EP02 AI如何颠覆游戏讨论纪要
详细的讨论会分享背景请见我们上一篇文章《AI如何颠覆软件:你能为AI打工吗?》。
我们尽量每周都会组织不同领域的AI讨论会,覆盖软件行业的所有细分。为了保持一个活跃的讨论环境,对参与人群会有限制。关于第三次讨论会的报名方式,请见文末。
本期讨论会参与者:
林顺,Cocos引擎CEO,Cocos引擎是全球最大的商用游戏引擎之一。
以及多位资深游戏圈人士、投资人。
目前generative agents技术做出的小型产品的demo,一些新进用户应该会很喜欢,但是留存可能会成为一个问题。虽然这些技术给游戏设计上一个新的可能性,但是离真正的玩法创新仍然有一定的距离。 在设计NPC时,内核并不是越丰富越好,取决于游戏本身是什么品类,针对什么样的人群。 技术只给了NPC一个内在,但这个内在没有任何的目标性,而游戏一定是要让玩家能够有一定的目标的,然后在实现这个目标过程中能够获得在心灵的愉悦感。所以很底层的,不管是多巴胺,还是比较高层次的,比如叙事层面刺激,都是要有这样一个过程,这是游戏本身设计的基本思路。这对策划有非常高的要求。 AI把这个可能性从几乎是0变成了一种可能,但是最终可能成型的形式大概率是要复杂得多,甚至和现在出现的各种Demo是完全不一样的。
无法预测未来的发展,因为游戏行业是需要具体落地到l领域才能确定技术演进可能性的。 但是目前来看,NPC是一个蓬勃发展的潜力点,LLM和强化学习技术可以赋予NPC更大的决策能力,从而为基于NPC为核心的某些玩法提供提升。 但AI NPC需要跟游戏逻辑交互才能成为游戏核心的一部分,相比而言在局部变化例如拉动留存和ARPU上可能更容易低一点。 同时,将NPC加入游戏需要考虑控制NPC的行为、NPC是在服务器端活动还是客户端上运作,NPC活动时是否影响到游戏世界以及运算NPC的成本等问题。 总体而言,设计NPC需要从系统功能和玩家两方面考虑,并需要不断改进和优化,是一个具有挑战性的任务。
越模拟现实的东西,包括文字、人格等,越跟这些东西相关的就会越容易落地。模拟经营类游戏,如动森、开放世界的游戏等,可能是最先受益。 但是具体到AI NPC是否能成为游戏的独立内核还需考虑游戏本身的本质和多个系统的集合体。 有不少公司在AI Roblox上进行尝试,通过AI生成和NPC强化加持能力提升UGC社交游戏和party game的体验,包括Roblox。在这里AI Native公司>传统公司,比如Roblox,因为作为一个已经运营了很久的平台型游戏,不太可能大动自己原本的架构。
考虑到商业游戏系统设计的角度,要确保各个子系统之间不能有太过越界的一些行为,在选择智能化的NPC角色时,目前更偏向路人或队友型NPC的等相对较弱角色。 在强角色设定的情况下,最保险的方式是采用手工设计的模式,这样可以保证它确实符合人类对一个角色的认知。 从另一个角度来看,如果要将AI作为角色的内核,让他们有一些对话、动作和情感表达层面的能力,那么在设计层面可能会遇到一些问题,需要从设计上开始考虑AI NPC的表达空间。因此,现有的游戏品类或原型模式或许不适用,是个需要推进得相对慢的进程。 相比传统游戏模式+AI在玩法层面上有深度结合,更可能跑通的是全新的AI玩法,这对游戏制作人的策划能力会是非常高的要求。
AI 对用户留存的帮助在于可以提供一些比较强的bot,但从目前来看增值效果还没打开:
短期内最大的变化还是在新进上,能结合AI做得产品新进都会有不小帮助
从游戏运营的角度来看,战斗能力比较强的bot已经存在,并且在运营层面做数据分析和数据投放是有正向效果的。
