【嶺創新知】AI可否量身定做數字遊戲？

●部分用於自動遊戲創作研究的遊戲和平台。 作者供圖

數字遊戲（Digital Game）經常被應用於研究人工智能（AI）。通過建構並不斷挑戰不同難度、各式各樣的數字遊戲，可以針對訓練和測試AI系統（如強化學習算法、自動駕駛系統）的性能和泛化性帶來海量的模擬環境和場景集合。然而，單靠人力去設計和開發新的數字遊戲需要面臨製作時間周期長和成本高的問題。那麼，人類是否可以使用AI算法去幫助我們創作數字遊戲呢？

程序化內容生成（Procedural Content Generation, PCG）旨在用小量或非直接的人力投入，並通過算法自動生成一些互動性內容（如關卡、地圖、敘事等等）。這項應用可以有效提升數字遊戲的創作效率、實現為用戶進行客製化設計，也可以提供海量的場景集合。早年的程序化內容生成方法主要包括語法擴張法、規則生成法、分型噪聲法、約束求解法以及基於搜索法等，主要被用於生成遊戲地圖。

受惠於機器學習（特別是深度學習和生成式AI）的飛速發展，近年湧現出了一批相關的程序化內容生成研究。這不僅拓展了可生成的互動內容類型（如音樂、舞蹈、圖片內容和教程等），更有效地提升了生成效率。

近年來，也有學者使用大語言模型（LLM）的創作數字遊戲，為設計師或玩家提供可交互的創作工具。學術界會經常使用Atari遊戲、超級瑪利歐、Doom、Minecraft、VRChat、CARLA等測試程序化內容生成方法，通過遊玩自動創作的遊戲向學界和行業展示了令人鼓舞的效果。

數字遊戲作為重要的互動娛樂產品、訓練和教育工具（如特殊技能培訓、樂齡教育或者自閉症干預等），需要滿足不同用戶的偏好和考慮其技能的掌握程度是否足夠深入。因此，在評估AI創作的數字遊戲內容時，不僅需要考慮其可玩性和難度，也需要考慮到玩家（如人類玩家或強化學習的智能體）的行為表現、互動內容是否有足夠的多樣性及新穎性等，進而提升用戶體驗。

實時生成新內容

然而，遊戲創作者特別為每一位用戶客製化地設計數字遊戲顯然並不現實，這也是數字遊戲自動化創作所面臨的重要挑戰之一。近年，也有學者使用基於強化學習的程序化內容生成方法，根據模擬用戶在遊玩所生成遊戲內容（如關卡）的表現，實時生成新的、符合用戶技能深度或偏好的新遊戲內容。

AI驅動的數字遊戲創作涉及跨學科研究，具有廣泛的發展前景。不僅可以輔助設計師和玩家更高效地進行創作，也為玩家提供多樣、個性化的互動娛樂內容，亦可以為AI研究提供海量的測試問題集，得以進一步推動AI的發展。

用於自動遊戲創作研究的遊戲和平台匯總圖，由筆者使用遊戲和平台的截圖以及本文引用的文章圖表製作而成。

●劉佳琳 嶺大數據科學學院工業數據科學部副教授