首頁(yè) > 智能 > 正文

斯坦福&谷歌研發(fā)“生成式智能體”，讓游戲NPC“活了”

2023-04-30 09:27:30來(lái)源：智嗨網(wǎng)

撰文| 李熙

編輯 | 楊博丞

(相關(guān)資料圖)

題圖 | ICPhoto

電子游戲業(yè)經(jīng)歷了三十多年的牛市，游戲中的NPC在畫面視效上有了飛躍，然而互動(dòng)智能上并沒有給玩家相似的體驗(yàn)提升。

玩家們?cè)?995年的國(guó)產(chǎn)角色扮演游戲里，見過漁夫NPC只會(huì)重復(fù)一句“今天是釣魚的好天氣”；在2017年的育碧開放沙盒游戲里，聽過玻利維亞鄉(xiāng)民NPC反復(fù)只說(shuō)單調(diào)的西語(yǔ)粗口。

其他領(lǐng)域的人工智能已經(jīng)改頭換面，但用在游戲NPC上的人工智能長(zhǎng)久以來(lái)還像復(fù)讀機(jī)?！吧磉厴屃謴椨?，NPC八風(fēng)不動(dòng)”的哏，已經(jīng)讓瑞恩·雷諾茲老師拍成熱賣電影了。

電影《失控玩家》截圖

在大語(yǔ)言模型風(fēng)靡的當(dāng)下，以之改造游戲NPC成為可能。然而2023年4月7日，斯坦福大學(xué)和谷歌的研究者在預(yù)印本平臺(tái)上發(fā)布的論文，成就遠(yuǎn)過于業(yè)界期待：NPC豈止更聰明，簡(jiǎn)直算是“活過來(lái)了”。

一、開游戲業(yè)與AI界40年未有之先河

生成式AI和大語(yǔ)言模型興起前，用AI改善游戲NPC的努力，一般是在更易實(shí)現(xiàn)的強(qiáng)化學(xué)習(xí)方向，其中最出名的是2019年在DOTA2里擊敗人類世界冠軍的OpenAI 公司制作的5個(gè)AI。

這種思路的概括，是用有清晰爭(zhēng)勝目標(biāo)的對(duì)抗性環(huán)境來(lái)作為獎(jiǎng)懲機(jī)制來(lái)訓(xùn)練NPC，最終完成的AI架構(gòu)能讓NPC自我修正行為以取得勝利目標(biāo)。

OpenAI的DOTA2 AI與人類對(duì)戰(zhàn)截圖

不過游戲業(yè)的產(chǎn)品生態(tài)不止于此。不少游戲產(chǎn)品以?shī)Z旗、清空敵手等可以明確定義的對(duì)抗性勝利目標(biāo)為基礎(chǔ)，但很多游戲沒有這種對(duì)抗性，游戲機(jī)制是模擬下廚、賣雜貨、拖拉機(jī)耕地、校園戀愛等隨機(jī)度更高的活動(dòng)。更多游戲的機(jī)制是開放性沙盒，沒有明確定義的取勝路徑與規(guī)則。

這些游戲的NPC功能如何從AI技術(shù)革命中獲益，很長(zhǎng)時(shí)間內(nèi)業(yè)內(nèi)大公司暫時(shí)還沒明確答案。

然而2023年4月中旬谷歌與斯坦福大學(xué)研究者的論文《生成式行為體：人際行為的交互式互動(dòng)》，給出了通往答案的路徑：用大語(yǔ)言模型，讓沙盒模擬游戲里的NPC“獲得生命”。

研究者稱，過去四十年來(lái)，學(xué)界嘗試過創(chuàng)造行為可信的NPC的各種途徑，但在實(shí)際應(yīng)用中，這些途徑基于簡(jiǎn)單環(huán)境或智能體行為的單調(diào)維度，否則無(wú)法運(yùn)行。而此研究的成功，突破了上述局限。

二、原理：ChatGPT讓NPC“思考”，本地?cái)?shù)據(jù)庫(kù)讓NPC“記憶”

