'讓AI走到“幕前”，遊戲隨機性內容或是最佳落腳點'
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
《全戰三國》中出現的隨機事件
Survive遊戲以《饑荒》、《全境封鎖》、《美國末日》為代表，其中的隨機性內容和SLG類似，但作用不完全相同：資源的隨機分配帶來了策略差異，避免玩家掌握固定套路；NPC AI一方面能提升遊戲的真實感和沉浸感，另一方面也有機會通過個性化，讓不同實力的玩家獲得成就感。考慮到此類遊戲的核心體驗是「在有限資源的環境中生存所帶來的緊張刺激感」，如何控制好玩家積累資源的速度——前期不至於快速餓死、後期不至於屯糧太多——是一個值得費心的問題。通常情況下，設計師會依賴固定規則或隨機算法對玩家可使用的資源進行控制，從而塑造合適的壓力積累/釋放節奏。比如《饑荒》中的季節變換（冬季資源產出下降/消耗上升）和科技樹消耗（前期非必要/後期消耗大量資源），比如《矮人村莊》中根據玩家資源儲量的動態入侵設計等等。由於這些隨機性內容想實現的目的都相對明確，規則腳本就能基本實現，基於機器學習的AI很難表現出技高一籌。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
《全戰三國》中出現的隨機事件
Survive遊戲以《饑荒》、《全境封鎖》、《美國末日》為代表，其中的隨機性內容和SLG類似，但作用不完全相同：資源的隨機分配帶來了策略差異，避免玩家掌握固定套路；NPC AI一方面能提升遊戲的真實感和沉浸感，另一方面也有機會通過個性化，讓不同實力的玩家獲得成就感。考慮到此類遊戲的核心體驗是「在有限資源的環境中生存所帶來的緊張刺激感」，如何控制好玩家積累資源的速度——前期不至於快速餓死、後期不至於屯糧太多——是一個值得費心的問題。通常情況下，設計師會依賴固定規則或隨機算法對玩家可使用的資源進行控制，從而塑造合適的壓力積累/釋放節奏。比如《饑荒》中的季節變換（冬季資源產出下降/消耗上升）和科技樹消耗（前期非必要/後期消耗大量資源），比如《矮人村莊》中根據玩家資源儲量的動態入侵設計等等。由於這些隨機性內容想實現的目的都相對明確，規則腳本就能基本實現，基於機器學習的AI很難表現出技高一籌。
《饑荒》中冬季來臨時資源變得匱乏
第三類遊戲
這類遊戲中，AI終於能大展拳腳，體現出其獨特的價值了。典型的品類包括AVG（冒險類）和SIM（模擬類）。
AVG遊戲比如《塞爾達》、《神海》、《惡魔城》等，其中的隨機性內容主要是道具、事件、NPC等可供探索的內容，服務於玩家「渴望探索無邊世界」的體驗訴求。乍看之下機器學習AI能帶來的直接幫助並不大，但豐富的可探索內容顯著拉高了製作門檻，導致AVG類遊戲一度成為“大廠專屬”。直到近年來Roguelike模式的興起，中小開發團隊利用隨機地圖/關卡生成，另闢蹊徑地解決了內容生產力的問題，才使得市面上AVG類遊戲得以百花齊放。比如《巫師傳說》通過提煉設計規則，讓AI自動完成整個關卡的搭建。只要玩家願意玩下去，就有無窮盡的關卡可供探索。當然，這些關卡肯定不如人工設計的關卡精妙，隨機性的存在也會導致不同玩家的遊戲體驗不可控，AI在這裡還有很大的發揮空間——也許把地圖生成算法放在服務器端、對每個玩家的行為數據進行學習，AI也能化身成為一名資深關卡設計師。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
《全戰三國》中出現的隨機事件
