校友：苏博览
记者：王天
随着2016年AlphaGo的横空出世，人工智能（AI）以前所未有的速度进入公众视野，棋牌是其最先攻克的游戏领域。在完胜人类棋手后，AlphaGo的缔造者DeepMind公司宣布与暴雪公司合作，为人工智能准备了下一个待征服的游戏目标：《星际争霸2》（StarCraft）。更多的游戏公司，也纷纷开始了AI的布局。
游戏和AI，究竟会擦出怎样的火花？
我们请到了腾讯互动娱乐的游戏AI高级研究员，复旦大学计算机系校友苏博览学长。
* * *
（一）游戏AI的使命
理想的游戏AI是足够真实的，让你觉得它像一个人，而不是一个AI。
记者：游戏与AI的结合是游戏发展的最新潮流。您觉得AI在游戏中应该发挥怎样的作用？
苏：游戏AI最重要的任务就是在游戏中利用人工智能的方式，来让玩家体验感更好。
第一，要让玩家在游戏里有一定的沉浸感，就是要让他觉得这个世界是真实的，他才能继续去玩；第二就是要让玩家觉得有成就感。玩家总是希望受到更多的正向刺激，而不是负向刺激，就是你经常还是能赢，虽然或者能输，但是不能输太多，你要一直输可能就不玩了。所以我们就希望用人工智能来做这件事情。理想的游戏AI是足够真实的，让你觉得它像一个人，而不是一个AI。
另外一个方面，我们也希望AI在游戏制作的过程中可以帮助生产一些内容。比如说，游戏很多构图、人物形象等等，我们现在需要专门的策划和美工慢慢做出来。我们希望将来可以用人工智能来去自动完成这些任务。当然游戏本身的内容设计也是可以交给AI的，这样附带的好处是可以大批量地生产。举个例子，我们最近在做的一个游戏叫斗地主残局，你可以尝试一下。就是腾讯游戏里面的欢乐斗地主，有一个残局闯关。给你两副牌，一对一的，明牌，玩家需要思考怎么出才能够赢下来。肯定是能赢的，但是并不是那么好赢，可能得仔细想一下。以前这个得让员工来挑残局，看看哪一局是谁赢，这样效率很低。我们用人工智能技术每天可以生产大量的残局，并且在这个上面去做一些筛选与分类，自动的分出不同难度，再分给不同水平的玩家。
记者：您说的这个例子很有意思，回去试一下（笑）。目前市面上游戏有很多种类，棋牌只是其中一种，对于不同的游戏种类，是否AI的应用也有不同？
苏：其实应该把棋牌分开来，棋类是比较简单。因为他们规则都已经定下来了，信息是透明的。牌难一点，我们把棋类称作是完美信息，牌类的话，是非完美信息。完美信息就是说，我们参与双方都知道所有的信息，非完美信息互相之间有一部分的信息是对方不知道的。
记者：那射击类游戏，比如说像CS之类，也是非完美信息了。
苏：对。但射击类的话，又有它的特殊性，就是它的非完美信息，对决策的影响会小一点。打个比方，我们玩射击可能大概知道哪边没有人，我就可以去了。更重要的是，我虽然判断形势可能没你那么厉害，但我如果每一枪都能爆头，走位精准无比，你一出现我就能把你打到，那其实也是非常厉害的了。其实你可以这样理解，游戏越考验操作，对电脑来说反而越是容易的；越考验信息的判断与决策，对电脑来说就越难。因此，赛车啊射击啊这种操作至关重要的游戏，AI反而相对容易胜任。
记者：刚才我们说的其实都是一种对抗式的游戏AI，有没有其他的游戏AI类型？
苏：对，一种是对抗，一种是陪伴。网游里有一些线上的NPC，就是很好的例子。这些AI其实都比较厉害了，需要在自然语言处理方面有一定的突破。再比如说，王者荣耀之前出过一个语音的助手，叫妲己，用妲己的语音和大家进行交互，这是要有一定的语音识别和理解能力的，这种陪伴式的AI也是一个未来的方向。
