人工智能是否能成为游戏行业新的加速器？

作者：石亚琼

人工智能正成为重塑产业效率的利器。在安防、金融、医疗、法律、教育等信息化程度高的领域，那些机械性、重复性高的劳动正逐渐被机器部分替代。在基本上完全数字化的千亿没有规模的游戏行业，人工智能是否有可能产生更大的影响？

其实，人工智能在游戏行业的运用早已有之，不过在游戏行业的含义与目前我们通常意义上的人工智能并不相同。

一、美术

1、NVIDIA的1Shot 、 Texture Multiplier（材质复制器） 和 Super-Resolution（超分辨率）技术

今年的GDC大会期间，NVIDIA展示了多项基于机器学习和神经网络的工具，包括2Shot、1Shot 、 Texture Multiplier（材质复制器） 和 Super-Resolution（超分辨率）等技术 ，主要解决游戏开发者面临美术相关问题。

2 Shot 技术主要用来帮助开发者从真实世界中提取材质并应用到游戏中。开发者只需用手机拍摄两张对象材质的照片，一张不开闪光灯，一张打开闪光灯，机器就能自动处理，只需要几分钟后即可生成素材文件，目前已经达到工业可用级别。

1 Shot技术则是2 Shot 的升级版，采用更先进的神经网络算法，只需一张照片就能生成素材，生成时间有望降到数秒，不过目前还不成熟，还在完善的过程中。

Texture Multiplier（材质复制器）技术，可用简单理解成采用卷积神经网络算法的Texture Mutation（材质增生）技术，可用将生成的效果提升到接近真实水平。

Super-Resolution（超分辨率）技术，是一种在图像放大过程中不失真的技术。

不过据我们沟通到的游戏开发者反馈，目前这些技术并不成熟，实际当中暂时还未有商用。

2、Magic Pony 提升低像素图片效果

Magic Pony 是一家伦敦初创公司，2016年6月已经被Twitter以1.5亿美元的价格收购，公司主要利用神经网络等技术，重新调整图片中的线条与阴影，提高低像素图片的质量。其技术不仅可以应用于图片处理，还包括视频处理。Twitter收购这家公司，很可能是要将其技术用于游戏视频直播。

3、Google展示像素递归超分辨率技术、AutoDraw

今年2月， Google Brain也展示了“图像还原”的像素递归超分辨率技术（Pixel Recursive Super Resolution），将 8×8 像素分辨率的，打了马赛克的头像，还原成比较清晰的头像，达到 32×32 分辨率的效果。

今年4月，Google推出一个名叫AutoDraw的工具，利用机器学习技术将个人涂鸦转化为艺术品，用户只需要简单画几笔，系统会自动识别，并将它替换成表情符号。

虽然这两个技术与游戏的美术并不完全相同，但原理上来看很可能能够移植到一些其他的美术工作上。

4、印度初创公司Absentia VR用AI自动生成3A级大型游戏

印度初创公司Absentia VR研发了一套称为Norah AI的技术，主要基于深度神经网络算法，可以将一段普通的2D视频自动生成VR内容。公司希望未来这套系统可以用于生产3A大作，只需要提供一部电影，就会根据电影的人物和情节自动生成一个3A级的大型游戏，将游戏研发时间从30天减少到30小时。

据外媒报道，Absentia VR于2016年11月推出了Norah AI的第一版，并且已经签约了8个客户，分布在媒体业、娱乐业以及通讯业，已经实现了盈利，新的版本将于2017年中期进入市场。

公司在2017年4月宣布获得一笔8千万印度卢比（约合124万美元）的投资，由Exfinity Venture Partners领投。

二、音乐生成

音乐在游戏中的占比并不高。

1、Google

2016年5月Moogfest音乐科技节上，Google Magenta团队现场展示人工智能的作曲能力，输入一些简单的音符后，人工智能便会根据这些音符的排列特点，编写出更为完整丰富的曲子，并弹奏出来。