Survive遊戲以《饑荒》、《全境封鎖》、《美國末日》為代表，其中的隨機性內容和SLG類似，但作用不完全相同：資源的隨機分配帶來了策略差異，避免玩家掌握固定套路；NPC AI一方面能提升遊戲的真實感和沉浸感，另一方面也有機會通過個性化，讓不同實力的玩家獲得成就感。考慮到此類遊戲的核心體驗是「在有限資源的環境中生存所帶來的緊張刺激感」，如何控制好玩家積累資源的速度——前期不至於快速餓死、後期不至於屯糧太多——是一個值得費心的問題。通常情況下，設計師會依賴固定規則或隨機算法對玩家可使用的資源進行控制，從而塑造合適的壓力積累/釋放節奏。比如《饑荒》中的季節變換（冬季資源產出下降/消耗上升）和科技樹消耗（前期非必要/後期消耗大量資源），比如《矮人村莊》中根據玩家資源儲量的動態入侵設計等等。由於這些隨機性內容想實現的目的都相對明確，規則腳本就能基本實現，基於機器學習的AI很難表現出技高一籌。
《饑荒》中冬季來臨時資源變得匱乏
第三類遊戲
這類遊戲中，AI終於能大展拳腳，體現出其獨特的價值了。典型的品類包括AVG（冒險類）和SIM（模擬類）。
AVG遊戲比如《塞爾達》、《神海》、《惡魔城》等，其中的隨機性內容主要是道具、事件、NPC等可供探索的內容，服務於玩家「渴望探索無邊世界」的體驗訴求。乍看之下機器學習AI能帶來的直接幫助並不大，但豐富的可探索內容顯著拉高了製作門檻，導致AVG類遊戲一度成為“大廠專屬”。直到近年來Roguelike模式的興起，中小開發團隊利用隨機地圖/關卡生成，另闢蹊徑地解決了內容生產力的問題，才使得市面上AVG類遊戲得以百花齊放。比如《巫師傳說》通過提煉設計規則，讓AI自動完成整個關卡的搭建。只要玩家願意玩下去，就有無窮盡的關卡可供探索。當然，這些關卡肯定不如人工設計的關卡精妙，隨機性的存在也會導致不同玩家的遊戲體驗不可控，AI在這裡還有很大的發揮空間——也許把地圖生成算法放在服務器端、對每個玩家的行為數據進行學習，AI也能化身成為一名資深關卡設計師。
《巫師傳說》中的Roguelike地圖
SIM遊戲比如《荒野大鏢客》、《GTA》、《模擬人生》等，其中的隨機性內容主要體現在環境（天氣/交通/可交互物等）、事件和NPC AI。這些隨機性內容在AI的加持下，能夠形成更豐富/更真實的交互體驗，滿足玩家「在虛擬世界中體驗第二人生、釋放天性」的訴求。比如在《大鏢客》裡，玩家與NPC之間有著豐富的交互選項——問候、買賣、惹惱、掏槍、搶劫、啟動任務、逼問祕密等等，根據交互對象而改變。同時，玩家可以完全按照自己的心情辦事，打牌打到一半不爽了怎麼辦？直接站起來挨個點名。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
《全戰三國》中出現的隨機事件
Survive遊戲以《饑荒》、《全境封鎖》、《美國末日》為代表，其中的隨機性內容和SLG類似，但作用不完全相同：資源的隨機分配帶來了策略差異，避免玩家掌握固定套路；NPC AI一方面能提升遊戲的真實感和沉浸感，另一方面也有機會通過個性化，讓不同實力的玩家獲得成就感。考慮到此類遊戲的核心體驗是「在有限資源的環境中生存所帶來的緊張刺激感」，如何控制好玩家積累資源的速度——前期不至於快速餓死、後期不至於屯糧太多——是一個值得費心的問題。通常情況下，設計師會依賴固定規則或隨機算法對玩家可使用的資源進行控制，從而塑造合適的壓力積累/釋放節奏。比如《饑荒》中的季節變換（冬季資源產出下降/消耗上升）和科技樹消耗（前期非必要/後期消耗大量資源），比如《矮人村莊》中根據玩家資源儲量的動態入侵設計等等。由於這些隨機性內容想實現的目的都相對明確，規則腳本就能基本實現，基於機器學習的AI很難表現出技高一籌。
《饑荒》中冬季來臨時資源變得匱乏
第三類遊戲