簡(jiǎn)單來(lái)說(shuō)，研究者通過普通編程，為一個(gè)《模擬人生》類型游戲的虛擬小鎮(zhèn)中的NPC們寫好了虛擬環(huán)境設(shè)定、智能體人物設(shè)定、記憶庫(kù)架構(gòu)、擬定計(jì)劃等各方面程序代碼。然后在NPC與虛擬環(huán)境間、多名NPC之間的每次接觸時(shí)，將以上各方面基礎(chǔ)數(shù)據(jù)、互動(dòng)環(huán)境等以自然語(yǔ)言描述后，通過應(yīng)用程序接口輸入給ChatGPT，再將ChatGPT的答案作為NPC下一步行為的指令。

具體而言，研究中的“生成式行為體”NPC，其決策路徑如下圖所示：感知－錄入記憶流－檢索記憶庫(kù)－反思／計(jì)劃－行為

“生成式行為體” 決策路徑簡(jiǎn)圖

“感知”是NPC行為體對(duì)互動(dòng)、虛擬環(huán)境等的信息輸入，錄入“記憶流”后，與記憶數(shù)據(jù)庫(kù)對(duì)比。

然后“檢索”是從數(shù)據(jù)庫(kù)中提取相關(guān)的記憶事項(xiàng)，NPC行為體會(huì)用自然語(yǔ)言將事項(xiàng)輸入給ChatGPT，由大語(yǔ)言模型來(lái)決策事項(xiàng)的優(yōu)先級(jí)，優(yōu)先級(jí)由事項(xiàng)的晚近程度、ChatGPT判斷的重要度與相關(guān)性為判斷基準(zhǔn)。給出的答案作為NPC思維流程的下一步輸入詞。

接著，數(shù)據(jù)庫(kù)與大語(yǔ)言模型會(huì)開始NPC的“反思”過程，數(shù)據(jù)庫(kù)將行為體最近100條記憶事項(xiàng)以自然語(yǔ)言輸入ChatGPT，讓大模型來(lái)推斷出由此可知最重要/相關(guān)的觀點(diǎn)。

“檢索”獲取的答案、“反思”得出的觀點(diǎn)、結(jié)合NPC本身的人設(shè)數(shù)據(jù)，都以自然語(yǔ)言自動(dòng)再次輸入ChatGPT，用大模型得出最符合人類行為邏輯的行動(dòng)指令。

試運(yùn)行截圖

如此設(shè)計(jì)的用意，是因?yàn)榇笳Z(yǔ)言模型在訓(xùn)練期間已經(jīng)被寫入了廣泛的人類行為資料，在給出背景涵義足夠精準(zhǔn)的提示詞時(shí)，ChatGPT等大模型可以生成高擬真度的人類行為預(yù)測(cè)答案。

然而在這個(gè)迅速驚艷世界的功能后，大語(yǔ)言模型存在小瑕疵：它不能記住每個(gè)用戶的個(gè)性化錄入內(nèi)容，所有用戶與模型間的對(duì)話都不能直接修改模型的參數(shù)，任何顯得ChatGPT有記憶的表現(xiàn)都是算法在復(fù)讀最時(shí)新的用戶錄入內(nèi)容緩存。

所以谷歌與斯坦福的研究者，結(jié)合存儲(chǔ)在云服務(wù)器上的數(shù)據(jù)庫(kù)與ChatGPT，來(lái)制作出能完成前述“思維步驟”的NPC，讓它們可以實(shí)時(shí)模擬人類的自主決策。固定數(shù)據(jù)庫(kù)與軟件架構(gòu)是NPC佐助連續(xù)性思考的“記憶”，而大語(yǔ)言模型是NPC用來(lái)即時(shí)性思考的“靈魂”。

三、效果：NPC能自行談戀愛和選鎮(zhèn)長(zhǎng)了

在研究者的試運(yùn)行中，NPC智能體可以做到?jīng)]有人工干預(yù)微操、只給簡(jiǎn)單指令，就能自行完成復(fù)雜事件。當(dāng)研究者讓名叫伊莎貝拉的NPC籌劃情人節(jié)聚會(huì)時(shí)，她自行在虛擬小鎮(zhèn)中開始逐個(gè)邀請(qǐng)自己的朋友和熟人，并自行裝飾作為聚會(huì)場(chǎng)所的咖啡館。

