2023游戲人工智能發(fā)展報(bào)告：歷史演變、技術(shù)革新與應(yīng)用前景-廈門大學(xué)+游戲哲學(xué)研究中心

歷史演變、技術(shù)革新與應(yīng)用前景AndApplication歷史演變、技術(shù)革新與應(yīng)用前景AndApplicationProspects廈門大學(xué)游戲哲學(xué)研究中心HistoricalEvolution,GameArtificialIntelligenceGameArtificialIntelligenceHistoricalEvolution,TechnologicalInnovationTechnologicalInnovationAndApplicationProspects前言人工智能(ArtificialIntelligence)與電子游戲(VideoGame)看似是—對毫不相關(guān)的概念，和發(fā)立的研究分支，即游戲人工智能(ArtificialIntelligenceinVideoGames)研究。狹義的游戲人工智能研究，致力于創(chuàng)造類人(human-like)水平的智能體，嘗試在國際跳棋、國際象棋、雙陸棋、圍棋、德州撲克、星際爭霸和Dota2等游戲中戰(zhàn)勝人類玩家；廣義的游成術(shù)等等。研究所(AlanTuringInstitute)等世界頂尖人工智能研究中心的注意。同時(shí)，谷歌、微軟、亞科技企業(yè)也在游戲人工智能的研究上投入了大量的資源。沿主席加姆巴(LuigiGambardella)也表示，“電子游戲?qū)τ谇把丶夹g(shù)進(jìn)步的溢出效應(yīng)遠(yuǎn)遠(yuǎn)超出游戲科技是很多新興科技創(chuàng)新的天然孵化器”。章創(chuàng)新—直相互啟迫、共同發(fā)展”等觀點(diǎn)。此外，由中國音數(shù)協(xié)游戲工委、中國游戲產(chǎn)業(yè)研究戲促進(jìn)了人秘書長前言第1章IIVI游戲入工智能發(fā)展史：1.1起源時(shí)期:人工智能與電子游戲的誕生1.2發(fā)展時(shí)期:人工智能的勝利1.3黃金時(shí)期:深度學(xué)習(xí)時(shí)代第2章電子游戲中的入工智能：第3章游戲助力入工智能：電子游戲助推產(chǎn)業(yè)變革,孵化通用智能VV第4章游戲入工智能的社會價(jià)值：溢出效應(yīng)凸顯,賦能百業(yè)千行62636566676970第5章未來發(fā)展：游戲入工智能將成為生產(chǎn)力革命的關(guān)鍵727273757577參考文獻(xiàn)78V、星際爭霸和Dota2等游戲中戰(zhàn)勝人類玩家；廣義的游戲人工智能研究，僅可以生成強(qiáng)可玩性的游戲關(guān)卡，同時(shí)還可以生成高質(zhì)量的游戲圖像、游戲音樂和游戲文本，互帶來了無限可能。更大的開放世界和更加智能的NPC，構(gòu)建了—個(gè)史無前例的、日益真實(shí)出了能夠讓玩家沉浸其中的、千人千面的“元宇宙”。促進(jìn)了人工智能技術(shù)的發(fā)展，甚至作為人工智能技術(shù)的“加速器”，開始孵化通用人工智能。電子游戲?yàn)槿斯ぶ悄荏w的訓(xùn)練提供了—個(gè)安全、可靠、高效、可控以及低成本的、所面臨的種種風(fēng)險(xiǎn)。樣性的事件時(shí)，也能展現(xiàn)出相應(yīng)的能力。游戲人工智能的相關(guān)技術(shù)目前已在商業(yè)決策、自動(dòng)駕駛、關(guān)鍵。游戲入工智能發(fā)展史：圖靈 ce描述了構(gòu)建人工智能機(jī)器以及測試其智能的具體方法。這標(biāo)志著人工智能成為了—門正式的學(xué)直相互糾纏，難解難分，直至當(dāng)下。如今，游戲人工智能的研究已經(jīng)成為了新的熱點(diǎn):據(jù)統(tǒng)計(jì)，1625，其中17篇成為《自然》(Nature)和《科DeepBlue年的圍棋人工智能AlphaGo，這些游戲整個(gè)社會的激烈討論以及對人工智能技術(shù)的強(qiáng)烈關(guān)注。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景Fig最早的電子游戲機(jī)《取子機(jī)》a圖片來源:WestinghouseElectricCorporationPhotographsaAIChatGPTAI定關(guān)聯(lián):OpenAI聯(lián)合創(chuàng)始人和首席科學(xué)家蘇熒克維(IlyaSutskever)在與英偉達(dá)的創(chuàng)始人兼CEO黃健生(JensenHuang，中文名黃仁勛)對談時(shí)指出，OpenAI之所以能夠在ChatGPT中推出基于人類反債的強(qiáng)化學(xué)習(xí) 的長期研究有關(guān)。b正是因?yàn)樵趥鹘y(tǒng)的強(qiáng)化學(xué)習(xí)大模型中有著豐厚積累，才能夠在此基礎(chǔ)上逐a/islandora/object/pitt:20170320-hpichswp-0090b/watch?v=ZZ0atq2yYJw游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景辛游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景辛頓以及他學(xué)生薩拉赫丁諾夫正式提出了深度度學(xué)習(xí)在學(xué)術(shù)界的浪潮。OpenAI推出了基于提示的大語言模型ChatGPT。該模型將ChatGPT與基于人法結(jié)合，取得了巨大的成功，并引發(fā)了巨大的社會反響?？▋?nèi)基梅隆大學(xué)的柏林納基于蒙特卡洛樹搜索的方法，編寫了名為BKG9.8的應(yīng)用程首次擊敗了前世界冠軍。發(fā)展時(shí)期﹥首個(gè)電子游戲機(jī)Nimatron誕生，擊敗了與之對奔的大多數(shù)人。紐尼爾，撰寫了《國際象棋機(jī)器:基于適應(yīng)性樣游玩國際象棋的程序。人類大腦”為主題，邀請現(xiàn)場觀眾進(jìn)行游戲挑戰(zhàn)。發(fā)展時(shí)期﹥首個(gè)電子游戲機(jī)Nimatron誕生，擊敗了與之對奔的大多數(shù)人。紐尼爾，撰寫了《國際象棋機(jī)器:基于適應(yīng)性樣游玩國際象棋的程序。人類大腦”為主題，邀請現(xiàn)場觀眾進(jìn)行游戲挑戰(zhàn)。信息論之父香農(nóng)發(fā)表了《編寫用于國際象棋的計(jì)算機(jī)程序》—文。討論了許多涉及國際象棋人工智能的基本問指導(dǎo)了隨后對該問題的大部分研究。達(dá)特茅斯學(xué)院人工智能夏季研討會達(dá)特茅斯學(xué)院人工智能夏季研討會學(xué)科的誕生。神經(jīng)科學(xué)家麥卡洛克和邏輯學(xué)家皮熒提出神經(jīng)元的數(shù)學(xué)式識別”的概念。輯回歸模型。式識別”的概念。輯回歸模型。工智能浪潮。理工學(xué)院科學(xué)家維森蛔姆發(fā)我學(xué)習(xí)”的人工智能程序。絡(luò)。絡(luò)。明斯基在論文《知識表示的框架》中提出表示學(xué)習(xí)框架理論。謝諾夫斯基與辛頓等人明斯基在論文《知識表示的框架》中提出表示學(xué)習(xí)框架理論。謝諾夫斯基與辛頓等人機(jī)。阿爾伯特大學(xué)教授、加拿大人工智能研究主席謝佛編寫了首個(gè)在與人類游戲比賽中贏得阿爾伯特大學(xué)教授、加拿大人工智能研究主席謝佛編寫了首個(gè)在與人類游戲比賽中贏得《深藍(lán)》以三勝—平的戰(zhàn)績擊敗了當(dāng)時(shí)最強(qiáng)的國際象棋選手使人工智能成為了世界囑目的話題。爾提出Boosting方法。IBM研究人員特紹羅發(fā)布爾提出Boosting方法。IBM研究人員特紹羅發(fā)布TD-Gammon。算法的知名度?？颂岢鲋С窒蛄繖C(jī)模型。蒙特卡洛樹搜索方法應(yīng)用在圍棋游蒙特卡洛樹搜索方法應(yīng)用在圍棋游辛頓與克里澤夫斯基設(shè)計(jì)的AlexNet神經(jīng)網(wǎng)絡(luò)模型在ImageNet競賽大獲全勝。這是史上第—次有模型在ImageNet數(shù)據(jù)集表現(xiàn)經(jīng)網(wǎng)絡(luò)的研究熱情。DeepMind發(fā)布了其星際爭霸游戲人工智能級職業(yè)玩家的人工智能。Facebook聯(lián)合卡耐基梅隆大學(xué)發(fā)布了《匯DeepMind發(fā)布了其星際爭霸游戲人工智能級職業(yè)玩家的人工智能。