這類遊戲中，AI終於能大展拳腳，體現出其獨特的價值了。典型的品類包括AVG（冒險類）和SIM（模擬類）。
AVG遊戲比如《塞爾達》、《神海》、《惡魔城》等，其中的隨機性內容主要是道具、事件、NPC等可供探索的內容，服務於玩家「渴望探索無邊世界」的體驗訴求。乍看之下機器學習AI能帶來的直接幫助並不大，但豐富的可探索內容顯著拉高了製作門檻，導致AVG類遊戲一度成為“大廠專屬”。直到近年來Roguelike模式的興起，中小開發團隊利用隨機地圖/關卡生成，另闢蹊徑地解決了內容生產力的問題，才使得市面上AVG類遊戲得以百花齊放。比如《巫師傳說》通過提煉設計規則，讓AI自動完成整個關卡的搭建。只要玩家願意玩下去，就有無窮盡的關卡可供探索。當然，這些關卡肯定不如人工設計的關卡精妙，隨機性的存在也會導致不同玩家的遊戲體驗不可控，AI在這裡還有很大的發揮空間——也許把地圖生成算法放在服務器端、對每個玩家的行為數據進行學習，AI也能化身成為一名資深關卡設計師。
《巫師傳說》中的Roguelike地圖
SIM遊戲比如《荒野大鏢客》、《GTA》、《模擬人生》等，其中的隨機性內容主要體現在環境（天氣/交通/可交互物等）、事件和NPC AI。這些隨機性內容在AI的加持下，能夠形成更豐富/更真實的交互體驗，滿足玩家「在虛擬世界中體驗第二人生、釋放天性」的訴求。比如在《大鏢客》裡，玩家與NPC之間有著豐富的交互選項——問候、買賣、惹惱、掏槍、搶劫、啟動任務、逼問祕密等等，根據交互對象而改變。同時，玩家可以完全按照自己的心情辦事，打牌打到一半不爽了怎麼辦？直接站起來挨個點名。
《荒野大鏢客》中自由的交互方式
相比第二類遊戲，我們不難發現，第三類遊戲主打開放、自由等關鍵詞，其中的隨機性內容也因此更為寬泛，並非指向某一明確目的。這也導致如果仍要使用規則腳本來製作內容的話，會耗費大量的資源。《GTA》、《大鏢客》的開發時間都在5年以上、開發成本也達到了上億美元；《最後生還者》中驚豔的同伴AI艾麗，單這一個角色的上線前優化就花了半年時間。規則腳本帶來的高額成本，直接導致遊戲中的地圖大小、NPC數量、交互複雜度等等維度都受到限制。這些「效率低谷」都有機會成為AI的用武之地。
總結
從上面的分析可以看出，AVG中的“探索”元素和SIM中的“模擬”元素，由於其較強的開放性和自由度，可能是更適合AI發揮的場地。以最近大熱的開放沙盒遊戲《Kenshi》為例，在這款融合了《騎馬與砍殺》、《模擬人生》、《輻射》、《神界：原罪》等多種元素的遊戲中，玩家可以真正地為所欲為。從採礦種田到圈地建城、從偷雞摸狗到下海經商、從單打獨鬥到稱霸一方，所有能想到的玩法幾乎都能在這款遊戲中實現。
微信公眾號“超參數科技”（ID：chaocanshu）授權遊資網轉載
文/Dr.Odd & 可厲兒
這是超參數科技的第9篇文章。本文從遊戲中的隨機性內容切入，通過“是否重要”和“是否有用”這2個問題區分出了3類遊戲，分別探討了AI在其中能夠發揮的價值。指出“探索”和“模擬”元素帶來的開放性和自由度，是最適合AI應用的。
我們在《遊戲+AI：我們的征途是星辰大海》一文中曾提出：
學術界把遊戲AI的研究意義上升到了對AGI（通用人工智能）的探索。基於遊戲中可控的環境、充足的訓練數據，AI可以在虛擬世界裡試驗感知、決策、合作等多項能力，甚至與物理世界形成打通；另一方面，前沿研究也牽引著遊戲AI在工業界探索更廣泛的運用，在遊戲的設計、生產、分發、運營等多個環節提供價值，比如內容生成、玩家模擬、玩家建模等，目的則都是圍繞著如何提升玩家在遊戲中的體驗。
