這篇文章，騰訊工程師介紹了深度學習在遊戲中的應用。
AI這個議題，雖然很早以前就已經提出，但真正火的是在圍棋大殺四方之後。最近雖然有些沉澱，產業界對於AI的用法與探索一直沒停下腳步。
這篇文章的第一章：「什麼是深度強化學習」。對有些人來說可能有點不太理解，我簡單說明一下概念。
假設我想要訓練AI自動玩一個簡單的對戰PK遊戲。
1)確認要玩好一個遊戲的目標：譬如三星過關。
2)確認過關所需要的參數有哪些，給予不同參數權重：譬如移動、攻擊、防禦時機等等。
3)匯入大量的過關卡的數據。
4)有些數據不會過關，有些數據會過關，在這個過程中AI會調整參數的權重，影響過關的權重就會調高，不影響的就會調低。
5)最終AI慢慢試錯學習不同的權重組合，達到100%過關。
而在這篇文章中，作者提到了騰訊正使用AI來完善以下幾個方向，甚至已經放到QQ飛車(極速領域)等遊戲測試：
●BOT AI。譬如《極速領域》賽車的對手NPC。
●Procedural Content Generation (PCG) 自動化的生成遊戲內容。
●角色動畫。
●遊戲內推薦購買商品。
●最適合的廣告推薦組合。
●智能客服。
--
就營運角度來說，這些都是很重要的發展。
以BOT AI來說，傳統的做法是幫NPC寫腳本。但開發者不太可能寫出幾千種的腳本，因此玩家在遊戲過程中很容易摸索出NPC的行為而感到疲乏。
譬如射擊遊戲，AI對手常常被玩家詬病太過僵硬與呆版，但很多新手玩家卻又打不贏老手而流失。如果AI對手能仿造正常玩家的動作，又能針對每個玩家的能力提供適度的"挑戰"(譬如每場KD值目標為70%)，那營運商就不用一直導入大量的真人玩家，以維持健康的競爭環境。
PCG則能協助開發商擺脫持續產出內容的惡夢。最近流行的Roguelike玩法，也是藉由變化的遊戲內容，降低開發商對於後續版本開發的壓力。
角色動畫這點的發展則挺讓我驚艷的。所有的AI訓練都要想辦法找到"誤差值"，也就是「行為結果與正確結果的差異」。如果光從Youtube的影片中，就能協助AI動畫進行學習，那就能減少使用動態捕捉獲得數據的高門檻，加快AI的訓練發展進程。
遊戲內推薦購買商品這個就不用說了，簡直是營運的夢想。玩家隨著遊戲進程往往有不同需求，但活動只能提供一套一直是最困擾的問題之一。都已經LV100口袋滿滿還看到商城的小體力丹只能讓玩家吐血，AI推薦也許能真正做到遊戲電子商務化。
至於文中所說的最適合廣告訊息推薦組合嘛....容我吐槽一下，只有在中國家大業大等於你家的騰訊才能做到吧XD，微信、QQ、WeGame、包含支付這種遊戲生態鏈共屬一家的狀況實在太獨特。不過現在的確很多休閒小遊戲廠商的線上廣告導入，都號稱有使用AI來找出最佳組合。不可否認也是未來的方向。
--
如果觀察AI對於營運或研發的發展走向，我認為是「極度客製化」。亦即作到每個玩家的遊戲關卡、對戰對手、商品清單，都完全符合並且客製化其難度。
不過這些方向都比較偏向單一玩家的需求。當把玩家與玩家之間的關係，團體與團體之間的關係考量進去，「客製化」與「公平規則」之間的權衡，應該是人類需要代替AI去思考的課題。
希望我們未來都能好好使用這些AI，而不是被它們所取代。
#AI
#遊戲AI
#No51