Facebook聯(lián)合卡耐基梅隆大學(xué)發(fā)布了《匯聚》游戲Al，在六人不限注撲克上打敗了職OpenAI發(fā)布了Dota2的人工智能程序OpenAI卡耐基梅隆大學(xué)和阿爾伯特大學(xué)發(fā)布了Libratus和DeepStack，在兩人無限注德州撲克上成功人類玩家。Google發(fā)布Bert，成功在11項(xiàng)AlphaGo選手之—謝弟爾發(fā)布《仙王座》，該程序解決了兩人有限注奕問題。 DeepMind推出了AlphaGo。Google出用Word2Vec的方式來學(xué)習(xí)單詞分布式表示，因其簡單術(shù)界極大的關(guān)注。OpenAI推出大語言模型GPT-3，在自然突破性的成果。統(tǒng)闡述了大規(guī)模預(yù)訓(xùn)練模型背后的機(jī)遇與風(fēng)險(xiǎn)。游戲人工智能發(fā)展史上的重要事件Fig.02游戲人工智能歷史演變時(shí)間線上的重要事件的里程碑事件圖片來源:自制1.1起源時(shí)期:人工智能與電子游戲的誕生人工智能的早期研究，而且其中的許多工作都與電子游戲相關(guān)，主要涉及井字棋(tic-tac-toe)、國際象棋(chess)和國際跳棋(checkers)。當(dāng)時(shí)人們對于人工智能的想象，就是能夠在各種和任務(wù)上模仿甚至擊敗人類的機(jī)器?？梢哉f，從人工智能作為—個(gè)獨(dú)立的研究和應(yīng)用領(lǐng)域智能的技術(shù)研究與發(fā)展。1949年，信息論之父香農(nóng)(ClaudeShannon)開始涉足游戲人工智能的研究。他在《哲學(xué)雜香農(nóng)指出，讓計(jì)算機(jī)學(xué)會玩游戲有著深層次的理論意義:求解游戲人工智能問題的思路，將成問題的契機(jī)。例如，通過研究游戲人工智能，人們可以讓計(jì)算機(jī)完成設(shè)計(jì)濾波器(filters)和均衡器(equalizers)、設(shè)計(jì)繼電器(relay)和開關(guān)電路、處理電話呼叫路由、翻譯、進(jìn)行軍事戰(zhàn)略決策、甚至編寫旋律和進(jìn)行邏輯推理等等。智能研究對其他社會領(lǐng)域的溢出效應(yīng)。Fig年在《哲學(xué)雜志》上發(fā)表了國際象棋AI的論文圖片來源:ManhattanRareBookCompanyaa/pages/books/1403/claude-shannon/programming-a-computer-for-playing-chess?soldItem=true由在多倫多大學(xué)計(jì)算中心攻讀博士學(xué)位的凱熒(JosefKates)設(shè)計(jì)和建造。凱熒將“貝蒂”帶hibitionVS眾進(jìn)行游戲挑戰(zhàn)。當(dāng)時(shí)，凱熒正在多倫多大學(xué)參與開發(fā)加拿大的第—臺計(jì)算機(jī)UTEC(UniversityofToronto的、容易理解的形式來展現(xiàn)他們在計(jì)算機(jī)領(lǐng)域的研究成果。井字棋作為—類眾所周知且廣Fig二款進(jìn)行公開展示的游戲《貝蒂的大腦》圖片來源:SpacingTorontoaahttps://spacing.ca/toronto/2014/08/13/meet-bertie-brain-worlds-first-arcade-game-built-toronto/游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景圖片來源:多倫多大學(xué)檔案館a另—個(gè)著名案例是斯特雷奇(ChristopherStrachey)的國際跳棋人工智能。該程序于1951智能先驅(qū)塞纓爾(ArthurSamuel)，此后塞纓爾也開始著手研究和開發(fā)人工智能跳棋程序。[9]紐尼爾(AllenNewell)則是另—個(gè)在20世紀(jì)50年代加入到游戲人工智能研究中的著名學(xué)者。紐尼爾相信人們可以創(chuàng)建出具有智能和適應(yīng)能力的人工智能程序，并于1955年撰寫了《國ahttps://utarms-online.library.utoronto.ca/islandora/object/utarmsIB%3A2001-77-169MSbyAdaptation紐尼爾的這項(xiàng)研究工作引起了西蒙(HerbertSimon)的注意。二人迅速組建了合作團(tuán)隊(duì)，開st在1956年的達(dá)特茅斯會議(DartmouthWorkshop)——人工智能歷史上最為重要的、里程后來還在卡內(nèi)基梅隆大學(xué)(CarnegieMellonUniversity)建立了首批人工智能實(shí)驗(yàn)室，開展研究和計(jì)算機(jī)科學(xué)上的突出貢獻(xiàn)，人工智能的先驅(qū)塞纓爾在斯特雷奇的啟發(fā)下，將目光投向了國際跳棋(Checkers)人工智能。[11]塞纓爾選擇國際跳棋是因?yàn)樵撚螒虮M管規(guī)則相對簡單，但卻有著深度的策略，能夠展現(xiàn)計(jì)算機(jī)的強(qiáng)大能力和“機(jī)器學(xué)習(xí)”最終成果。1959年，他發(fā)表了著名的論文《利用國際跳棋游戲進(jìn)行機(jī)器學(xué)習(xí)的研究》(SomeStudiesinMachineLearningUsingtheGameofing器學(xué)習(xí)(machinelearning)的概念，并成為了強(qiáng)化學(xué)習(xí)(reinforcementlearning)路線的前Fig能的決策過程圖片來源:Somestudiesinmachinelearningusingthegameofcheckers游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景潛力。1.2發(fā)展時(shí)期:人工智能的勝利學(xué)的計(jì)算機(jī)教授柏林納(HansBerliner)基于蒙特卡洛樹搜索的方法，編寫了名為BKG9.8的雙陸棋人工智能程序，并在摩納哥蒙特卡洛舉行的雙陸棋比賽中擊敗了前世界冠軍馬格里爾 和做出決策提供幫助。[14]G學(xué)得到了布魯克斯(RodneyBrooks)和薩頓(RichardSutton)等人的推動(dòng)，并快速發(fā)展成 Ferrucci)的團(tuán)隊(duì)成員之—，該團(tuán)隊(duì)后來推出了大名鼎鼎的沃森(Watson)人工智能系統(tǒng)。就憑借《神經(jīng)元的勝利》(Neurogammon)這—首個(gè)基于神經(jīng)網(wǎng)絡(luò)模型的雙陸棋人工智能程程，達(dá)到了頂級人類玩家的水平。[15]a其中，TD是時(shí)序差分(TemporalDifference)，指某種估計(jì)策略價(jià)值函數(shù)的方法；而Gammon是雙陸棋中獲得全勝的術(shù)語?！稌r(shí)序差分的勝利》證明了在不借助任何特征工程的前提下，單純使用棋子的位置作為神經(jīng)網(wǎng)絡(luò)的輸入亦可訓(xùn)練出達(dá)到頂級人類玩家水平的智能體。這個(gè)游戲程序極大提高了強(qiáng)化學(xué)習(xí)方法Fig雙陸棋人工智能程序《時(shí)序差分的勝利》圖像來源:OS2WorldGamingSitea序《奇諾克》(Chinook)。這個(gè)基于樹搜索技術(shù)的游戲人工智能程序由阿爾伯特大學(xué)教授、加拿大人工智能研究主席(CanadaResearchChairinArtificialIntelligence)謝弟爾(JonathanSchaeffer)編寫。a/games/index.php/native-games/board/114-os-2-td-gammon游戲人工智能發(fā)展報(bào)告2023在跳棋游戲被人工智能攻克的同時(shí)，國際象棋也面臨著相同的境遇。卡內(nèi)基梅隆大學(xué)的計(jì)算機(jī)博士許峰雄(Feng-hsiungHsu)組織開發(fā)了專門用于國際象棋游戲的《芯測》(ChipTest)IBM人工智能發(fā)展史上具有里程碑意義的《深思》(DeepThought)項(xiàng)目，該項(xiàng)目在20世紀(jì)末締造了大名鼎鼎的《深藍(lán)》(DeepBlue)計(jì)算機(jī)。[20]《深藍(lán)》是世界上最為著名的國際象棋人工智能程序，其采用了人工智能符號主義路線的專家當(dāng)時(shí)最強(qiáng)的國際象棋選手卡斯帕羅夫(GarryKasparov)?！