事實上，如果把“AI”狹義地定義為“基於機器學習”而非“基於規則腳本”的AI，我們不難發現：雖然學術界的AI，如玩星際的AlphaStar、玩Dota的OpenAI Five、玩王者的“絕悟”、玩德撲的Pluribus等等，層出不窮；但在工業界，AI始終處於一個輔助的角色。無論是地圖/資源生成、冷啟動陪玩、動態難度調整甚至反外掛，都還是更偏幕後，與遊戲本身的成敗之間不是最直接的關係。
OpenAI Five戰勝Dota2世界冠軍OG
怎樣才能讓AI走到幕前，成為一款遊戲成功的核心要素呢？顯然，需要找到一個可以讓AI發揮巨大價值的地方。我們認為，遊戲中的隨機性內容可能是一個落點。
在考慮AI是否能真正幫助到某款遊戲中的隨機性內容時，有以下2個問題需要回答：
1）是否重要：隨機性內容是否對遊戲的核心體驗有巨大作用？
2）是否有用：基於AI的隨機性內容能否比基於規則腳本的更有競爭力？
基於上述2個問題，就可以把遊戲中“隨機性內容的AI化”分為3類：不重要；重要但不夠有用；重要且有用。我們逐一展開。
第一類遊戲
這類遊戲中，隨機性內容對核心體驗幫助不大。典型的品類包括Racing（競速類）、FTG（格鬥類）、ACT（動作類）、FPS（第一人稱射擊類）、RPG（角色扮演類）。
Racing、FTG遊戲中的隨機性內容主要體現在敵人AI的行為，而核心體驗主要關注「操作手感」和「戰鬥深度」。我們不妨把遊戲過程類比為拳擊訓練，操作手感來自於對基本格鬥技巧的駕馭能力，而戰鬥深度則取決於拳擊教練（對手）的水平上限。敵人AI通過動態難度變化，雖然能在一定程度上解決“找不到合適的對手”的問題（也即戰鬥深度），但對操作手感是毫無幫助的。因此，不能算是對核心體驗有巨大作用。
Racing遊戲的核心體驗在於操作手感
而其餘的幾類遊戲，隨機性內容對核心體驗的價值就更小了：同樣以敵人AI作為隨機性內容的ACT和FPS遊戲，其核心體驗幾乎完全倒向了「操作手感」；RPG遊戲中的隨機性內容體現在道具隨機掉落（增加探索深度）和隨機遇怪（防止玩家疲勞），而核心體驗主要是「玩家在遊戲中的角色投影」。可以看到，這些隨機性內容都無法服務於核心體驗。
第二類遊戲
這類遊戲中，隨機性內容影響核心體驗，但AI無法有效提升其競爭力。換句話說，傳統的規則腳本就能實現得八九不離十了。這裡的典型品類包括SLG（策略類）和Survive（生存類）。
SLG遊戲以《文明》、《三國志》、《全戰》為代表，其中的隨機性內容主要有以下幾類：資源的隨機分配能夠讓玩家能夠不斷獲得新鮮的體驗；突如其來的隨機事件能夠對玩家的既定計劃提出挑戰、讓玩家保持專注；富有挑戰的對手AI能夠給玩家帶來持續的刺激和不斷提升自我的動力。這些內容對於玩家「渴望運籌帷幄，提升策略深度&自由度」的核心體驗來說，都是很重要的。但問題是，基於機器學習的AI（相比規則腳本）所帶來的隨機性內容具有很強的不可控性，對於追求掌控感的SLG玩家來說，可能反而是不好的體驗。《全戰三國》中，規則隨機生成的劇情已經出現了呂布被平民打成重傷、劉備鞭打士卒這些讓人哭笑不得的戲碼，如果進一步用機器學習來做，可能就從SLG遊戲變成TVB了。
《全戰三國》中出現的隨機事件
Survive遊戲以《饑荒》、《全境封鎖》、《美國末日》為代表，其中的隨機性內容和SLG類似，但作用不完全相同：資源的隨機分配帶來了策略差異，避免玩家掌握固定套路；NPC AI一方面能提升遊戲的真實感和沉浸感，另一方面也有機會通過個性化，讓不同實力的玩家獲得成就感。考慮到此類遊戲的核心體驗是「在有限資源的環境中生存所帶來的緊張刺激感」，如何控制好玩家積累資源的速度——前期不至於快速餓死、後期不至於屯糧太多——是一個值得費心的問題。通常情況下，設計師會依賴固定規則或隨機算法對玩家可使用的資源進行控制，從而塑造合適的壓力積累/釋放節奏。比如《饑荒》中的季節變換（冬季資源產出下降/消耗上升）和科技樹消耗（前期非必要/後期消耗大量資源），比如《矮人村莊》中根據玩家資源儲量的動態入侵設計等等。由於這些隨機性內容想實現的目的都相對明確，規則腳本就能基本實現，基於機器學習的AI很難表現出技高一籌。
