游戏制作人注入人工智能以开发更逼真的角色

一款真正令人惊叹的视频游戏结合了巧妙的代码、华丽的图形和巧妙的动画-外加数千小时的辛勤工作。

国际足联(FIFA)、狂人(Madden)和其他流行游戏背后的艺电公司(Electronic Arts)的研究人员正在测试人工智能的最新进展，以此来加快开发进程，使游戏更逼真。一个巧妙的转折是，研究人员正在利用一种人工智能技术，通过玩一些最早的游戏机视频游戏来证明自己。

来自EA和温哥华不列颠哥伦比亚大学的一个团队正在使用一种名为强化学习的技术，这种技术大致上是受到动物对正面和负面反馈做出反应的学习方式的启发，以自动制作类人角色的动画。“结果非常非常有希望，”艺电高级软件工程师法比奥·津诺(Fabio Zinno)说。

传统上，视频游戏中的角色和他们的动作都是手工制作的。国际足联(FIFA)等体育游戏利用动作捕捉(Motion Capture)，这是一种涉及跟踪真人的技术，通常使用真人脸上或身体上的标记来呈现更逼真的人类角色动作。但可能性受到已经录制的动作的限制，仍然需要编写代码来为角色设置动画。

例如，通过自动化动画过程以及游戏设计和开发的其他元素，人工智能可以为游戏公司节省数百万美元，同时使游戏更加逼真和高效，这样一款复杂的游戏就可以在智能手机上运行。

近年来，强化学习通过让计算机在没有任何指导的情况下学会玩复杂的游戏和解决令人烦恼的问题而激起了人们的兴奋。2013年，后来被谷歌(Google)收购的英国公司DeepMind的研究人员利用强化学习创建了一个计算机程序，该程序学会了将几款雅达利(Atari)视频游戏玩到超人的水平。该程序通过实验以及像素和游戏分数的反馈学会了玩游戏。DeepMind后来使用同样的技术构建了一个程序，该程序掌握了极其复杂和微妙的棋类游戏围棋等。

在7月份将在计算机图形学会议Siggraph 2020上展示的工作中，EA-UBC的研究人员展示了强化学习可以创造出一种可控的足球运动员，无需使用传统的编码或动画就可以真实地移动。

为了制作这个角色，研究小组首先训练了一个机器学习模型，以识别和复制动作捕捉数据中的统计模式。然后，他们使用强化学习来训练另一个模型，以再现具有特定目标的真实运动，例如在游戏中向球跑去。重要的是，这会生成原始运动捕捉数据中找不到的动画。换句话说，该程序学习足球运动员如何移动，然后可以自行设置角色慢跑、冲刺和摆动的动画。

纽约大学(NYU)教授朱利安·托格利厄斯(Julian Togelius)说：“我绝对可以看到这项技术在不同方面都很有用。”他也是一家为游戏制造人工智能工具的公司a Modl.ai的联合创始人。他补充说，强化学习项目是自动化或“程序生成”方法浪潮的一部分，这些方法将改变游戏内容的创建方式。

托格利厄斯说：“程序化动画将是一件大事。”“它基本上自动化了构建游戏内容的大量工作。”

随着游戏机、个人电脑和智能手机变得越来越强大，游戏将变得越来越复杂和复杂，需要游戏公司进行更大的投资。现有的工具可以帮助设计师和动画师提高效率，但每一步都需要它们。就像人工智能可以在输入足够的数据时炮制出照片级的面孔和场景一样，算法可能会自动创建新的角色和场景。

人工智能可以为其他流派生成内容，包括动作和角色扮演游戏。一些游戏公司正在试验程序生成，以此作为使游戏更具扩展性的一种方式。一种简单的方法被用来生成新的世界，供玩家在2016年发布的太空生存游戏“无人的天空”中探索。Togelius说，人工智能也正在成为一种使用人造玩家测试游戏和发现错误的强大方式。

在光谱的另一端，人工智能有可能从头开始生成简单的视频游戏。周五，来自多伦多大学(University Of Toronto)、麻省理工学院(MIT)和制造游戏芯片的英伟达(Nvidia)的研究人员披露了一款人工智能引擎，它学会了如何在没有任何原始代码的情况下重现经典游戏吃豆人(Pac-Man)。

在街机游戏发布40周年之际，研究人员展示了一个名为GameGan的程序如何通过观察屏幕并监控5万个吃豆人游戏期间使用的控件来重现简单的游戏。GameGan随后生成了自己的版本，包括新的场景和平台。

Pac-Man背后的Namco公司的10名工程师花了17个月的时间来设计、编程和测试最初的游戏。如果提供足够的数据，这样的算法最终可能会创造出一款引人注目的新游戏--“愤怒的小鸟”或“糖果粉碎传奇”，没有人需要编写代码。

多伦多大学(University Of Toronto)助理教授、英伟达(Nvidia)人工智能主任桑贾·菲德勒(Sanja Fidler)表示：“你可以想象在许多游戏上训练它-数千种不同的游戏。”“人们会希望，现在你能以某种方式将不同游戏中的不同东西混合在一起，并插入其中。”

EA的Zinno说，游戏开发者可能需要几年时间才能例行公事地使用人工智能，部分原因是机器学习算法很难理解和调试。他指出，证据将在由此产生的游戏的受欢迎程度中得到证明：“游戏开发就是它自己的野兽。不管你的动画技术有多不可思议，关键是，玩起来好玩吗？“。

参与EA项目的UBC教授Michiel van de Panne说，下一步是使用强化学习在物理现实环境中训练非人类的视频游戏角色。但他承认，训练算法从头开始制作全新的动画将更加困难，因为很难量化玩家会发现什么是有吸引力的。Van de Panne说：“我在等着看真正充分利用人工智能来生成动画的东西。”“但它肯定会来的。”

👁大脑是人工智能的有用模型吗？另外：获取最新的人工智能新闻。

🏃🏽‍♀️想要最好的健康工具吗？看看我们Gear团队挑选的最好的健身跟踪器、跑步装备(包括鞋子和袜子)和最好的耳机