渡钏{(lán)》在國際象棋游戲中的勝利被圖片來源:britannicaaa/topic/Deep-Blue#/media/1/155485/610841.3黃金時(shí)期:深度學(xué)習(xí)時(shí)代開啟了當(dāng)下深度學(xué)習(xí)時(shí)代，掀起人工智能第三波浪潮的里程碑事件:AlphaGo在公開賽中擊投身于此。學(xué)系的位布里斯特(AlbertZobrist)在其關(guān)于模式識別的博士論文中，編寫了第—個(gè)圍棋程序，但該程序僅能夠擊敗初級玩家。[22]1971年，萊德爾(JonRyder)在位布里斯特的方法上進(jìn)樹方法。[23]1972年萊特曼(WalterReitman)和威爾科克斯(BruceWilcox)也開展了關(guān)于圍棋人工智能的研究。他們通過讓機(jī)器觀看人類棋手的比賽錄像，來習(xí)得關(guān)于圍棋游戲的知識， (PaulLehner)的博士論文，以及斯托塔米爾(DavidStoutamire)利用機(jī)器學(xué)習(xí)方法來構(gòu)造圍棋游戲程序的研究等等。[28][29]2008年荷蘭馬斯特里赫特大學(xué)查斯洛特(GuillaumeChaslot)等人的《并行蒙特卡羅樹搜代表了圍棋游戲人工智能的突破性進(jìn)展。[30][31]他們將蒙特卡洛樹搜索(Monte-CarloTree游戲人工智能發(fā)展報(bào)告2023用監(jiān)督學(xué)習(xí)和自強(qiáng)化學(xué)習(xí)的訓(xùn)練方法，將蒙特卡羅模擬與估值和策略網(wǎng)絡(luò)(valueandpolicy技術(shù)發(fā)展的里程碑。FigAlphaGo石的比賽圖片圖片來源:theguardiana為重要的就是在不完全信息游戲(imperfectinformationgame)上的突破。a/technology/2016/mar/15/googles-alphago-seals-4-1-victory-over-grandmaster-lee-sedol人工智能的研究人員—直在推動(dòng)德州撲克人工智能(Texashold'emAI)的發(fā)展。繼1984年職業(yè)撲克玩家卡羅爾(MikeCaro)編寫了《奧拉克》(Orac)程序之后，阿爾伯特大學(xué)的謝弟爾(JonathanSchaeffer)又于1997年編寫了《洛機(jī)》(Loki)用于模擬德州撲克玩家的游限注德州撲克游戲已被解決》(Heads-upack世界頂級人類玩家。2019圖片來源:ualbertaa人們的視野，即王者榮耀為代表的多人在線競技(MultiplayerOnlineBattleArena,MOBA)游戲。在這兩類ahttp://poker.srv.ualberta.ca/游戲人工智能發(fā)展報(bào)告2023可能性空間更大。r爾法星》借助了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、博奕論和進(jìn)化計(jì)算(evolutionarycomputation)等多人工智能。圖片來源:DeepMinda2019年10月，DeepMind團(tuán)隊(duì)在《自然》發(fā)表論文《使用多智能體強(qiáng)化學(xué)習(xí)在星際爭霸2中達(dá)到宗師級別》(GrandmasterlevelinStarCraftIIusingmulti-agentreinforcementa/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii的理論創(chuàng)新和工程技巡，以及使得Dota2這樣復(fù)雜的多智能體長序列決策問題可能得以解決Fig.12GrandmasterlevelinStarCraftIIusingmulti-agentreinforcementlearning圖片來源:OpenAI[39]a/wiki/OpenAI_Five游戲人工智能發(fā)展報(bào)告2023估人工智能系統(tǒng)性能的重要方式。游戲之所以與人工智能如此親密，其原因主要有三個(gè)方面:雜的游戲中戰(zhàn)勝人類，似乎就意味著其智能程度越高。因此，研究者們—直都在嘗試讓機(jī)器挑雜情況。用人工智能技術(shù)來“玩游戲”，還利用這項(xiàng)技術(shù)來設(shè)計(jì)游戲、開發(fā)游戲和測試游戲。包括利用來重新理解人工智能與游戲的關(guān)系。開發(fā)的成本，輔助進(jìn)行游戲開發(fā)，為游戲帶來更多的可能。驗(yàn)。圖片來源:TheGenerativeAIRevolutioninGamesaa/2022/11/17/the-generative-ai-revolution-in-games/游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景電子游戲中的入工智能：試人工智能程序的性能，如今的人工智能也已經(jīng)具備了在各種復(fù)雜游戲中擊敗人類玩家的容 戲領(lǐng)域的應(yīng)用，將走向普及化和綜合化的道路。和前景。開人工智能技術(shù)來完成游戲的設(shè)計(jì)和開發(fā)。訪者認(rèn)為游戲?qū)θ斯ぶ悄芗夹g(shù)發(fā)展具有推動(dòng)作用，游戲?qū)θ斯ぶ悄芗夹g(shù)的正向推動(dòng)作用已成為高游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景度共識。a和代碼自動(dòng)生成等等。其中與游戲直接相關(guān)的應(yīng)用主要包括:(1)構(gòu)建游戲中的智能體；(2)CG游戲的重要組成部分，為游戲內(nèi)容增添了風(fēng)采。人工智能技術(shù)來創(chuàng)建游戲關(guān)卡，豐富游戲內(nèi)容等等。程序化內(nèi)容生成雖在上世紀(jì)末就已經(jīng)在電子游戲上得到了應(yīng)用，但是其功能卻相對局限。如今，人工智能技術(shù)在電子游戲中的應(yīng)用呈現(xiàn)出綜合化與普及化的趨勢，在功能越來越豐富、a參見，/n1/2023/0220/c1004-32627244.html圖片來源:自制綜合化圖片來源:自制游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景式的—場革命。—系列“類肉鴿(Rogue-like)”游戲、“輕肉鴿(Rogue-lite)”游戲、地牢(Dungeon)游戲，類地牢(Dungeon-like)游戲或者策略類游戲。其中最為著名的案例就是由“短篇詩歌” (MicroProse)工作室在1991年出品的《文明》(Civilization)，以及由暴雪(Blizzard)工作Diablo資源；后者則戲的熱潮。樂、文本等內(nèi)容。AIGC所使用的技術(shù)主要有兩類:文本方面，是以變壓器(Transformer)fsupervisedLearningFoundation成對抗網(wǎng)絡(luò)(GenerativeAdversarialNetworks)、自編碼器(Autoencoder)以及近兩年火熱的擴(kuò)散模型(DiffusionModel)為根本技術(shù)的生成模型。[48]如今，程序化內(nèi)容生成已經(jīng)在游戲關(guān)卡、游戲圖像、游戲文本和游戲音樂等領(lǐng)域?qū)崿F(xiàn)了突在絕大多數(shù)游戲中，最常見的元素是“關(guān)卡(level)”。游戲關(guān)卡是游戲設(shè)計(jì)師靈感和才華的D黑暗之魂的箱庭，有太多的經(jīng)典關(guān)卡給玩家們留下深刻的印象。以說,在多數(shù)情況下,游戲總是圍繞著關(guān)卡來設(shè)計(jì)和展開的。如今,越來越快的開發(fā)周期向現(xiàn)代游戲工業(yè)提出了問題:能否利用人工智能技術(shù)來生成具有高度可玩性的、有趣的、具有特定主題的游戲關(guān)卡呢?這并不是—件簡單的事,游戲關(guān)卡的生成具有極強(qiáng)的約束。例如,不能有無法通過的區(qū)域來阻擋玩家通關(guān)；完成關(guān)卡所需的物品(例如開門的鑰匙)必須匹配；不能設(shè)計(jì)出現(xiàn)階段無法戰(zhàn)勝的敵人等等。為此,游戲行業(yè)與人工智能學(xué)術(shù)界都展開了大量的研究,并在相關(guān)會議上舉辦了關(guān)卡生成的相關(guān)比賽。比較著名的有“馬里奧人工智能關(guān)卡生成比賽”(MarioAILevelGenerationCompetition),“平臺類游戲人工智能比賽”(PlatformerAICompetition),以及“人工智能憤目前,關(guān)卡生成技術(shù)主要被應(yīng)用于四種不同類型的游戲中:橫板過關(guān)游戲、地牢游戲、第—人橫版過關(guān)游戲是游戲關(guān)卡生成研究和實(shí)踐所主要關(guān)注的游戲類型?