人工智能生成游戏“同人小说”来扩展游戏的虚拟世界。
我承认，从中学开始，我大部分的空闲时间都沉浸在电子游戏中。有典型的史诗： 《生化危机》 、 《最终幻想》 、 《魔兽世界》和《堡垒之夜》 。还有一些我很喜欢的独立游戏——一款模拟森林中野火观察者的游戏、一场公路旅行冒险游戏，或者一款使用传送门连接不可思议的物理空间的游戏。
我不是唯一一个沉迷于游戏的人。价值数十亿美元的视频游戏产业现在比好莱坞还要大。设计师们不断地努力扩展他们的数字世界，以满足对新内容的无尽期望。
现在，他们可能有一个漂亮的帮手了。
本周，微软研究院发布了 Muse ，这是一种人工智能，可以在游戏中产生多种不同的新场景。与 ChatGPT 和 Gemini 一样，Muse 是一个生成式AI 模型。 Muse 在微软旗下 Ninja Theory 的多人射击游戏《 Bleeding Edge》中接受了大约 500,000 次人类游戏会话的训练，可以想象出游戏的复制品，其中角色遵守游戏的内部物理规则和相关的控制器动作。
该团队很快补充说，Muse 并不是要取代人类游戏设计师。相反，正如它的名字一样，人工智能可以为团队提供灵感，让他们根据自己的选择采用。
研究作者 Katja Hofmann 在博客文章中写道：“在我们的研究中，我们专注于探索像 Muse 这样的模型有效支持人类创造力所需的能力。”
Muse 仅接受过一款游戏的训练，并且只能生成基于《Bleeding Edge》的场景。然而，由于人工智能从人类游戏数据中学习，而没有对游戏物理本身有任何先入之见，因此只要有足够的数据进行训练，该模型就可以用于其他游戏。
微软游戏人工智能公司副总裁法蒂玛·卡达尔（Fatima Kardar）在另一篇博客文章中写道：“我们相信生成式人工智能可以增强创造力并开辟新的可能性。”
全新世界
生成式人工智能已经席卷了我们现有的数字世界。现在，游戏开发者正在询问人工智能是否也可以帮助构建全新的世界。
使用人工智能制作连贯的游戏视频片段并不是什么新鲜事。 2024 年，谷歌推出了GameNGen ，据该公司称，这是第一个由神经网络驱动的游戏引擎。人工智能在没有查看游戏原始代码的情况下重新创建了经典视频游戏《毁灭战士》 。相反，它反复玩游戏，并最终了解数以亿计的小决定如何改变游戏的结果。结果是基于 AI 的副本可以播放长达 20 秒，且所有原始功能都完好无损。
对于人工智能来说，现代视频游戏要困难得多。
现在大多数游戏都是 3D 的，每个游戏都有自己迷人的世界和一套物理规则。游戏的地图、非玩家角色和其他设计可能会随着版本更新而改变。但角色在虚拟世界中的移动方式（即玩家如何知道何时跳跃、滑动、射击或隐藏在障碍物后面）保持不变。
公平地说，破解小故障很有趣，但前提是它们之间距离很远且很少。如果游戏中的物理机制（无论在现实生活中多么不可能）不断出现问题，玩家很容易就会失去沉浸感。
一致性只是设计师需要考虑的游戏体验的一部分。为了更好地了解人工智能如何提供潜在帮助，该团队首先采访了来自多个大洲的独立工作室和行业巨头的 27 名视频游戏设计师。
出现了几个主题。其中之一是需要创建新的、不同的场景，同时仍保持游戏的框架。例如，新想法不仅需要符合游戏的物理原理（物体不应穿过墙壁），还需要符合游戏的风格和氛围，以便与游戏的总体叙事相吻合。
“生成式人工智能的背景信息仍然有限，”一位设计师说道。 “这意味着人工智能很难考虑整个体验……并遵循[游戏内]的特定规则和机制。”
其他人则强调需要迭代，重新审视设计，直到感觉合适为止。这意味着人工智能助理应该足够灵活，能够轻松地反复采用设计师提出的更改。不同的路径也是重中之重，因为如果玩家选择不同的行动，这些行动都会产生不同且有意义的后果。
威海姆
根据这些反馈，该团队创建了他们的世界和人类行为模型（WHAM）——昵称缪斯。 AI 的每个部分都经过精心设计，以满足游戏设计师的需求。其主干算法类似于为 ChatGPT 提供支持的算法，并且之前曾用于对游戏世界进行建模。
然后，该团队向 Muse 提供从《Bleeding Edge》 （一款 3D 的四对四协作射击游戏）中收集的人类游戏数据。通过战斗视频和控制器输入，人工智能在相当于七年的连续游戏中学会了如何导航游戏。
当收到提示时，Muse 可以在游戏中生成新场景及其相关的控制器输入。角色和物体遵循游戏的物理定律，并在与游戏氛围相匹配的新探索中展开。新添加的对象或玩家在多个场景中保持一致。
“Muse 的突破性之处在于它对 3D 游戏世界的详细了解，包括游戏物理以及游戏如何对玩家的控制器操作做出反应，”Kardar 写道。
并非所有人都相信人工智能可以帮助游戏设计。 Muse 需要大量的训练数据，而大多数小型工作室都没有这些数据。
马耳他大学的 Georgios Yannakakis 告诉《新科学家》杂志：“微软花了七年时间收集数据并训练这些模型，以证明你确实可以做到这一点，但真正的游戏工作室能负担得起这样做吗？”
撇开怀疑不谈，该团队正在探索进一步探索该技术的方法。一是“克隆”当前硬件上无法玩的经典游戏。卡达尔表示，该团队希望有一天能够复兴怀旧游戏。
“如今，无数与老化硬件相关的经典游戏已不再适合大多数人玩。得益于这一突破，我们正在探索 Muse 的潜力，从我们的工作室中获取较旧的目录游戏，并针对任何设备对其进行优化，”她写道。
同时，该技术也可以适用于物理世界。例如，由于 Muse 可以“看到”环境，因此它可以帮助设计师重新配置厨房或通过探索不同的场景来调整建筑布局。
微软研究院院长彼得·李（Peter Lee）写道：“从计算机科学研究的角度来看，这是相当惊人的，它的未来应用可能会给创作者带来变革。”
这篇微软人工智能研究了 7 年视频游戏玩法的文章。现在它梦想出全新的游戏场景。首先出现在SingularityHub上。