如，騰訊利用仿真環境與強化學習算法，推進機器人及數據中心節能技術等研究與應用。

同時，從現實世界到虛擬世界，AI正在成為“元宇宙”基礎設施，逐步構建更高品質、更開放、更沉浸和更多樣的虛擬世界，突破內容和空間的局限性，創造前所未有的體驗與機遇。