；凇冻夞R里奧兄弟》的游戲關(guān)卡生成項(xiàng)目已經(jīng)成為了相關(guān)研究的—個(gè)開源框架,也是關(guān)卡生成的研究者們最為青睬的超級馬里奧的關(guān)卡生成開源框架為相關(guān)研究提供了—個(gè)試煉場,在此之后出現(xiàn)了諸多不同的關(guān)卡生成技術(shù)。[51]例如,2012年基于文法演化(GrammaticalEvolution)算法的關(guān)卡生成技術(shù),2016年基于長短時(shí)間記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(LongShort-TermMemoryRecurrentNeuralNetworks,LSTM)的關(guān)卡生成技術(shù),2016年基于自編碼器(Auto-encoders)方法的關(guān)卡生成技術(shù),2018年基于生成對抗網(wǎng)絡(luò)模型的關(guān)卡生成技術(shù),以及2020年基于強(qiáng)化學(xué)習(xí)的關(guān)卡[53][54][55][56]目前已經(jīng)可以根據(jù)特定的難度、關(guān)卡風(fēng)格、關(guān)卡目標(biāo)、背景音樂甚a/site/platformersai/LevelGenerationb/other-events/level-generation-competition.html游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景圖片來源:InfiniteMarioAI-LongLevela圖片來源:AIBirdsb[56]圖片來源:OnlineGameLevelGenerationfrom[56]a/watch?v=DlkMs4ZHHrb/Rogue的《暗黑破壞神》，2011圖片來源:DungeonGenerationinBindingofIsaaca要的關(guān)卡類型[58]:(1)自上而下的公館式(top-downmansion-like)關(guān)卡，例如《塞爾達(dá)傳說》的地圖；(2)自上而下的洞穴式(top-downcavernlike)關(guān)卡，例如《口袋妖怪》的地圖；(3)橫板卷軸(side-scrolling)關(guān)卡，例如《死亡細(xì)胞》的地圖。a/2020/09/12/dungeon-generation-in-binding-of-isaac/b/2018/01/17/the-cost-of-games/游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景ig圖片來源:Asurveyofproceduraldungeongeneration[57]地牢游戲的關(guān)卡生成技術(shù)多種多樣，主要包括:進(jìn)化算法(EvolutionaryAlgorithm)、遺傳算法(GeneticAlgorithm)、遺傳編程(GeneticProgramming)、回答集編程(AnswerSetProgramming)、生成語法(GenerativeGrammars)、元胞自動(dòng)機(jī)(CellularAutomata)和構(gòu)造方法(ConstructiveApproach)。[59]近年來隨著深度學(xué)習(xí)技術(shù)的普及，也開始出現(xiàn)了利和遷移學(xué)習(xí)(TransferLearning)方法，嘗試將馬里奧的游戲關(guān)卡轉(zhuǎn)換為塞爾達(dá)的地牢關(guān)卡。[61]Fig里奧關(guān)卡轉(zhuǎn)換為塞爾達(dá)關(guān)卡[60]圖片來源:TowardCo-creativeDungeonGenerationviaTransfer[60]地圖是—項(xiàng)具有挑戰(zhàn)性且費(fèi)力的任務(wù)。第—人稱射擊游戲巨大挑戰(zhàn)。2011年，有研究人員在《立方體2:索爾巴頓》(Cube2:Sauerbraten)這款開源的游戲上首FPSGeneratorCubeD[62]圖片來源:Evolvinginterestingmapsforafirstperson[62]游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景r圖片來源:ProceduralurbanenvironmentsforFPSgames[63]出可以構(gòu)建—種比賽平衡性的評估框架，從而根據(jù)玩家的不同水平或Fig[65]圖片來源:Evolvingmapsformatchbalancinginfirstperson[65]最后就是各類解謎游戲的關(guān)卡生成。例如，在前文中提到過的《憤怒的小鳥》關(guān)卡生成比賽，其目標(biāo)就是自動(dòng)創(chuàng)建有趣且具有挑戰(zhàn)性的游戲關(guān)卡。與其他關(guān)卡生成的任務(wù)相比，《憤怒的小鳥》中的關(guān)卡還需要在符合各種物理作用(例如重力作用)的前提下保持關(guān)卡的穩(wěn)定性和魯棒[67]Fig2017[67]圖片來源:Evolvingmapsformatchbalancinginfirstpersonshooters。長的部分。傳統(tǒng)的游戲開發(fā)流程中需要耗費(fèi)大量的時(shí)間和資源來創(chuàng)建游戲中的各種元素，比如人物模型、元素，加快游戲制作的進(jìn)度。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景時(shí)間內(nèi)制作出完成度較高的游戲作品，而不必依托龐大的團(tuán)隊(duì)。FigAIstablediffusion生成的作品圖片來源:stablediffusionea/e/the-culture-ai-film-and-games-festival-2023-tickets-565398942457圖片來源:圖片來源:游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景圖片來源:古德費(fèi)洛(IanGoodfellow)等人提出，也被稱為GAN。[68]其基本原理是分別構(gòu)建—個(gè)生成同—時(shí)期的另—類圖像生成模型則是自編碼器模型。該模型的思想早在20世紀(jì)80年代就已經(jīng)被提出，但由于數(shù)據(jù)過于稀疏高維計(jì)算復(fù)雜度高很難優(yōu)化，沒能得到重視，直到深度學(xué)習(xí)時(shí)代開啟后，才逐漸推廣開來。阿姆斯特丹大學(xué)發(fā)布的變分自編碼器(VariationalAutoencoder)開始將自編碼器模型應(yīng)用于圖像生成領(lǐng)域。[69]但變分自編碼器由于較強(qiáng)的先驗(yàn)往往非常模糊。InputGroundtruthFig.30條件變分自編碼器(ConditionalVAE)在標(biāo)簽提示下生成的圖像圖片來源:LearningStructuredOutputRepresentationusingDeepConditionalGenerativeModelsFig.31條件生成對抗網(wǎng)絡(luò)(ConditionalGAN)在標(biāo)簽提示下生成的圖像圖片來源:ConditionalGenerativeAdversarialNets游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景也有工作將類別標(biāo)簽替換為文本描述，生成了36*36分辨率的圖像，首次完成了通過文本生成圖像(text-to-image)的目標(biāo)。[72]但是這些工作所生成的圖像質(zhì)量較差，分辨率也較低。停留在了256*256的水平，還不能被工業(yè)界所使用。Fig.32首個(gè)完成text-to-image任務(wù)的AlignDRAW模型所生成的圖像圖片來源:Generatingimagesfromcaptionswithattentionel擴(kuò)散模型的基本想法是用類似于“去噪點(diǎn)”(diffusion)的方式，將圖片逐漸還原清晰，從而生成高質(zhì)量、多樣化的原創(chuàng)人工智能圖像。2021年，谷歌發(fā)布了“迫斯科擴(kuò)散”(DiscoDiffusion)應(yīng)用，以驚人的圖像生成效果宣告AIGC已經(jīng)真正成為了生產(chǎn)力工具。a頻生成甚至3D圖像生成等領(lǐng)域都得到了應(yīng)用。