如何讓生成式AI變成服務型遊戲的資源追蹤器甚至代練


3樓貓 發佈時間:2024-07-22 10:32:39 作者:黑狗佈雷特 Language

在我年少無知的時候就已經通過各種媒體瞭解過網絡遊戲代練和打金工作室這一現象,並且到了服務型遊戲成為目前地表上最吸金的電子遊戲商業模型的時候,這種現象還被整合為了整個遊戲行業生態的一部分。但是因為我玩遊戲一般都是5~50個小時就畢業,玩的最長時間的《GT賽車》又是個必須要自己上手的模擬器類,所以代練這樣的東西對我這種打工人來說確實是一件很遙遠的事情。
然而,出於工作、調研和興趣等多重因素,我不得不品嚐各種各樣的服務型遊戲。從《擴散性百萬亞瑟王》到《LoveLive》再到《坦克世界》,這些遊戲斷斷續續玩了幾十個小時,總體感受雖然不是很深,但確實沒有體會到近幾年抽卡遊戲那種很強烈的“作業感”。所以,以前的種種經歷就讓我在玩《天命2》《狂野飆車9》《塵白禁區》和《鳴潮》這種更現代化的、肝度更強的服務型遊戲的時候更容易產生疲勞感。
不過像是《天命2》由於是強調匹配的遊戲機制,我作為休閒玩家也不會去碰一些門檻很高的副本和賽季武器。單純打一打突擊任務,推進一點賽季進度,偶爾肝幾個小時刷一刷光等啥的,只要附近有玩家,根本不會翻車,所以等打折之後買幾個資料片整合包給Bungie意思一下依舊能獲得比較輕鬆愉快的體驗。但到了《塵白禁區》和《鳴潮》,這種繁重的作業感來的就非常快了。
由於都是套了米池的設計,加上資源和素材的不斷細分以試探單一角色或者整個遊戲的收入上限,從我個人體感來看(當然體感肯定是跟現實情況有誤的,歡迎指正),在2017年的《崩壞三》和2018年的《狂野飆車9》之後,遊戲設計朝向重度體驗發展的抽卡類服務型遊戲就在這條商業模式的道路上一去不返。
插播個題外話:在那個時間段,《崩壞三》和《狂野飆車9》等產品的體驗距離《星際戰甲》《極限競速:地平線》這類真正的主機/PC端遊戲相距甚遠,因此在體驗感上要比近兩年在遊戲機制上設計更成熟的抽卡服務遊戲更容易觸碰到疲勞期,反而是《原神》之後的遊戲,小部分學得好的廠商為了嘗試獲得公式化的成功而不斷深化的遊戲玩法,要比早期的手機端抽卡服務型遊戲好玩耐玩了不少。當然,我個人也傾向於認為,一些嘗試學習《全境封鎖》《刺客教條》等機制的國產抽卡服務遊戲的失敗,正是因為玩法機制的完全錯誤設計導致的。
前幾個月我每次上線《塵白禁區》和最近的《鳴潮》的時候,我就總會感覺我的短期記憶力缺失似乎相比以往加重了很多。因為我進遊戲除了拿每日獎勵外,首先要做的事情,就是查看我所需要刷的不同角色的所需素材,不同武器和專武的所需素材,後勤/聲骸(也就是《原神》的聖遺物)升級所需的材料和資源,強化角色碎片數量,以及在商店購買資源和抽卡所需的代幣數量。這些素材、資源和代幣在每個遊戲中,注意是在每個遊戲中林林總總加起來至少有13~15種,如果活動期間額外臨時加入的代幣或資源的話,每個遊戲需要一次性管理的素材、資源和代幣至少有17種甚至更多。
《塵白禁區》裡至少有13種資源、素材和代幣要管理

