概述
人工智能可以自动构建游戏关卡、地图和世界，而不是手动放置每堵墙和敌人。这种程序化的内容生成方式为游戏提供了近乎无限的多样性，并帮助小型工作室打造巨大的世界。
游戏关卡生成中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
程序内容生成 (PCG) 几十年来一直为游戏提供动力，从《Rogue》（1980 年）的地下城到《无人深空》的 18 万亿颗行星。经典方法使用噪声函数，例如地形的 Perlin 噪声，以及房间和任务的语法和规则集。较新的浪潮是通过机器学习的 PCG (PCGML)，其中模型从现有级别进行学习。方法包括生成可玩的马里奥风格关卡的 GAN、通过最大化乐趣或难度来设计关卡的强化学习代理，以及波函数折叠（一种约束解算器，可平铺地图以使相邻部分始终适合）。一个核心挑战是保证关卡实际上是可完成和平衡的，而不仅仅是视觉上合理，因此设计师将生成器与自动游戏测试机器人配对。
技术洞察
波函数折叠是一种流行的工具，它将关卡构建视为一个约束难题：它从叠加的每个图块开始，然后反复将最低熵单元“折叠”为单个图块，并向外传播邻接规则，就像解决数独一样。相反，基于学习的方法在样本级别上训练生成器；鉴别器或适应度函数检查输出，而搜索技术（如进化算法或质量多样性（MAP-精英））则推动多样性和可玩性。
掌握游戏关卡生成中的 AI
人工智能可以自动构建游戏关卡、地图和世界，而不是手动放置每堵墙和敌人。这种程序化的内容生成方式为游戏提供了近乎无限的多样性，并帮助小型工作室打造巨大的世界。游戏关卡生成中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将游戏关卡生成中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，在游戏关卡生成中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
《无人深空》通过算法和种子按程序生成大约 18 亿个独特的行星。
Minecraft 使用噪声函数和生物群系规则为每个种子构建无尽的、多样化的世界。
洞穴探险和其他 roguelike 游戏每次运行都会从模块化房间模板中组装出新鲜的地下城布局。
设计师使用波函数折叠来自动平铺相干地图，使每块都适合其邻居。
实施模式
游戏关卡生成中的人工智能实践
《无人深空》通过算法和种子按程序生成大约 18 亿个独特的行星。
《无人深空》从算法和种子中按程序生成大约 18 百亿个独特的行星。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
游戏关卡生成中的人工智能实践
Minecraft 使用噪声函数和生物群系规则为每个种子构建无尽的、多样化的世界。
Minecraft 使用噪声函数和生物群系规则为每个种子团队构建无尽的、多样化的世界。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
游戏关卡生成中的人工智能实践
洞穴探险和其他 roguelike 游戏每次运行都会从模块化房间模板中组装出新鲜的地下城布局。
洞穴探险和其他 Roguelike 游戏每次运行都会从模块化房间模板中组装新的地下城布局 当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
游戏关卡生成中的人工智能实践
设计师使用波函数折叠来自动平铺相干地图，使每块都适合其邻居。
设计人员使用波函数折叠来自动平铺相干地图，其中每个部分都适合其邻居。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。