从技术的角度来看,游戏AI是一个相对新的技术,之前尽管有人一直在研究AI,但只有ChatGPT改变了大多数人的看法。
在此之前,AI已经在高DAU的游戏中为游戏做出了贡献,但它的增值效果依然无法打开。
AI在游戏本身的商业化方向,可以卖AI NPC,也可以卖AI的计算结果
如果生成东西在未来的游戏里面是可控的,那不管是生成 NPC ,还是说生成一些内容,光是卖点数这个事情应该就是有一个潜在空间。
AI NPC商业化非常适合类似队友/宠物,等基于玩家个人行为,有明显限制性的场景。
技术角度在游戏层面的落地存在的难点:性价比目前还有问题
LLM虽然对个人用户来说已经很好用,但要嵌入游戏功能,还需要解决性能效果和QPS问题
游戏厂商在决策使用时也有很多摩擦:目前自研底座可能存在技术差距,开源的方案也不是特别成熟;游戏厂商也很看重成本核算,而AI成本昂贵,人才缺乏,这导致了游戏AI技术在落地方面推进缓慢
其他AI技术也有类似的问题
AI绘画的个人使用瓶颈较低,工具化程度也很高,在企业落地可以通过简单的服务器搭建满足需求。但其他技术门槛较高,比如强化学习,需要具备技术和人才方面的支持,但是游戏项目很难有耐心去等待和支持它的发展和落地。
AI NPC落地的时候也要多种情形讨论:
之前已经有AI落地形式了,比如语音、口型、表情和动画,但未来的需求还需要AI NPC进行实时表演,根据游戏情况和玩家的输入给予自主决策的反馈,并且和玩家有直接的互动。
加入聊天/表演的NPC,对于在游戏内的界限控制要求非常高,策划需要设计让游戏逻辑吞吐自洽,也需要设计如何让AI吐出可以被游戏逻辑量化的信息。
一个表演出色的AI NPC可能由多个AI组成,并且由多个服务驱动,包括语言模型、文字转语音、文字或声音转口型,情绪转表情等。
如果AI NPC是在服务器上,那么策划需要保证:如何决策让AI响应哪些玩家的哪些行为。
如果AI NPC是在客户端上,那么要确保巨大的运营成本如何被游戏ROI接受。
这对策划和技术的要求都非常高,行业非常稀缺,全市场都在找这样的人。
AI在游戏玩法的landing中,可能是LLM+增强学习结合的模式,大模型根据世界认知快速定位一个解决方案的子空间,强化学习在子空间里寻找一个最优解
大模型和强化学习在AI NPC领域上的互补关系。
对于一个需要快速定位解决方案的子空间的场景,大模型更擅长定位,而强化学习更适合在子空间中寻找最优解。
对于一些需要低频决策的场景,比如某些游戏中的角色行为决策,强化学习更为适用。因为这些场景下的决策不依赖于常识和外部环境,所需的上下文信息较少,而这正是强化学习的优势所在。
AI工具可以提高美术等环节效能,进而提高资产管理效率,及项目管理效率:
稳定的AI技术已经非常成熟,包括像stable diffusion和Contrnet等,而且应用和传播的对象也越来越多。游戏作为高技术浓度的装置艺术,任何AIGC的工具都可以在其中产生应用,如AI配音、声音克隆、AI作曲等。虽然AI作曲还没有商业化的突破,但是可以和交互式音乐结合,实现动态调整,来提升玩家的情绪体验。
目前最广泛应用的是各类成熟的美术向AIGC工具,例如生图类,利用已有的资源和策划找到的素材训练模型,并生成更多的图片。例如一个项目有一个属于自己的模型,或者有几种不同的模型,了解目标后,选择对应的模型/Lora,然后生成100张,再结合这100张看哪些合适,哪些再做修改。或挑选出合适的生成结果作为素材继续喂给AI再次训练。
