將AI導入遊戲引擎，以後NPC不再只會說「膝蓋上中了一箭」

很多人在玩遊戲的時候，都會感覺到遊戲中的 NPC 非常「腦殘」。但這一情況將會發生改變了。前不久，Unity 推出了一個強大的開源工具 Unity Machine Learning Agents，透過這個工具，能夠將其遊戲引擎與機器學習程式連接起來。通過深度學習演算法，非玩家角色（NPC）可以不斷地進行嘗試和犯錯，變得更有創造性和策略性，從而增加遊戲的對抗性和可玩性。也就是說，遊戲中的 NPC 將會變得越來越聰明。

這些年，遊戲開發者已經在使用人工智慧來優化玩家能夠操縱的遊戲角色了。但遊戲中還有很多玩家不能操縱的角色---也就是遊戲中所謂的「NPC」（非玩家角色），這些角色講的話以及動作，都是基於人類與先編寫好的規則，玩家試一下就很容易掌握其中的規律，從而會感覺到「一眼看穿」。

不過，這一切都將會發生改變。

利用人工智慧，遊戲中的 NPC 將會根據遊戲中遇到的情況，對自己的遊戲規則進行重新設定。也就是說，他們在遊戲中的時間越長，就會越聰明。

前不久，Unity 推出了一個強大的開源工具Unity Machine Learning Agents，透過這個工具，能夠將其遊戲引擎與機器學習程式（比如Google的TensorFlow）連接起來。Unity 負責人工智慧和機器學習的副總裁 Danny Lange 表示，透過深度學習演算法，非玩家角色（NPC）可以不斷地進行嘗試和犯錯，變得更有創造性和策略性，從而增加遊戲的對抗性和可玩性。

不過，Unity 的新 AI-linking 工具的使用，可不侷限於遊戲中的虛擬角色。Lange 說，這種工具還可以加速機器人的發展，比如自動駕駛汽車，可以讓它們在「雜亂無章的、軟體生成的」的場地中不間斷的訓練，使其變得更加智慧。

上圖就是Unity 利用機器學習技術，透過從多個角度評估——鳥-眼（左）和第一人稱視角（右）——在這個尚未發佈的坦克戰鬥遊戲中設計出了一個策略。

Unity 也坦然表示，這些技術並非他們發明的，新的工具的推出，只是讓這些技術變得更容易使用。比如說，谷歌旗下的 DeepMind 利用深度學習演算法，教 AI 玩1980年代的打磚塊遊戲。

在遊戲式的環境中，訓練自動駕駛系統也有很多的例子。像 The Open Racing Car Simulator 和 Euro Truck Simulator 2這樣的遊戲也被用於自動駕駛汽車的虛擬訓練。而 Nvidia 的New Lsaac Lab則使用競爭對手 Epic Games 的「虛擬引擎」來產生逼真的虛擬環境，用於訓練那些控制真實機器人的演算法。

Lange 表示，現在可以在 GitHub 上使用測試版的新 ML-Agents 工具，可以讓遊戲引擎和 AI 之間的連接不再需要消耗數天甚至數週的時間。他說：「我們想做的是在一小時內達到這一目標。」很顯然，這會讓更多的人更容易嘗試開發出更好的遊戲角色，或者把訓練機器人這一枯燥的事情變得更容易。