（二）智能的边界
记者：我之前也玩过一些带有AI的游戏，比如帝国时代，但当时我总觉得它们还是不够智能的。您觉得AI在游戏中究竟能做到怎样的智能？
苏：其实你们如果了解的话，游戏AI最早就是一些规则。在编程上来说，就相当于一些if语句，这是最早的。然后后面大概比较出名的是微软出的那个光晕（Halo），一个第一人称射击游戏。他们搞出了一些新东西，叫行为树。行为树的话，会比之前的if规则更模块化一点。就类似说我做决策，这个决策上面就有一系列的模块，比如说碰到敌人那我就要做躲避，然后反击，然后逃跑。然后在这种逃跑下面，又可以细分下来各种各样的模块。这样子下来，整个决策过程比较模块化，然后在模块化的这些里面还可以加入一定的随机性，比如说你可以用概率来选择，你有一定的概率来逃跑，一定概率反击等等。现在大量的游戏AI，基本都是基于行为树写的。直到近几年人工智能有了新发展，有深度学习和强化学习这两个方法加进来之后，很多游戏公司，才开始做基于深度学习和强化学习的游戏AI研究，包括我们现在做的也是基于这种方法来做的。应该说，现在还没有大的突破，但是我估计近期会有突破。
记者：您觉得游戏AI发展受到的限制在什么地方？
苏：这个其实是人工智能技术本身的难点。我们正常一个玩游戏，是有很多先验知识的。比如我拍了这个桌子，我知道它是安全的。比如说我看见那个五角星，或者宝石这些东西，我能知道这个就是一个好的东西，我要去拿到它；这里是个悬空的，我掉下去就会死掉了；我看到一个长的很凶恶的东西，我就觉得这是个怪物，我要去打它。这些东西，都是电脑是不知道的，所以电脑要做这些东西，要进行很多的尝试。游戏的规则很多很多，也很复杂，这是第一个难点，你很难把这种先验的东西放进去。
第二个就是比如像星际争霸这种即时对抗的游戏，它允许的反应时间是很短的。那就不像围棋，下一步几秒钟，或者几分钟都没问题，即时对抗的游戏等不及。这是一个所谓对支撑的要求，同时这种还是一个之前提到的非完全信息机制，这就有些棘手。
记者：其实现在每年学术界都有大量的论文发表，相关算法也是日新月异。这对突破瓶颈能否起到很大的推动作用？
苏：技术肯定是在不断发展，但学术界和工业界不完全相同。我们判断AI的好坏，很多时候就是看你这个技术能不能比人好。在实验室上大家觉得可用和真正技术上可用可能会有一个区别。比如说一个算法识别的准确率有70%-80%，这或许可以发论文了，但从工业的角度说，这个技术必须确定地可行，否则它的应用可能就会特别狭窄。
（三）游戏AI的发展之道
记者：除了腾讯，越来越多的游戏公司也纷纷开始了AI的布局。那对于未来10年到20年之内的游戏AI行业，您设想的变化会是怎样的？
苏：10年到20年的话，因为现在AI芯片的技术在发展，如果AI芯片可以做到每个人的手机上，相当于这个计算性能给大家服务提高了，那我们可以把很多复杂的东西放到手机里面。在上面我们应该可以做到一些更好的AI，在游戏中可以陪玩家玩，可以跟玩家交互，然后我们作为管理者可以更好的分析玩家的行为。我们现在做的一个事情，就是分析玩家比较初级的行为，比如买道具，长到了多少级，跟游戏中谁一起组队了这种信息。
但如果我们有一个更强的技术，我们可以分析到一个更犀利的问题。比如玩家在打副本的过程中，什么人在什么地方在做什么，我们可以基于这个来修改这个游戏，或者说更好的适应这个从而给每个玩家不同的难度，当然是能够符合你水平的，让玩的很过瘾，但也不要太难，要不然你就直接放弃了。类似的我们可以做的更精细，让游戏玩家的行为变得更可预测，然后反过来也让游戏玩家的体验能够变得更好。