《塵白禁區》裡至少有13種資源、素材和代幣要管理

這種設計就對我這種核心成長期總吃碳水,缺乏蛋白質和優質脂肪攝入,沒有參加過奧數班和什麼記憶力強化班的小鎮青年感到極端疲憊,即便《塵白禁區》近期的新角色再怎麼又大又圓,即便這款遊戲加入了一鍵收菜系統,但由於新的活動玩法過於強調角色強度,而我在提升強度的過程中又要考慮十幾種素材、資源和代幣的分配,我還是在新活動上線之前光速退坑了。有這時間幹嘛不去上班呢。
我自己雖然極偶爾使用阿里的通義千問和抖音的豆包AI,但還是會關注生成式AI的各種花邊消息。今年又是生成式AI的又一個大年,所以很多生成式AI的應用場景和產品也在我的好奇範圍內。像是年初NVIDIA在GTC上展出的Project G-Assist遊戲助手,Google SIMA代理,上個月發佈的《英雄聯盟》AI陪練Backseat.AI
,WWDC 2024演示的Apple Intelligence都給我留下了相當深刻的印象。我在3月份的時候在自己的微信公號上寫了一篇名為《從Vision Pro推演蘋果LLM生態建設》的文章,結尾大致預測了蘋果人工智能可能會在WWDC上的呈現方式,我也確實預言中了絕大部分內容。
但像是Math Notes、郵件整理和活動優先級編排、錄音摘要這類更強大、更實用的功能也確實我始料未及的,但這也打開了我的想象力,尤其是“郵件整理和活動優先級編排”這個功能。我在想,在未來的生成式AI會不會擁有類似郵件整理、識別活動和整理優先級這樣的能力,應用到各種服務型遊戲的資源管理甚至跨遊戲的進度管理,形成更加個人化的,AI驅動的“遊戲助手”,甚至依賴生成式大模型開發出自己的遊戲代理?
至少,從G-Assist和Backseat.AI的表現,以及WWDC 2024的演示出來的效果來看,這一想法可行的概率非常大。

現在已經有了運行生成式AI遊戲助手的基礎設施

從近半年的發展來看,部署生成式AI遊戲助手的基礎設施現在基本上已經達到了“就緒”的階段,所以如果真的有廠商希望為遊戲實裝生成式AI助手的話,幾乎只需要考慮基礎設施的成本因素就可以了。
就我個人的觀察,和G-assist、Backseat.AI、Apple Intelligence包括教人怎麼玩《我的世界》的微軟Copilot一樣,運行這種生成式AI遊戲助手需要本地端和雲端共同協作完成。本地硬件需要NPU等單獨高效處理AI工作的芯片,或是RTX系列顯卡。而儘管G-assist和Backseat.AI並沒有公佈太多技術細節,但我的觀點是,想要流暢運行生成式AI遊戲助手,本地是需要一個經過了優化的小語言模型的。以及每一位玩家獨佔的,位於雲端的私有化大語言模型。
在2024年年初的時候,在本地運行生成式AI的場景還十分有限,因此雖然AIPC已經發布了一段時間,但獨立的NPU芯片在內容創作者和科技嚐鮮者手上常用的測試工具時,發揮的作用並不大,甚至在能源消耗上的表現也不盡如人意。但隨著像是直接利用AI寫網絡小說這樣的場景逐漸被發掘出來,以及AI Agent和AI工作流逐漸成為科技嚐鮮者和專業人士的主流AI工具,單一生成式AI發揮更大能力的空間也在被逐漸提煉出來。
不僅如此,像是零一萬物和微軟也都在今年第二季度左右推出了一些“邊緣小模型”。這些小模型並非專門為筆記本電腦、平板電腦或手機設計,更多地是為了提升傳統大語言模型在諸如編程和數學等細分領域的能力。只不過恰好這些邊緣小模型只有十幾或幾十億的參數,空間需求可能還不及微信,搭載近兩年的手機芯片和8GB以上內存的手機就足以流暢運行它們。不僅如此,這些模型都能做到離線運行,即便不小心斷了網,這些生成式AI依然能夠在本地發揮作用——雖然服務型遊戲不允許斷網,但這些小模型如果不是遊戲內置的,而是基於操作系統的,那麼它依舊能發揮遠超想象的能力。
專門為玩家設計的雲端大模型也必不可少。邊緣小模型有其低能耗高效率的優勢,但面對較為複雜的問題,仍需要藉助配備了強大算力和資源的大模型來解決。但我傾向於認為,當邊緣小模型達到一定能力之後,雲端大模型的作用傾向於為小模型更新知識庫和數據,更多和遊戲助手直接相關的任務幾乎都可以依賴本地模型完成。這樣帶來的另一個好處就是更加節省私有大模型的運營成本,雲端只需要加倍保證玩家數據的私有性和安全性,並在合適的時間對針對AI遊戲助手類的大模型進行迭代即可。