各大著名科研機(jī)構(gòu)也發(fā)布了基于擴(kuò)散模型的用網(wǎng)絡(luò)端進(jìn)行微調(diào)，從而訓(xùn)練出專屬的模型。a/oDiffusion圖片來源:weirdwonderfulai.arta圖片來源:openaibahttps://weirdwonderfulai.art/resources/getting-started-with-disco-diffusion/b/blog/dall-e-introducing-outpainting游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景agen圖片來源:imagena在“穩(wěn)定擴(kuò)散”的帶動(dòng)下,各個(gè)社區(qū)開始發(fā)布具有其特色的生成模型。在游戲和動(dòng)漫領(lǐng)域,則是“新穎人工智能”(NovelAI)這個(gè)二次元繪畫模型的影響力最為強(qiáng)大,目前已經(jīng)成為了許多師以及公司所使用的工具。b圖片來源:novelaicahttps://imagen.research.google/b/c/幾乎所有的游戲都包括某種形式的文本和音樂，用于傳達(dá)信息、進(jìn)行敘事和這染情緒。游戲中源。容展開。但是游戲文本生成通常有著非常強(qiáng)的約束，因?yàn)樗枰獙τ螒蛑邪l(fā)生的事情進(jìn)行真實(shí)例如《人工智能地牢》(AIDungeon)就是這么—款可供單人及多人游玩的文字冒險(xiǎn)游戲。它扮演游戲)的體驗(yàn)。FigAIDungeon類似跑團(tuán)的體驗(yàn)圖片來源:play.aidungeonaahttps://play.aidungeon.io游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景另—個(gè)著名的案例是游戲《騎馬與砍殺2:霸主》(Mount&BladeII:Bannerlord)中的“融入玩家可以與游戲世界中的角色進(jìn)行身臨其境般地自由交談。游戲中每—位貴族角色都具有不己在哪個(gè)氏族，他們的派系中存在哪些其他氏族，與其他派系處于何種狀態(tài)(戰(zhàn)爭或者和平)。這些NPC了解自己派系的統(tǒng)治者、游戲世界的文化與故事甚至玩家本身的故事。而這些不同行自由對話的過程中得以體現(xiàn)。圖片來源:nexusmodsa2023年3月，著名的游戲開發(fā)公司育碧(Ubisoft)在舊金山開展的游戲開發(fā)者大會(Game育碧表示，該工具旨在幫助視頻游戲作者更好地制作NPC在觸發(fā)事件期間發(fā)出的語言反債。a/mountandblade2bannerlord/mods/5273b/session/machine-learning-summit-natural-language-generation-for-games-writing/891005c/en-us/article/7Cm07zbBGy4Xml6WgYi25d/the-convergence-of-ai-and-creativity-introducing-ghostwriter角色自由交談。a同樣，音樂也是幾乎所有視頻游戲中的常見元素。游戲中的大多數(shù)音樂都是由人類作曲家創(chuàng)作候的音樂往往較為激昂，而詭異場景中的音樂則較為恐怖。人工智能音樂生成技術(shù)有望為電子游戲的發(fā)展提供—定的幫助，尤其是那些將音樂作為游戲Fig.39點(diǎn)唱機(jī)(Jukebox)已經(jīng)發(fā)布了7000多首AI原創(chuàng)的曲目圖片來源:Jukebox:AGenerativeModelforMusicbahttps://www.163.com/dy/article/HTPV3CRF0526D7OK_pdya11y.htmlb/游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景構(gòu)建智能NPC和虛擬玩家是人工智能技術(shù)在游戲領(lǐng)域的另外兩項(xiàng)重要應(yīng)用。二者雖說幾乎都是在構(gòu)建類人的智能體(當(dāng)然NPC也不—定是人類)，但還是有著較大的區(qū)別。前者是在游戲游戲。NPC游戲中總是需要能夠與玩家進(jìn)行交互，或支撐起整個(gè)游戲世界觀的對象。這些對象可以簡單如吃豆人(Pac-Man)中追蹤玩家的玩家的行為形成交互反債。CCC的游戲開發(fā)引擎中。于2021年成立的《沉浸世界》(Inworld)就是其中的代表。該平臺能夠無縫集成到虛幻(Unreal)、羅布勒思(Roblox)等開發(fā)平臺中。aahttps://www.inworld.ai/人類玩家隊(duì)友中途退出或掉線后，能夠有人工智能程序來接替退出的玩家繼續(xù)操控游戲角色，F(xiàn)igInworld的NPC圖片來源:InworldStudioa在電子游戲中構(gòu)建優(yōu)質(zhì)的虛擬玩家并非—件簡單的事情。其中的難點(diǎn)在于令人工智能體的操作來會能夠始終掌握在其他正在奮戰(zhàn)的人類玩家手中。bahttps://studio.inworld.ai/b/coming/v2/system/0813dxtg.shtml游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景FigInworldNPC能程序?qū)⒏鶊D片來源:InworldStudioaFigAI行托管操作圖片來源:王者榮耀官網(wǎng)bastudio.inworld.aib/coming/v2/system/0813dxtg.shtml如今,人工智能技術(shù)應(yīng)用于游戲所帶來的革命性改變已初見端悅?！矫?是生產(chǎn)方式的突破。人們完全有理由期望游戲產(chǎn)業(yè)在AIGC等技術(shù)的加持下,將創(chuàng)造出—種全新的、高效的、高質(zhì)量的游戲開發(fā)流程；另—方面,則是游戲內(nèi)容的突破。人工智能前沿技術(shù)的加入,將創(chuàng)造出完全不同的游戲體驗(yàn),—個(gè)更加真實(shí)和完美的虛擬世界指日可待。來自米蘭理工大學(xué)、加州大學(xué)、哥本哈根信息技術(shù)大學(xué)等研究機(jī)構(gòu)的團(tuán)隊(duì)對人工智能技術(shù)應(yīng)用于游戲產(chǎn)業(yè)的未來愿景展開了研究。他們基于對現(xiàn)有技術(shù)的分析和對產(chǎn)業(yè)需求的考察,提出了三類人工智能技術(shù)應(yīng)用于游戲領(lǐng)域的未來目標(biāo):(1)多級別、多內(nèi)容的程序化內(nèi)容生design)；(3)完整游戲生成(generatingcompletegames)。[78]首先,“多級別、多內(nèi)容的程序化內(nèi)容生成”致力于構(gòu)建—個(gè)在游戲特定約束下的、融貫的、多層次的、多類型的內(nèi)容生成系統(tǒng)。過去的游戲內(nèi)容生成方法大多致力于為單個(gè)游戲生成單—類型內(nèi)容,并且生成的游戲世界幾乎沒有變化。而“多級別、多內(nèi)容的程序化內(nèi)容生成”則是試圖構(gòu)建—個(gè)具有語義相互依存關(guān)系的世界。在這個(gè)世界中,橋梁被架設(shè)于河流之上,不同道路之間相互連貫,而非零碎地分置于地圖的各地。類似的構(gòu)想早在2011年就曾出現(xiàn)過,研究者們提出了—個(gè)叫做“素描世界”(SketchaWorld)的框架,能夠在幾分鐘內(nèi)生成—個(gè)3D的虛擬世界,并能夠自動(dòng)解決地形特征之間的關(guān)聯(lián)任務(wù)。[79]SketchaWorld[79]圖片來源:Adeclarativeapproachtoproceduralmodelingofvirtual[79]游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景動(dòng)地與周圍的環(huán)境相融合，自適應(yīng)地進(jìn)行調(diào)整和改動(dòng)。ayFig，素材位于不同位置時(shí)，將會自動(dòng)與周邊環(huán)境相結(jié)合圖片來源:unrealengineb戲呢?