前不久的《半条命VR》虽然看似惊艳，但也让很多粉丝失望地发现，Valve公司创始人Gabe Newell（以下简称G胖）还是没有学会数3。不过，在通过《CSGO》、《Dota 2》和《Artifact》等多年的网络游戏研发之后，Valve再次通过《半条命VR》回到了研发单机游戏的时代。
尽管并未透露销量，但G胖对于该游戏十分看好，并预言“未来”AI将帮助单机游戏战胜网游，他个人认为9年左右就可以实现。而就在最近，谷歌旗下英国AI公司DeepMind研发了一个可以学会玩57款游戏的AI系统，并且据本周发布的一份调研论文显示，其游戏水准超过了普通玩家。
游戏行业格局的颠覆者，G胖预言9年后单机超网游
这个AI叫做“代号57”，论文表示，这是首个可以超过标准人类游戏水准的AI。调研者在博客里谈到，“游戏是打造灵活算法的最佳测试场所：它们提供大量的任务，玩家们必须做出复杂的行为策略才能掌握，但他们还提供了简单的进度标准，即游戏分数来优化。终极目标不是做一个精通游戏的系统，而是使用游戏作为研发更多挑战系统的奠基石”。
2016年AlphaGo以4：1击败韩国围棋冠军李世石代号57基于DeepMind此前的AI作品打造，在2016年的时候，该公司的阿法狗机器学习系统打败了围棋世界冠军李世石。
此外，Steam平台持有者Valve公司的创始人G胖对于单机游戏的未来感到很兴奋，实际上，他认为AI的进步、甚至可以扭转如今网络游戏主导的行业格局，GameLook翻译他接受外媒采访时的原话如下：
“如果你想到大量的人们在互联网上获得娱乐体验，总有一天，AI将比网络游戏更容易连接玩家们。
通过AI的推动，我们正在走向一个可能实现翻转的时期，目前OpenAI的机器人水准超过了《Dota 2》当中90%以上的玩家，这对于AI来说是一个非常狭隘的高难度挑战。打败人类比给人们带来娱乐更简单，但在接下来的几年里，如果你问我确切时间，我觉得9年左右，就会出现能够与一个聪明人一样可以做任何事的AI。打造一个这样的“硅晶体人类”可能需要数十亿美元的代价，但随后它们的价格就会越来越便宜，而且会很快降价，最终达到让每个人都可以在电脑里拥有是个或者100个AI，这意味着到时候单机游戏会更有趣。
如果你可以打造一款永不结束的单机游戏，可以让我每周投入20个小时，而且不断保持增长、变得越来越丰富，那么接下来的400个小时可能会和前20个小时一样有趣。我认为这种场景更可能在五年之后发生，而非五年之前。这将会给行业带来巨变，AI会变的更有用，它也会改变多人游戏与单机游戏之间的价值对比”。
即便是在3A单机游戏里，AI或许也是最弱的元素之一，但愿G胖的判断是对的，就像往常那样，AI将在接下来的几年带来重大发展。
理想与现实之间的差距：2020年最出色的AI也只能同时学一件事
如果说V社创始人此前的侃侃而谈属于“豪言壮语”，那么DeepMind发布的论文则可以说是其预言成真的伏笔。但是，AI真能帮助单机游戏“翻盘”吗？
如DeepMind在论文随后的博客里所说，游戏是测试AI非常出色的方式，它们可以提供大量的挑战迫使AI找到大量策略，但与此同时又有非常清晰的成功方法，即得分，但该论文还提到，有4款雅达利游戏被证明是很难被打败的。在《Montezuma’s Revenge》和《Pitfall》两款游戏中，AI必须在赢得游戏之前大量尝试不同策略。而在《Solaris》与《Skiing》中，动作与奖励之间会有很长的等待，使得AI很难知道哪一个动作让带来的奖励最多。
为满足这些挑战，代号57带来了DeepMind为其Deep-Q网络的多项改进技术，后者在2012年曾首次打败多个雅达利游戏，包括包括一种存储形式，让它可以根据以前在游戏中看到的操作做出决定，并通过策略的方式鼓励AI探索了更多可能。这些技术随后会被核心玩法控制器管理，这会让玩家出去刷资源与探索使用的弹药量差很多。
为什么这一点很值得注意？因为，尽管很成功，但我们今天见到的最优秀的深度学习模型也不够“多才多艺”，大多数的AI都更擅长某一件事，而且只会一件事。在深度学习领域，培训AI擅长一个以上的任务是巨大的开放式挑战。学习57种不同人物使得“代号57”比之前的AI更有才华，但它仍然难以做到同时玩一款以上的游戏。
除了单机游戏里的AI大多数都比较简单之外，网游当中的AI往往也只能陪新手玩家“练级”，比如在《绝地求生》这样的百人竞技当中，机器人往往只能胜任低段位的“陪玩”。
代号57学会了57款游戏，但它却学不会同时掌握57款游戏。尽管可以通过同样的算法做到，但它每一个新游戏都要重新学一次。从这种角度来看，代号57与之前的阿法狗类似，但真正做到像人类本能式的多才多艺，目前的AI是远远做不到的。
AlphaStar在2019年10：0战胜两位《星际争霸2》职业选手2019年1月，谷歌DeepMind 的《星际争霸 2》人工智能 AlphaStar 曾与人类职业玩家展开了现场对决，人类遗憾以0：10落败。然而一年之后，与围棋人工智能 AlphaGo 走过的轨迹完全不同，在暴雪在战网天梯对决中引入AlphaStar 后，人工智能AlphaStar 似乎完全没有长进，反而是各路人类玩家获得了对抗AI的经验：他们找到了各种各样“戏耍”AI 的方法，这说明AI还有长久的路要走。
不过，对于开发者们来说，AI却可以在游戏研发方面带来很大的帮助，Stadia研发创意总监Erin Hoffman-John此前接受采访时说，机器学习可以简化小项目的研发，未来甚至可以让一个20人的开发团队打造一个像《魔兽世界》一样庞大而复杂的游戏。她表示，机器学习还可以帮助发现竞技游戏里的平衡问题，因为它可以使用多种策略对一个游戏进行数百万次的测试，并找出那些可能比设计者想要的更强大的策略。
来源：GameLook