基本原理和目前已經展示出來的幾個應用場景

年初NVIDIA發佈的G-Assist用《方舟:生存進化》進行了一定的展示,只不過展示內容相對比較簡略:玩家需要在遊戲中打開G-Assist的聊天窗口詢問AI我要做什麼或者我可以做什麼,然後AI助手會根據遊戲畫面的內容進行分析、推理,並告知玩家可以進行的下一步行動;此外,G-Assist也能讀懂數值,會給玩家裝備選擇上的建議;Backseat.AI則是直接通過AI生成的Tyler1語音提醒玩家在對局中應該如何做什麼。
Copilot展示的功能和G-Assist類似,都是提示玩家應該從哪些地方做起,可以做什麼或者需要什麼材料。講道理,這些提示對於一些從來沒玩過電子遊戲的玩家嘗試低引導的遊戲確實是非常有用的,甚至一些無引導的早期電子遊戲,也可以用這類生成式AI助手進行提示。
Google SIMA則是一個通用的,能夠在3D空間中進行互動的AI Agent。簡單理解,它就是個代練,只不過沒有淘寶上那些真人代練智能。但總之,玩家可以直接放下手柄,為這些AI Agent下達一些指令,就可以看著這些AI Agent玩遊戲了。
因為Backseat.AI沒有公開任何技術細節,所以我個人簡單猜測,兩者應該都是利用了AI圖像識別的能力,並且後臺掛載多模態大預言模型,大模型收到提示詞請求後生成文字或語音並反饋給用戶的技術。事實上,Copilot和Apple Intelligence用的差不多也是同樣的原理,所以僅從理論角度上各家都大差不差,核心在於採用的大模型和背後的知識庫。
機核前段時間也上線了一些關於Tyler1的內容。哥們兒真壯啊難怪天天蹬攝像頭

機核前段時間也上線了一些關於Tyler1的內容。哥們兒真壯啊難怪天天蹬攝像頭

和我們在生成式AI之前遇到的人工智能應用一樣,這些生成式AI助手當然需要經過數輪優化和微調之後才能部署到生產環境中。但是由於生產環境的變量和需求與測試環境千差萬別,這些生成式AI助手在剛剛發佈的時候一定是非常非常不好用的。只有經過了在生產環境中獲得的海量數據、經驗和知識迭代之後,這些生成式AI遊戲助手就會和特斯拉FSD從V11升級到V12一樣,才會有一個質的飛躍。
可能有一些一本道的線性遊戲,玩家的行為比較好歸納總結,那麼這些遊戲就更能在早期享受到生成式AI助手帶來的便利,但如果是開放世界類遊戲和網絡遊戲,生成式AI助手在部署到生產環境後需要學習的東西就有很多了。