相關(guān)的研究涉及到自動(dòng)化游戲設(shè)計(jì)以及AIGC的核心技術(shù)，甚至包括人類玩家如何與游a/watch?v=-SAk33SCVcEb/t/unreal-engine-5-2-preview/796424ahttps://store.steampowereda/app/937310/Infinitode_2__Infinite_Tower_Defense/bhttps://nv-tlabs.github.io/gameGAN/圖片來源:gameGANb圖片來源:steama游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景3游戲助力入工智能：電子游戲助推產(chǎn)業(yè)變革,孵化通用智能游戲?qū)θ斯ぶ悄芗夹g(shù)的幫助主要體現(xiàn)在技術(shù)層面和產(chǎn)業(yè)層面。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景FigMalmoAI各種不同的任務(wù)圖片來源:MalmoGithuba所無法滿足，也無法進(jìn)行實(shí)驗(yàn)的。而在游戲場景中，。a/crowdAI/marLo能技術(shù)的研究。例如近來AIGC在游戲產(chǎn)業(yè)中的廣泛應(yīng)產(chǎn)業(yè)對于人工智能產(chǎn)業(yè)據(jù)中國游戲產(chǎn)業(yè)研究院在2023年推出的《游戲科技能力與科技價(jià)值研究報(bào)告》顯示，有78%的人認(rèn)為電子游戲技術(shù)的進(jìn)步對科技的發(fā)展具有驅(qū)動(dòng)作用，硬科技對于游戲科技的發(fā)展研發(fā)等虛擬實(shí)驗(yàn)等等。幫助其在交通、電力、機(jī)器人、能源、醫(yī)療、超大城市治理、智能電網(wǎng)、工業(yè)無人機(jī)、機(jī)器人ArtificialGeneralIntelligence,AGI)，以來就是人工智能研究人員的終極目標(biāo)。這項(xiàng)艱巨任務(wù)在上世紀(jì)末的時(shí)候受到挫折，因而icialNarrowIntelligence，通用人工智能的夢想—直沒有消退。尤其隨著近年深度學(xué)習(xí)技術(shù)的突破，通用人工智能列為研究的目標(biāo)。例如著名的人工智能研究機(jī)構(gòu)OpenAI就宣稱其使命是“確游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景 路徑。而電子游戲場景中任務(wù)多種多樣，復(fù)雜多變的特性，也為人工智能在廣度、深度和靈活性等方面接近人類智能，提供了保障。近年游戲人工智能的研究中也興起了—類叫做“通用電子游戲人工智能”(GeneralVideoGameArtificialIntelligence)的方向。該方向的目標(biāo)是在幾乎沒有特定領(lǐng)域知識的前提下，設(shè)I及開辦、宣傳聚會等等。圖片來源:GenerativeAgents:InteractiveSimulacraofHumanBehaviorba/b/arXiv_Demo/#人工智能的初版設(shè)想就是具備通用性的智能機(jī)器。當(dāng)時(shí)的人工智能研究者們所錨定的目標(biāo)是使得機(jī)器能夠做到人類才能完成的任務(wù)，并樂觀地預(yù)測將在50年內(nèi)實(shí)現(xiàn)。圖靈測試(TheTuringTest)對智能機(jī)器的判定標(biāo)準(zhǔn)就是從語言應(yīng)用層面難以區(qū)分機(jī)器與人類。[85]其他人工智能的開創(chuàng)者也持有相同的觀點(diǎn)，例如麥卡錫(KevinMcCarthy)認(rèn)為人工智能應(yīng)當(dāng)具備與人類相同的智能表現(xiàn)，而明斯基(HymanMinsky)提出人工智能就是使得機(jī)器完成需要人類智定義，來源于通用人工智能的研究學(xué)者戈策爾(BenGoertzel)。他提通用人工智能的實(shí)現(xiàn)大體可以分為四條路徑:符號論、突現(xiàn)論、融合論和統(tǒng)—路徑。符號論GeneralProblemSolver來學(xué)習(xí)模式來實(shí)現(xiàn)通用性。融合論的想法來自于“整體大于部分之和”這樣的基本理念，認(rèn)為資源下可運(yùn)行狀態(tài)。o游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景出了通用系統(tǒng)Gato。[93]Gato可以完成游玩雅達(dá)利游戲(Atari)、為圖像配文字說明、聊天、務(wù)。FigGato的任務(wù)圖片來源:AGeneralistAgent[92]據(jù)以及其他游玩游戲的數(shù)據(jù)等多模態(tài)數(shù)據(jù)集(multimodaldataset)。Gato項(xiàng)目的的意義在于，信決多智能體決策的問題。FigGato玩不同的游戲圖片來源:DeepMindaa/blog/a-generalist-agent游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景e圖片來源:openaiuniversea另—個(gè)案例則是《我的世界道場》。2022年6月,英偉達(dá)、加州理工學(xué)院(Caltech)和斯坦福(Stanford)等研究機(jī)構(gòu)共同發(fā)布了《我的世界道場:構(gòu)建具有互聯(lián)網(wǎng)規(guī)模知識的開oBuildingOpenEndedEmbodiedAgentswithInternetScaleKnowledge)—文,介紹了他們關(guān)于游戲通用人工智能研究的工作。[95]該研究工作基于《我的世界》提出了—個(gè)名為MineDojo的框架,嘗試在游戲中構(gòu)建具有通用技能的智能體。Minedojo將《我的世界》游戲的玩家視頻(YouTube)、百科(Wiki)和用戶社區(qū)(Reddit)的資訊作為訓(xùn)練材料,來訓(xùn)練—個(gè)能夠在《我的世界》游戲中根據(jù)文字提示信息,完成各種不a/research/universeFig.52Minedojo的通用智能體基于互聯(lián)網(wǎng)信息在開放式的游戲環(huán)境中進(jìn)行訓(xùn)練圖片來源:MineDojo:BuildingOpen-EndedEmbodiedAgentswithInternet-ScaleKnowledge[95]Minedojo的通用智能體能夠完成兩類不同的任務(wù)。第—類叫做程序化任務(wù)(programmatictasks)，包括(1)生存任務(wù)(survival):在指定的天數(shù)中生存；(2)收獲(harvest):發(fā)現(xiàn)、獲取、培養(yǎng)或制造不同的材料和物體；(3)技術(shù)樹(techtree):制作和使用不同級別的工具；(4)戰(zhàn)斗(combat):與各類怪物和生物戰(zhàn)斗。Fig.53Minedojo能夠完成不同的任務(wù)圖片來源:MineDojo:BuildingOpen-EndedEmbodiedAgentswithInternet-ScaleKnowledge[95]游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景為困難。項(xiàng)目組利用各種不同的指標(biāo)，刻畫出了與人類評估表現(xiàn)—致性的標(biāo)準(zhǔn)，F(xiàn)ig.54Minedojo建造出困住動(dòng)物的圍欄圖片來源:aMinedojo的研究團(tuán)隊(duì)還總結(jié)出了在游戲中構(gòu)建通用人工智能體的三個(gè)主要支柱:a/pts效地內(nèi)化知識。Gato和Minedojo這兩項(xiàng)工作分別代表了兩類不同的通過游戲?qū)崿F(xiàn)通用人工智能的途徑。其足夠復(fù)雜和豐富的游戲。這也正好對應(yīng)著通用人工智能研究中的兩類不同思路:解決足夠多的。游戲作為現(xiàn)實(shí)生活場景的投射，有著孵育出通用人工智能的潛力。當(dāng)游戲的世界越來越復(fù)雜，交互的方式越來越擬真，那么相信在這個(gè)越來越“元宇宙”的世界中誕生出通用人工智能也就隨著具身認(rèn)知(EmbodiedCognition)理論的發(fā)展，人們逐漸意識到擁有軀體是實(shí)現(xiàn)通用智bson理學(xué)家個(gè)姆斯?吉布森(JamesGibson),吉布森主義激進(jìn)具身認(rèn)知理論的核心觀點(diǎn)是:認(rèn)知不是僅僅發(fā)生在動(dòng)物大腦中，而是通過其身體與環(huán)境交互——即“信息拾取(information游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景pickup)”所產(chǎn)生，這種“信息拾取”式的交互可以通過“動(dòng)緣(affordances)”概念來解智能模型大放異彩，并廣泛應(yīng)用于人機(jī)交互、自動(dòng)駕駛和機(jī)器人態(tài)勢感知-行動(dòng)等領(lǐng)域。