概述
它可以让小团队构建大量、多样化的游戏，并且现在正在通过生成人工智能来增强。
深入探讨
PCG 有着悠久的历史：《Rogue》（1980 年）通过算法生成地下城，而《无人深空》则声称拥有超过 18 亿个由确定性种子构建的独特行星。 Minecraft 使用 Perlin/noise 函数生成近乎无限的地形，而 Spelunky 则开创了基于约束的关卡生成，既保持随机性又可玩。大多数经典的 PCG 都是基于规则或基于噪声的，并具有仔细的约束，因此输出很有趣，而不仅仅是变化。 PCGML（通过机器学习的 PCG）是一个研究子领域，它在现有级别上训练模型以生成新的模型。如今，生成式 AI 将 PCG 扩展到纹理、3D 模型、对话和任务。最大的优势是内容规模和可重玩性；最大的挑战是质量控制、一致性，以及避免平淡、千篇一律的产出，这通常被称为“燕麦片问题”。
现实世界的实施
《无人深空》通过确定性种子和程序规则生成超过 18 亿个行星
Minecraft 使用噪声函数有效地动态构建无限的、多样化的地形
Spelunky 通过基于约束的设计生成随机但始终可完成的关卡
暗黑破坏神和其他动作角色扮演游戏按程序生成地牢布局和随机战利品以提高可重玩性
人工智能在游戏程序内容生成中的未来
生成式 AI 将越来越多地按需制作艺术、3D 资产、语音和叙事，从而有可能实现根据每个玩家技能调整的个性化关卡。期待更严格的人类与人工智能共同创造工具，设计师可以引导模型而不是编写每条规则。关键前沿是大世界的一致性、版权和训练数据来源，以及保持内容有意义而不是无限但空洞。获胜的系统将通过强有力的评估和策划来配对生成。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 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。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 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。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
什么是游戏程序内容生成中的人工智能？
程序内容生成 (PCG) 使用算法自动创建游戏世界、关卡、物品和任务。它可以让小团队构建大量、多样化的游戏，并且现在正在通过生成人工智能来增强。
PCG在游戏开发中代表什么？
PCG（程序内容生成）使用算法自动创建游戏内容，例如关卡、地形和物品。
哪款早期游戏是程序生成地下城的经典示例？
《Rogue》在每次游戏过程中都会通过算法生成地下城，整个“Roguelike”流派由此得名。
像《无人深空》这样的游戏如何在不存储每个星球的情况下创造一个近乎无限的宇宙？
种子值确定性地再现相同的程序生成的世界，因此不需要单独存储数以百万计的行星。
PCG 中的 Perlin 噪声等噪声函数有何用途？
Perlin 和 Simplex 噪波可创建平滑的渐变，非常适合自然地形高度图，如 Minecraft 的景观中所示。
为什么 Spelunky 使用基于约束的关卡生成？
约束保证存在有效路径，因此关卡保持随机且可解，而不是随机不可能。