神經網路和深度學習在遊戲設計上是否有應用？

11-23

RTS遊戲的設計和MOBA遊戲的設計都需要講求平衡性，是否有可能通過神經網路來調整遊戲的平衡性和各種屬性呢？

答案不是很確定，有時有用有時沒用，但總體來說沒用的居多。
我們來看這些技術的優缺點，深度學習和神經網路可以給遊戲帶來更高的ai，更人性化的學習過程。但是這些技術有很多缺點，我列幾個出來看看，一個比一個更嚴重：

1，實現更複雜，滿街都是會用行為樹狀態機的程序員，會神經網路的真沒幾個。不過這一點不算嚴重。

2，學習過程不確定性，導致開發流程的不確定性。這點我深入展開說一下。現代遊戲開發規模太大，以致於製作版本流程可以成為一個專業的課題來深入研究，如何更有效的製作版本，是大型遊戲必須考慮的。神經網路和深度學習帶來了大量不確定性，而且需要大量時間來training ai。你能想像我今天training出來一個很好玩的ai，而明天training出來的ai很弱，不知道還要做幾個小時的training才能得到前一天類似級別的ai，辦公室裡面幾十個兄弟等著下班，大家瞪著充滿血絲的眼睛望著training ai的機器。是的，training過程的不可確定性，以及training過程的漫長，會抵消所有的優勢。現代遊戲的building process，追求的是高效性和一致性，這兩點都是神經網路無法提供的。

3，上面那一點已經很嚴重了，但還不是最嚴重的。最嚴重的問題是，你覺得什麼是好的ai？具體到遊戲開發這個領域，並不是一個強的ai才是好的ai，而是一個好玩的ai才是合格的。如果只是片面追求強的ai，我們寫ai的時候作弊即可，玩家應該很難戰勝作弊的ai。現有的技術，往往是在追求如何產生強的ai，而不是如何產生好玩的ai。真正好玩的ai，會在有些時候放水，給玩家喘息的機會，有些時候愚蠢，露出破綻給玩家快感，這都不是這些ai系統研究的方向。這點我沒有深入思考過，也許可以考慮做一些考慮玩家樂趣的估值函數，來training出有趣的ai，大家有好的見解也歡迎指正。

綜上，我認為99%的情況下，那些高級ai在遊戲中都沒用。除非一些專門玩ai的遊戲，比如黑與白系列，巧妙結合了ai和gameplay，在那樣特定的遊戲類型中，這些ai技術才有發揮空間。

AlphaGo也是一款遊戲呀，未來增強學習在遊戲中的應用會越來越多。

現在騰訊，網易都有AI研究部門了。

有一個非常有趣的玩意，還有視頻。
是訓練神經網路，來玩通各種遊戲。
http://www.cs.cmu.edu/~tom7/mario/mario.pdf
具體可以看這論文。
視頻地址
MarI/O - Machine Learning for Video Games
視頻來自Youtube

我認為在平衡性上是不需要的。學習演算法在平衡性上使用，一定會導致數據的趨同，一致這樣的問題。換句話說，最好的平衡性，就是對於兩方面所有的東西都是一模一樣的。那樓主認為這遊戲還有個鬼意思。

我覺得更人性化的AI NPC會有發揮作用的地方。

AI通過你的遊戲行日誌分析出當前對話的玩家想要做什麼，並引導此玩家做出有利於游運營的事情。

可以通過收集玩家數據訓練更好的ai

用這個調整數據平衡我覺得是想多了，不過可以訓練AI

不太懂遊戲設計，但個人感覺有點離譜深度學習不是萬能。。

可以一試。要想好怎麼建模。

需要大量的運營數據，不斷訓練模型。