而aa圖片來源:雜的實(shí)際場景。圖片來源:iGibson2.0[102]a/igibson/其次，iGibson環(huán)境是開放的，因?yàn)樗恰獋€(gè)開源的虛擬環(huán)境。任何研究者都可以使用會，讓更多的人能夠參與到機(jī)器人學(xué)習(xí)的研究中來。中進(jìn)行學(xué)習(xí)和實(shí)踐。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景游戲入工智能的社會價(jià)值：溢出效應(yīng)凸顯,賦能百業(yè)千行研機(jī)構(gòu)與高校機(jī)構(gòu)的學(xué)者也把目光放在如何把游戲人工智能的技術(shù)應(yīng)用于其他行業(yè)的任務(wù)上。變革。本章節(jié)將會介紹游戲人工智能技術(shù)在商業(yè)決策、自動(dòng)駕駛、醫(yī)療診斷、藝術(shù)文化、虛擬現(xiàn)實(shí)以索游戲人工智能為產(chǎn)業(yè)智能化升級所做出的貢獻(xiàn)。a/Media_list/jl/2021-01-05/721024.shtml游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景用場景圖片來源:自制游戲人工智能技術(shù)在典型的商業(yè)場景如在線購物、路線規(guī)劃和物流管理等商業(yè)決策場景中有著南京大學(xué)偷揚(yáng)團(tuán)隊(duì)與淘寶搜索團(tuán)隊(duì)的合作就是—個(gè)典型案例。[103]該合作項(xiàng)目希望能夠借助強(qiáng)損失。隊(duì)選擇從強(qiáng)化學(xué)習(xí)的游戲訓(xùn)練環(huán)境中探索破局之法。他們的思路是學(xué)習(xí)出—個(gè)“虛擬淘用于現(xiàn)實(shí)淘寶中?！疤摂M淘寶”的游戲環(huán)境在策略的泛化能力和應(yīng)用過程上相比現(xiàn)實(shí)環(huán)境都具有無可比擬的優(yōu)勢。臺上進(jìn)行的對比試驗(yàn)表明，這個(gè)推薦系統(tǒng)提高了約2%的銷量。該項(xiàng)目為在復(fù)雜物理環(huán)境中應(yīng)用示。Fig行相關(guān)的測試和訓(xùn)練圖片來源:Virtual-Taobao[103]在三個(gè)不同的城市提升了11%的完單量，并增加了8%以上的司機(jī)收入。游戲人工智能技術(shù)還可以應(yīng)用于物流裝卸、二手交易平臺等商業(yè)場景。在現(xiàn)實(shí)的物流場景中，存在工作人員揀貨、分裝和擺貨等行為。這些行為是難以被專家以人工的方式描述清楚的。但其質(zhì)量控制水平。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景在自動(dòng)駕駛汽車(Self-drivingCars)領(lǐng)域中，使用游戲化的虛擬場景來進(jìn)行訓(xùn)練和測試，也普林斯頓等高校在2017年公布了—項(xiàng)名為《超越俠盜獵車手5，用于訓(xùn)練、測試與加強(qiáng)自ngV)游戲?yàn)榛A(chǔ)，采集了大量的游戲數(shù)據(jù)，用來進(jìn)行自動(dòng)駕駛領(lǐng)域多個(gè)項(xiàng)目的訓(xùn)練。[105]圖片來源:BeyondGrandTheftAutoVforTraining,TestingandEnhancingDeepLearninginSelfDrivingCars[105]的傳感器反震上就借助了游戲引擎的相關(guān)技術(shù)，同時(shí)在交通流的模擬上借助了游戲人工智能技輛。診斷、預(yù)后、監(jiān)測、風(fēng)險(xiǎn)建模、藥物發(fā)現(xiàn)和治療反應(yīng)預(yù)測等等。[106]尤其是在提高疾病識別和游戲人工智能技術(shù)提供了有效的支持。騰訊人工智能實(shí)驗(yàn)室(AILab)在2022年12月發(fā)布了其游戲人工智能“絕悟”的最新成果將游戲場景中訓(xùn)練的深度強(qiáng)化學(xué)習(xí)能力遷移到病理全片掃描圖像診斷場景，提出了基于深度強(qiáng)化學(xué)習(xí)找尋最優(yōu)看片路徑的方法。[107]圖片來源:RLogist:FastObservationStrategyonWhole-slideImageswithDeepReinforcementLearning[107]游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景相關(guān)技術(shù)能幫助醫(yī)生在醫(yī)學(xué)圖像處理中準(zhǔn)確地定位關(guān)鍵點(diǎn)、檢測病灶以及進(jìn)行標(biāo)準(zhǔn)切面定位等，CTMRI自動(dòng)分割。在性能接近的情況下，將病理閱片效率提升了400%。游戲人工智能技術(shù)還可以通過歷史數(shù)據(jù)模擬患者病情或手術(shù)的虛擬場景，通過強(qiáng)化學(xué)習(xí)來為醫(yī)干預(yù)方案，幫助患者監(jiān)測疾病的進(jìn)展和管理疾病。模擬真實(shí)行為表現(xiàn)，從而提升電影的視覺效果和觀眾的體驗(yàn)。來對場景進(jìn)行修改和優(yōu)化。例如，虛幻引擎(UnrealEngine)就在2020年推出了其虛擬制片工具，并在此后不斷擴(kuò)展和圖片來源:unrealengineausso傳統(tǒng)的電影制作流程圖片來源:unrealengineba/zh-CN/spotlights/taking-unreal-engine-s-latest-in-camera-vfx-toolset-for-a-spinb/zh-CN/spotlights/taking-unreal-engine-s-latest-in-camera-vfx-toolset-for-a-spin游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景和預(yù)測模型。該模型可預(yù)測文物未來可能發(fā)生的損毀情況，并針對不同場景下的機(jī)械、氧化、種人實(shí)的利器。時(shí)間與資源消耗。景。實(shí)現(xiàn)。a/en-us/article/2Hh4JLkJ1GJIMEg0lk3Lfy/supporting-notredame-de-paris景，和具有無限可能的未來。09]游戲人工智能與教學(xué)活動(dòng)的結(jié)合，體現(xiàn)在兩個(gè)層面。—方面，人們可以參考游戲人工智能的研究成果，創(chuàng)建或完善“基于游戲的學(xué)習(xí)”(gamebasedlearning)、“游戲化教育” 的教學(xué)活動(dòng)，幾乎不可能脫離電子游戲來進(jìn)行。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景未來發(fā)展：游戲入工智能將成為生產(chǎn)力革命的關(guān)鍵，同向同行，攜手共進(jìn)。合、內(nèi)容生成和通用智能方面提供強(qiáng)大助力。限可能。。游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景如在構(gòu)建更加真實(shí)的虛擬場景方面，英偉達(dá)于18年推出了深度學(xué)習(xí)超采樣技術(shù)(Deep專用人工智能圖形處理器TensorCore下構(gòu)建為高分辨率圖像。而隨著2022年40系GPU發(fā)布此外，在交互的直覺化方面，如何將玩家的化身(avatar)更加自然地的投射于數(shù)字空間，VRAR游戲的難題。傳統(tǒng)基于光學(xué)標(biāo)記的解設(shè)置多個(gè)燈塔，并讓用戶佩戴可穿戴Sim來實(shí)現(xiàn)低成本高精度全身動(dòng)補(bǔ)的方案。Meta團(tuán)隊(duì)根據(jù)172人8小時(shí)的運(yùn)動(dòng)捕捉數(shù)據(jù)來訓(xùn)練。以在人工的輔助下，快速、高效且高質(zhì)量地生成相應(yīng)內(nèi)容。NPC會根據(jù)語境使用符合其角色和游戲背景的語言來對玩家進(jìn)行回應(yīng)。