在这个过程里,可以直接将Stable Diffusion作为插件放在PS里面,达到手绘一部分、Stable Diffusion生成一部分的效果。辅助画师,也可以利用工具为模型生成材质贴图。
同时AI识图等CV技师,可以方便为图片打上各种标签。
基于上面两点配合ChatGPT,加入资产管理工具实现原有工具链的升级。由AI配合人进行管理,由人驱动AI进行新的生成,生成的结构被继续管理起来。
如果DevOps链条和资产管理链条打通,可以实现一个项目过程中的资源追溯到原始资产的某个版本。提高整个项目的项目管理能力。
具体落地时候的难点:主要是在游戏项目时间limited情况下,能够让大家看清价值,愿意使用
能够配合的人才有限,若程序员的能力不强,AI工具对其帮助不大,同时,学AI的人大概率不会去给游戏公司写工具网页。
其AI工具可以对游戏开发的流程和速度有提效作用,但需要对团队进行培养,让团队能够使用起来。
在团队开发过程中,项目组的时间感非常重要,如果引入工具的时间成本过高,可能会遭到抵制。新工具进入需要case by case去磨合,以及需要考虑私有化部署和算力成本等其他问题。
游戏开发的档期也不完全是开发团队决定的,而是由运营团队决定的,每个版本的截止日期都是固定的,内容也是定的,在迭代的过程中还要调研工具、进行推广教育,花时间试错,对于现在的已有的项目也非常有难度。
游戏工具的迭代也可能对未来项目组的成员角色有更高的要求:
AI工具就如上面所说,需要和游戏团队能够深度磨合。
未来可能需要愿意做产品经理的美术,也需要愿意做产品的剧情策划。
目前大部分的开发角色都是只考虑自己,不考虑前置后置,但AI工具可能需要一个角色有更广泛的能力栈。或者项目组中需要有这么一个小团队,帮助整个项目进行磨合。
包括如果未来AI做私有化部署,那还需要协调项目组和公司的成本分摊问题。
会对游戏引擎产生什么样的影响:+Copilot
传统的工作流,AI工具可以降本增效,并应用于各种垂直领域,提供更专业化的服务。
因此,AI工具会对整个游戏引擎提供各种各样的细分级别的工具,包括美术、音频、设计和自动化测试等。
同时,引擎也会有自己的Copilot,围绕传统工序提供新形式的AI工具,在AI创作变得更加流行的情况下,产品化的工具需求也会增加。
如果是AI Native的引擎,所有创作由AI驱动,需要更多的工具。
通用的例如Github Copilot vs 引擎自己做的Copilot,引擎做的优势在于引擎功能的理解,从而更好的完成任务
- 虽通用的Copilot非常细致,输入代码即可帮助分析,但对于引擎最新版本API的精确理解,以及针对不同公司的业务二次API封装等方面还存在缺失。特别是在复杂工程中,因为大模型本身是无状态的,需要独立做上下文管理,项目工程越复杂就越有挑战,Token的消耗需要有优化算法,否则会因为同步复杂上下文耗费大量资金。
AI帮助编写代码时也可能出现错误,需要框架设计和子模块拆分等更细的操作,这些都有技术门槛。因此,游戏引擎方可以在这些方面进行更好的调试。
游戏引擎通常不会自己进行专业领域的迭代,而是集成现成的AI能力并整合应用于游戏开发。
美术相关工具的使用确实可以提升效率,但仍无法达到全自动化,而且存在精确性的问题。
对于2D和3D资产制作,现有工具也存在一些的问题,达不到商业化标准。
因此,游戏引擎的态度通常是在不同环节引入不同工具,提高效率,但全自动化仍比较遥远。
未来的应用还取决于厂商和社区的需求。游戏引擎在横向上可能会有更多的应用,但并不是所有环节都适合引入AI工具。
游戏Copilot的受众:助理工具都会用到;全自动工具的landing需要考虑的要素比较多