记者：这是从技术层面来说的。那如果从一个公司经营的角度来说，过去一般游戏开发是游戏开发，然后人工智能研发又是另外一块，这两个本来是泾渭分明的。而且游戏开发本身，就能获得很大的这种盈利，而人工智能反而是要花费大量的经费是进行研发的。所以公司会出于怎样的动力，将人工智能的研发引入到游戏当中呢？
苏：开源、节流，这是两个方面。第一，节约成本，原来每个工程师设计一个游戏地图，要20天，可能要加入人工智能帮助，只要10天，或者甚至一天就完成了。更加高级一点，按以前的速度，设计一个AI，我要一个一个模块的写，写完了这个游戏，我下一个新游戏还是得从头开始写。但我现在可能只有一开始的前面几个游戏需要做一下，调试出一个很好的模型出来，那后面我们就可以基于这种模型来复用了。这是一个很大的节约成本。
记者：您的意思就是说，会有一种专门用来设计游戏的AI吗？
苏：也不是说设计游戏，就是相当于我们如果说，能够基于深度学习和强化学习这种方式来做AI的话，那实际上我们以后的AI相当于只是一个模型，它其实是一个神经网络而已，这一套网络其实是可以复用的。像之前的行为树那种，它就是一些模块，模块里面到最根本的还是一些if语句，这些if语句都是针对特定场景的，那自然是没办法复用的。你比如说你到了一个新的场景，你最多可能一两个模块你在用，比如王者里面设计的很多东西，你拿到吃鸡里面可能就没有办法用了。
记者：在不同的这种场景当中切换，这个模型本身是不是也要重新训练？
苏：是重新训练，但重新训练的话，其实花的是机器的时间。不是花的人的时间。对于程序员来说，我必须得了解这些人在干什么；但是对于模型来说，这个游戏那个游戏，其实差不多，无非是输入输出的差别。也就是说，只要把一个模型设计好了，就可以用它训练不同的东西出来，可能做一些微调就好。
刚才是从成本的角度上讨论。而从增加收入的角度就是说，如果我们有一些人工智能的技术，其实我们可以更好的分析玩家行为。我们现在其实不知道有些玩家为什么会想放弃某个游戏。比如有些人玩王者荣耀玩着玩着突然间把它删掉了，这是为什么呢？我们现在其实是不知道的，我们只能通过某些方式，比如给你发一些信息啊说送一点什么东西，看你能不能回来。那如果我们引入人工智能的技术，我可能大概知道，你是因为觉得最近常玩的这个英雄被削弱了，你就玩着很不爽。那我们可能会针对性处理，如果大部分玩家真的都是因为这个英雄被削弱，我们就可以调整，让整个玩家的离开概率更低。然后另外一点是促使玩家更好地付费。只要你能够更了解玩家行为，你肯定可以让玩家更好的沉浸在游戏中去，游戏的生命周期就会变长，从而能够带来更多的收入。
（四）对游戏AI的期待
记者：您梦想的终极游戏AI是怎样的？
苏：其实终极的肯定是一个通用的AI。不玩这个游戏，都能使用。比如我玩王者玩的很好，去到吃鸡游戏，稍微了解一下其实我也能玩的很好，那么能不能有个AI也是这样呢？它某个游戏玩的很好，但能够切换到另外的游戏，也不需要从头开始训练，稍微给一定的小样本就可以。所谓的迁移学习的就是一种思路，但是迁移学习现在也是一个比较新的方向，还有很多不确定的东西。
本质上来说，我所设想的其实就是一个通用人工智能的概念。所有做AI的人，都希望能够做出一个通用的AI。这种真的做出来，其实已经不限于游戏。这个是一件还没有解决的事，大家正在想方设法解决的事。
