概述
它將狀態機等數十年歷史的技術,與能讓角色說話和即興發揮的新生成式模型融合在一起。
深入探討
NPC 行為是最古老的應用人工智慧領域之一,但大多數「遊戲人工智慧」根本不是機器學習。經典敵人使用有限狀態機(閒置、巡邏、追逐、攻擊)和行為樹,設計師精心設計這些行為樹以獲得可預測、可調的樂趣。尋路依靠 A* 演算法來導航地圖。具有里程碑意義的例子包括 F.E.A.R. 的目標導向行動計劃 (GOAP),它讓士兵進行側翼和協調,以及光環系列的分層行為系統。遊戲人工智慧通常被故意“簡化”,因此它感覺公平且可擊敗,而不是無情地優化。最近,工作室正在嘗試使用大型語言模型來支援動態對話,讓 NPC 回應開放式玩家語音,而不是固定的對話樹,如 NVIDIA 和 Ubisoft 的技術演示中所示。
現實世界的實施
F.E.A.R. 的士兵使用目標導向的行動計劃來包抄、掩護和協調攻擊
光環系列中的敵人透過分層行為系統撤退、重組和對手榴彈做出反應
A* 尋路功能讓無數遊戲中的 NPC 繞過障礙物到達玩家身邊
NVIDIA ACE 和 Ubisoft 示範使用 LLM 讓 NPC 與玩家進行即興口頭對話
人工智慧在電玩遊戲 NPC 行為中的未來
LLM 驅動的 NPC 承諾真正開放的對話和新興人物,但面臨障礙:延遲、成本、幻覺知識以及破壞精心編寫的敘事的風險。期望設計者使用護欄和知識資料庫約束產生模型的混合體。強化學習可能會產生更具適應性的對手,而裝置上的小模型可以保持對話的反應性和隱私性。工藝挑戰仍然讓 NPC 變得有趣,而不僅僅是聰明。
付諸實踐
為什麼這很重要
- 配裝選擇. 應用級設計決定了人工智慧是否能改善實際結果。
- 團隊與工作流程. 良好的工作流程整合可以創造使用者值得信賴的生產力效益。
- 風險與安全. 範圍明確的用例可以減少變更疲勞和實施風險。
留意
- 將損壞的流程自動化可能會加劇現有問題。
- 團隊可能會過度自動化並消除所需的人工判斷。
- 如果不持續評估輸出,品質可能會出現偏差。
後續步驟
- 繪製目前工作流程並確定摩擦最大的步驟。
- 在完全自動化之前定義人工檢查點。
- 對使用者進行提示、升級路徑和品質標準的訓練。
- 追蹤任務級結果以確認持續價值。
不斷探索
常見問題
什麼是電子遊戲 NPC 行為中的 AI?
遊戲 AI 控制非玩家角色 (NPC),使他們能夠可信地導航、戰鬥和反應。它將狀態機等數十年歷史的技術與新的生成模型相結合,讓角色能夠說話和即興創作。
遊戲中 NPC 尋路最常用的技術是什麼?
A* 是經典的尋路演算法,使用實際成本加上啟發式估計來找到跨導航網格的有效路線。
大多數傳統的 NPC 敵人邏輯是由什麼建構的?
在大多數經典遊戲中,設計師手工製作狀態機和行為樹來實現可預測、可調節的行為,而不是機器學習。
遊戲 F.E.A.R.因哪種人工智慧技術而聞名?
F.E.A.R. 的士兵使用 GOAP,在運行時根據目標規劃行動序列,從而產生令人印象深刻的戰術協調行為。
為什麼遊戲人工智慧常被刻意設計得沒那麼完美?
設計師將人工智慧調整得既有趣又公平;一個完美的對手通常會令人沮喪且不愉快。
使用大型語言模式驅動NPC對話的關鍵風險是什麼?
法學碩士可能會編造不正確的知識或說出與故事相矛盾的內容,再加上延遲和成本等問題,因此需要採取防護措施。