《饑荒》中冬季來臨時資源變得匱乏
第三類遊戲
這類遊戲中，AI終於能大展拳腳，體現出其獨特的價值了。典型的品類包括AVG（冒險類）和SIM（模擬類）。
AVG遊戲比如《塞爾達》、《神海》、《惡魔城》等，其中的隨機性內容主要是道具、事件、NPC等可供探索的內容，服務於玩家「渴望探索無邊世界」的體驗訴求。乍看之下機器學習AI能帶來的直接幫助並不大，但豐富的可探索內容顯著拉高了製作門檻，導致AVG類遊戲一度成為“大廠專屬”。直到近年來Roguelike模式的興起，中小開發團隊利用隨機地圖/關卡生成，另闢蹊徑地解決了內容生產力的問題，才使得市面上AVG類遊戲得以百花齊放。比如《巫師傳說》通過提煉設計規則，讓AI自動完成整個關卡的搭建。只要玩家願意玩下去，就有無窮盡的關卡可供探索。當然，這些關卡肯定不如人工設計的關卡精妙，隨機性的存在也會導致不同玩家的遊戲體驗不可控，AI在這裡還有很大的發揮空間——也許把地圖生成算法放在服務器端、對每個玩家的行為數據進行學習，AI也能化身成為一名資深關卡設計師。
《巫師傳說》中的Roguelike地圖
SIM遊戲比如《荒野大鏢客》、《GTA》、《模擬人生》等，其中的隨機性內容主要體現在環境（天氣/交通/可交互物等）、事件和NPC AI。這些隨機性內容在AI的加持下，能夠形成更豐富/更真實的交互體驗，滿足玩家「在虛擬世界中體驗第二人生、釋放天性」的訴求。比如在《大鏢客》裡，玩家與NPC之間有著豐富的交互選項——問候、買賣、惹惱、掏槍、搶劫、啟動任務、逼問祕密等等，根據交互對象而改變。同時，玩家可以完全按照自己的心情辦事，打牌打到一半不爽了怎麼辦？直接站起來挨個點名。
《荒野大鏢客》中自由的交互方式
相比第二類遊戲，我們不難發現，第三類遊戲主打開放、自由等關鍵詞，其中的隨機性內容也因此更為寬泛，並非指向某一明確目的。這也導致如果仍要使用規則腳本來製作內容的話，會耗費大量的資源。《GTA》、《大鏢客》的開發時間都在5年以上、開發成本也達到了上億美元；《最後生還者》中驚豔的同伴AI艾麗，單這一個角色的上線前優化就花了半年時間。規則腳本帶來的高額成本，直接導致遊戲中的地圖大小、NPC數量、交互複雜度等等維度都受到限制。這些「效率低谷」都有機會成為AI的用武之地。
總結
從上面的分析可以看出，AVG中的“探索”元素和SIM中的“模擬”元素，由於其較強的開放性和自由度，可能是更適合AI發揮的場地。以最近大熱的開放沙盒遊戲《Kenshi》為例，在這款融合了《騎馬與砍殺》、《模擬人生》、《輻射》、《神界：原罪》等多種元素的遊戲中，玩家可以真正地為所欲為。從採礦種田到圈地建城、從偷雞摸狗到下海經商、從單打獨鬥到稱霸一方，所有能想到的玩法幾乎都能在這款遊戲中實現。
主播“王老菊”的《Kenshi》遊戲截圖
即使加載緩慢、畫面粗糙、Bug頻現，即使大部分NPC都傻得可愛，《Kenshi》中的開放世界還是給了玩家耳目一新的感覺。試想一下，如果通過AI的加持，能夠以相對較小的開發成本，讓遊戲中的隨機性內容更加豐富、海量NPC的行為更加智能，這類遊戲的可玩性一定會更上一個臺階，甚至可能讓玩家把單機遊戲玩出MMORPG的感覺。
到了那個時候，可能會有一個新的遊戲品類誕生，我們姑且稱它為——AIG。