2、索尼

2016年9月，索尼发布了用人工智能写作的两首流行歌曲。据 QUARTZ 报道，两首歌中一首名为 Daddy’s Car ，是披头士朗朗上口、阳光轻松的怀旧曲调；一首名为 Mr Shadow ，混杂了 Irving Berlin 、 Duke Ellington 、 George Gershwin 等几位美国音乐人的风格。其实， 2014 年，索尼也发布过用人工智能制作的爵士乐。

3、班砖网络 TheSeed

班砖网络开发了名为The Seed 的应用，可以利用机器自动生成原创音乐。客户只需要提供歌词，并明确自己想要制作哪种类型的歌曲，机器会自动进行作曲编曲，最后由歌手进行混录，可以将作曲的时间从2周以上缩短到1天。

三、编程

1、微软 “DeepCoder”

由微软和剑桥大学研究员一同开发的人工智能系统DeepCoder，基本上可以自动撰写代码，而且能成功解决那些入门级程序竞赛的题目。研究员相信，DeepCoder可以帮助那些没有任何编码知识的人，让他们可以更容易地编写初级程序。他们只需简单地描述自己的想法，即可让AI代工。

2、Google

Google Brain的研究员在一次试验中让软件设计了一套机器学习系统，让AI 从零开始设计出一个新颖的神经网络架构，效果并不比人的水平差。

3、DeepMind

被Google收购的DeepMind ，此前开发了一个“神经编程解释器”（NPI），能让机器自己学习并且编辑简单的程序，排序的泛化能力也比序列到序列的 LSTM 更高。描述这项研究的论文《神经程序解释器》（Neural Programmer-Interpreters），被评选为 ICLR16 最佳论文。

四、NPC

1、万代南梦宫投资人工智能初创公司 Heroz

Bandai Namco 希望利用 Heroz 的资源来改善未来游戏中非玩家控制角色的行为，不过他们可能会在真正用 Heroz 的技术打造接班《黑暗之魂》的新 IP 之前，拿更简单的游戏练练手。

2016年年底，Bandai Namco 对人工智能初创公司 Heroz 进行了投资，投资金额尚未公开。此前Heroz 团队的算法在将棋（日本象棋）的公共比赛中打败了人类职业棋手。

2、Ubisoft

Ubisoft已经与一名名为Holden 的研究员的公司进行合作。后者研发了一套技术，可以让角色的动作更逼真。

大多数游戏中，角色动画是通过“CANned”方式制作的，也就是预先捕捉动作。Daniel Holden的团队利用“Phase-Functioned Neural Network”算法，可以直接将用户的输入映射到动画角色上，无需存储所有的数据，机器自动根据用户的输入信息生成动画。

不过目前暂不知道Ubisoft会在哪些游戏中利用这一技术。目前这一技术还有一些问题，比如捕捉动作之后要训练30小时，艺术家不能直接对神经网络的结果进行修改，机器处理时间比播放预制动画还是长很多。

3、深极智能

深极智能公司正在用深度强化学习打造游戏版的《西部世界》。具体来说，就是用深度强化学习模拟网络游戏玩家行为，训练出接近人类用户的虚拟玩家（Agent），这些玩家在行为方面接近人类用户，能在网游环境下通过图灵测试。

五、运营推广

利用大数据及机器学习等相关技术，提高游戏运营推广的效果及付费转化率是目前相对来说最为成熟的部分。

1、Thinking Data

数数信息科技（上海）有限公司（ThinkingData）推出的第一款产品名为ThinkingGame，利用大数据和人工智能技术，将游戏外和游戏内的数据相结合，给游戏运营提供预测，分类，精准营销，智能推荐等服务，让游戏运营智能化。官网显示，目前已经有多家客户。

2、深极智能

深极智能公司的一项业务，就是通过精细埋点数据来改进游戏的前期表现，目前已经有包括上市公司在内的客户。

3、Featurespace

Featurespace公司开发了一个机器学习系统，可以根据实时数据探测一些意料之外的变化，发现在线游戏中的欺骗行为。