通用的Copilot作为助手使用,可以帮助编写代码、分析代码、设计子模块等,可以提高局部效率,最高可提高10%-15%。游戏引擎结合后的专属Copilot可以进一步提高效率,甚至超过50%。
将Copilot直接变成全自动化工具,有人已经成功尝试,在不写代码的前提下全程使用AI工具进行游戏开发。这需要有拆分结构、设计子模块、让AI进行self-bugging等。此方式有望形成闭环,产生更大价值。究竟适合哪些人群、创新模式以及能够制作多么复杂的游戏内容,目前尚未定论。
目前还没有明确的适合人群、创新模式和应用场景。但是,从使用效果上看,对于复杂工程来说,使用Copilot可以部分增效,其代价相对较少,因为不论是哪家公司开发,Copilot的使用成本都不会很高。
但对于需要用到大量token的复杂工程而言,使用成本会比较高,因为不同的Copilot使用的内在成本不低,上下文管理和Token吞吐量也需要考虑。
游戏Copilot 最有可能产生效果的环节:策略阶段,进行idea的验证
从游戏开发的整个流程来看,AI工具主要在策划阶段得到应用。
在工业化生产中,目前还存在精确性的问题,但有机会形成闭环。
AI在服务集成、智能化运维、难度调整等方面也有应用,对游戏引擎来说,这些服务大多支持第三方。
AI工具的应用可能带来两个方面的变化,一方面可以提高效率和内容质量,而另一方面,AI工具可以帮助游戏引擎将专业化门槛降到最低,可能使更多个体参与进来制作复杂的互动内容,甚至可能带来新的玩法和平台,吸引新的受众。AI工具也有可能变成无代码化工具。
专业工具和AI native的工具在某些场景下可能会有重叠,这可能是看到最大的变化,带来分工分层的变化,是值得期待的发展趋势。
AI的landing会导致内容游戏的门槛降低,游戏会更多向内容类转变么
AI参与游戏开发可以降低生产成本和门槛,使更多有创意的人能进入游戏行业。这些人带来的理念和玩法有助于产生新的内容。
然而,使用AI也会带来一定的成本,包括开发和维护AI系统的成本。另外,虽然AI的使用能够取代低端工作者,但对于上层人才来说,因为需要卷出更高的水平。这导致最终用户见到的好的内容的成本可能并不低。
VR 开发者或者VR 平台的角度, AI 对这个行业可能出现的影响与普通游戏类似,但是VR有放大效应:
现在VR 领域里面可能跟传统做游戏,比如3D 或主机类游戏领域比较类似,所以会遇到的问题也比较类似。比如说AI NPC,如果短时间无法变得就是特别成熟,或者说很容易出戏,在 VR 其实会放大这种缺点。反之亦然。
比如说一个 AI 的 NPC 做得特别好,在 VR 里面因为视场角变得更大,沉浸感变得更强,做出来比较好的 AI NPC的代入感就会更强。但是同样,如果一个 AI NPC 就做得特别傻。在 VR 里面其实只会放大这种缺点。
所以在 VR 领域跟传统游戏最大的差异点是,VR有放大效应,放大它的优势或者劣势。但是从开发流程的角度来说,其实没有什么太大的差异,是一样的。
【讨论会】
我们将在近期举办第三次“AI颠覆软件讨论会”,前面两期分别是数据库与游戏软件,分别邀请了行业里面最资深的从业者、创业者朋友。
第一期纪要请见《EP01:AI如何颠覆数据库讨论纪要》。
第三期我们即将举办“AI颠覆广告-生成式广告”讨论会。第三次讨论会将以小范围展开,所以希望参会者有合适的背景。
如果有兴趣,请私信公众号后台“您的工作信息,以及关于生成式广告您有什么可以分享的观点”,也可添加波太金/小熊猫老师的微信。
【AI如何颠覆软件:你能为AI打工吗】