智能體與虛擬環(huán)境間的互動(dòng)可以完全自發(fā)且自洽。在環(huán)境狀況設(shè)置為“食物引燃”的狀況下，“伊莎貝拉”能自主做出“關(guān)閉燃?xì)庠睢钡臎Q策。如果這用普通編程也可以做到的話，智能體接下來(lái)的“重做早飯”行為，就是較前有顯著突破的AI自發(fā)決策。

智能體之間的互動(dòng)，已經(jīng)達(dá)到可以模擬實(shí)際人際關(guān)系中的“信息擴(kuò)散”與“協(xié)作”行為。

例如“伊莎貝拉”宣布要開情人節(jié)聚會(huì)后，她邀請(qǐng)到的AI智能體們又進(jìn)一步邀請(qǐng)其他與伊莎貝拉無(wú)直接接觸的AI，例如名叫瑪麗婭的AI就邀請(qǐng)自己的“暗戀對(duì)象”克勞斯一同赴會(huì)。

情人節(jié)聚會(huì)消息在NPC中擴(kuò)散的過程

再如名叫“山姆”的AI宣布要競(jìng)選虛擬小鎮(zhèn)鎮(zhèn)長(zhǎng)后，AI“伊莎貝拉”與“湯姆”對(duì)此有自發(fā)的議論：“伊莎貝拉”詢問“湯姆”的意見，“湯姆”答出自己的觀點(diǎn)：“老實(shí)說(shuō)我不看好山姆，他與本社區(qū)已經(jīng)脫節(jié)，也并不真把我們的攸關(guān)利益放在心上“。

在研究者的兩日試運(yùn)行中，虛擬小鎮(zhèn)的25個(gè)NPC里，得知“山姆”參選鎮(zhèn)長(zhǎng)的從單個(gè)擴(kuò)散到8個(gè)、得知“伊莎貝拉”辦聚會(huì)的從單個(gè)擴(kuò)散的12個(gè)，過程中完全無(wú)人工干預(yù)。并且NPC們?cè)诨?dòng)內(nèi)容的置信度上部分超過了真人玩家。

論文里各種狀態(tài)下NPC與人類的行為置信度對(duì)比量表

當(dāng)然，論文出圈后的“《西部世界》實(shí)現(xiàn)“熱議并不準(zhǔn)確。仔細(xì)的觀察者們大都發(fā)現(xiàn)，不管所用的ChatGPT還是自制的NPC程序，并沒有真正的自主人類意識(shí)，只是將大模型的相關(guān)性引擎性能潛力進(jìn)一步發(fā)掘。

由于大語(yǔ)言模型的現(xiàn)有局限，研究中的NPC也經(jīng)常有無(wú)厘頭的“幻覺”缺陷。例如NPC觀測(cè)到虛擬小鎮(zhèn)中有“公廁”，就不認(rèn)為是“單人廁所”，出現(xiàn)了“AI使用洗手間時(shí)常被其他AI闖入”的互動(dòng)場(chǎng)景。虛擬小鎮(zhèn)上的商店是下午五點(diǎn)關(guān)門，然而NPC們時(shí)常在歇業(yè)時(shí)間試圖進(jìn)入。有AI看到其他NPC的名字是亞當(dāng)·史密斯，就說(shuō)：“啊我曉得你，你就是那個(gè)18世紀(jì)的經(jīng)濟(jì)學(xué)宗師?！?/p>

論文中提到了這些缺陷，還說(shuō)“提示詞黑客手段-即人類玩家用仔細(xì)準(zhǔn)備好的對(duì)話內(nèi)容來(lái)迷惑NPC行為體，可以讓AI幻覺出從未發(fā)生的事件的記憶?！?/p>

現(xiàn)在很多游戲業(yè)者認(rèn)為生成式AI的技術(shù)還在襁褓期，暴炒Chatgpt的人很多五六年前在狂吹加密貨幣。有名的波蘭游戲公司CD Projekt Red，其動(dòng)作游戲系列的內(nèi)容開發(fā)者領(lǐng)軍人在2023年1月說(shuō)，NPC離自行建立一個(gè)生態(tài)活躍的虛擬社區(qū)，還太過遙遠(yuǎn)。

生成式AI的確是在襁褓期，但襁褓中的生物，最突出特征就是飛快的生長(zhǎng)速度。AI大模型將如何改變游戲業(yè)，實(shí)在讓人充滿憧憬。

標(biāo)簽：