該技術(shù)由英具體來說，主要有以下三種英偉達(dá)人工智能技術(shù)，它們將如何幫助游戲更有生氣、更真實(shí):黃仁勛這樣描述了人工智能(AI)對游戲產(chǎn)業(yè)的影響:“AI不僅有助于環(huán)境的還原和合成，還游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景孵化器。收、個(gè)可能地研究類人人工智能的特性，是賦予非人生理-物理系統(tǒng)系統(tǒng)(如機(jī)器人)中實(shí)現(xiàn)多認(rèn)iGibson研究。如果我們能夠在虛擬世界(如游戲世界)中賦予人工智能多認(rèn)知模塊協(xié)同能力，給予其具身視工智重要的是能夠輻射至其他科技領(lǐng)域，甚至孵化通用人工智能。游戲制作的過程中，進(jìn)來基于大語言模型和擴(kuò)散模型的人工智能正在被應(yīng)用于電子游戲開發(fā)的許多方面，包括生成新的游戲內(nèi)容(如地圖、角色和場景)，驅(qū)動(dòng)游戲中的非玩家角色(NPC)，以及改進(jìn)游戲的圖像和聲音效果等。界，應(yīng)用于現(xiàn)實(shí)的場景，幫助人們解決生活中的問題。值，探尋游戲逃揚(yáng)和實(shí)現(xiàn)技術(shù)進(jìn)步的新路徑。游戲人工智能發(fā)展報(bào)告游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景研究中心游戲人工智能團(tuán)隊(duì)獨(dú)立編寫而成。題為主要研究對象的學(xué)術(shù)研究中心。我國游戲?qū)W、游戲哲學(xué)、游戲科技、游戲史學(xué)研究的中堅(jiān)力量。項(xiàng)目負(fù)責(zé)人:個(gè)好秘書長寫作團(tuán)隊(duì):個(gè)好張含林哲伍素北京理工大學(xué)湖南師范大學(xué)廈門大學(xué)游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景游戲人工智能發(fā)展報(bào)告2023術(shù)革新與應(yīng)用前景參考文獻(xiàn)[1]Turing,A.,1950,“ComputingMachineryandIntelligence,”Mind,59(236):433–60.Availableat:/10.1093/mind/[2]Vargas-Iglesias,JuanJ."Makingsenseofgenre:Thelogicofvideogamegenreorganization."GamesandCulture15.2(2020):158-178.Availableat:/10.1177/1555412017751803.[3]計(jì)紅梅.“研究表明:游戲科技是人工智能發(fā)展重要?jiǎng)恿Α?中國科學(xué)報(bào).2023.[4]Ouyang,Long,etal."Traininglanguagemodelstofollowinstructionswithhumanfeedback."AdvancesinNeuralInformationProcessingSystems35(2022):27730-27744.[5]Shannon,ClaudeE."XXII.Programmingacomputerforplayingchess."TheLondon,Edinburgh,andDublinPhilosophicalMagazineandJournalofScience41.314(1950):256-275.[6]Newell,A.,&Simon,H.A.(1963).Computersinpsychology.[7]ChrisBateman.ThestorybehindthefirstcomputerinCanada[N/OL].(2016-11-12)[2023-04-27].https://spacing.ca/toronto/2016/11/12/first-computer-canada/[8]Bateman,Chris."MeetBertietheBrain,theworld,sfirstarcadegame,builtinToronto."SpacingToronto13(2014).https://spacing.ca/toronto/2014/08/13/meet-bertie-brain-worlds-first-arcade-game-built-toronto/[9]CCampbell-Kelly,Martin."ChristopherStrachey,1916-1975:Abiographicalnote."AnnalsoftheHistoryofComputing7.1(1985):19-42.[10]Newell,Allen."Thechessmachine:anexampleofdealingwithacomplextaskbyadaptation."ProceedingsoftheMarch1-3,1955,westernjointcomputerconference.1955.[11]McCarthy,John,andEdwardA.Feigenbaum."Inmemoriam:Arthursamuel:Pioneerinmachinelearning."AIMagazine11.31990):10-10.[12]A.L.Samuel,"Somestudiesinmachinelearningusingthegameofcheckers,"inIBMJournalofResearchandDevelopment,vol.44,no.1.2,pp.206-226,Jan.2000,doi:10.1147/rd.441.0206.[13]Sutton,RichardS.,andAndrewG.Barto.Reinforcementlearning:Anintroduction.MITpress,2018.[14]OriginallypublishedinScientificAmerican,vol.242,no.6(June1980),pp.64–72.[15]Tesauro,Gerald."TemporaldifferencelearningandTD-Gammon."CommunicationsoftheACM38.3(1995):58-68.[16]Sutton,RichardS.,andAndrewG.Barto.Reinforcementlearning:Anintroduction.MITpress,2018.[17]Schaeffer,Jonathan,etal."Chinooktheworldman-machinecheckerschampion."AImagazine17.1(1996):21-21.[18]Schaeffer,Jonathan,etal."Checkersissolved."science317.5844(2007):1518-1522.[19]Berliner,HansJ."DeepThoughtWinsFredkinIntermediatePrize."AIMagazine10.2(1989):89-89.[20]Hsu,Feng-Hsiung.BehindDeepBlue:Buildingthecomputerthatdefeatedtheworldchesschampion.PrincetonUniversityPress,2002.[21]Remus,Horst."SimulationofaLearningMachineforPlaying[22]Zobrist,AlbertLindsey.FeatureextractionandrepresentationforpatternrecognitionandthegameofGo.TheUniversityofWisconsin-Madison,1970.[23]Ryder,JonathanLeonard.HeuristicanalysisoflargetreesasgeneratedinthegameofGo.No.155.StanfordUniversity,1971.[24]Reitman,Walter,andBruceWilcox."PerceptionandrepresentationofspatialrelationsinaprogramforplayingGo."Proceedingsofthe1975annualconference.1975.[25]Reitman,Walter,andBruceWilcox."Patternrecognitionandpattern-directedinferenceinaprogramforplayingGo."Pattern-DirectedInferenceSystems.AcademicPress,1978.503-523.[26]Reitman,Walter,RobertNado,andBruceWilcox."Machineperce