生成式AI遊戲助手在未來能做的,以及目前遇到的障礙

一方面,像是Backseat.AI這類針對單一遊戲的專業化工具一定會有著廣大的發展空間,而G-Assist和Copilot這類更通用的工具則依舊會在玩家的Gameplay引導上做得更多。另一方面,對於服務型遊戲,尤其是抽卡類服務型遊戲的資源和進度管理,以及跨遊戲、跨遊戲平臺的資源和進度管理,可能會比單純給予玩家在Gameplay上的引導更有市場和需求度。
並且,由於這些AI工具在未來必然會以捆綁銷售或者訂閱作為它們的基礎銷售模式,所以這也會在一定程度上影響一部分服務型遊戲的營收。我個人感覺,一旦生成式AI助手的入門門檻足夠低,一些底層系統不紮實、玩法不吸引人的遊戲,尤其是抽卡類服務型遊戲,可能真的會被市場立即淘汰。
相對理想的狀態是:如果我某天吃飽撐著同時開始推《天命2》《塵白禁區》和《鳴潮》的進度,那麼我就需要生成式AI助手幫我儘快生成進度管理工具,包括三款遊戲的活動時限、根據我自己的人物目前進度而生成的角色強度規劃路線,抽卡掉率分析,效率最大化且不需或僅需少量氪金的資源和素材獲取流程,然後把這些指令提供給Google SIMA,我就可以直接不用玩遊戲了。如果能做到這些的話,我每個月只需要花費30美元的生成式AI助手的訂閱費用,就能在幾乎零氪的前提之下刷完7天或30天內必須要完成的活動並拿到所有獎勵和人物練度。
當然,由於個人在體驗的時候感覺《天命2》的玩法深度可能遠超其他兩款,所以用生成式AI助手反而是破壞了這款遊戲的核心體驗,而“破壞遊戲性”也是這類工具所面臨的障礙之一。
另一個障礙就是硬件綁定。NVIDIA在官方網站上明確表示G-Assist需要RTX系列顯卡驅動,這就意味著如果玩家用的是手機、平板電腦、智能電視、只有核顯的筆記本電腦或掌機、又或者安裝了AMD或Intel顯卡的遊戲本、全能本或兼容機就不能使用G-Assist。當然,我們或許可以相信AMD和Intel都會有自研的並且開放給更多平臺和硬件系統的生成式AI遊戲助手,所以這一點倒是不用太擔心。
由於生成式AI目前有著一套較為畸形的商業模式,玩家可能必須在統一的賬號下管理自己的遊戲才有可能用得上生成式AI助手的跨遊戲管理能力。並且這些生成式AI遊戲助手還有可能只能在比如Uplay平臺、Epic平臺、Xbox或者PlayStation主機的第一方遊戲上使用,因為只有這些第一方的平臺或硬件才能夠和本地AI無縫集成。而浩如煙海的第三方遊戲或許就需要單獨的AI工具或通用的AI助手連接器,利用遊戲維基頁和遊戲助手構建單一維度的AI遊戲助手。
可是,當玩家接入第三方AI服務,允許其統籌編排多款遊戲的進度時,要麼會出現G-Assist那種沒有RTX顯卡就不讓用的情況,要麼就是必須要進行第三方授權才能獲取遊戲進度。第三方生成式AI助手最大的問題不在於性能是否優秀,而是這些服務是否會很快跑路,以及隨之而來的信息洩露風險。而如果使用遊戲內置或者合作方的生成式AI助手,想要利用更高級的AI Agent實現跨遊戲進度管理就變成了不可能。除非能夠有一個更開放的協議和規則,或者玩家自己能夠開發跨遊戲的AI Agent,否則就只能做到一個賬戶下所有遊戲的統籌,和其他賬號下單一遊戲的進度管理。
以上都只是一些我在體驗了賽博打工人的辛苦,但也看到了生成式AI未來潛力之後的一些瞎想。我在上上週已經寫好了該主題的文章併發布到了個人微信號上,但由於那篇文章的行文過於佶屈聱牙,也聽到機核的播客@Hakumen大哥的文章之後決定重寫,也補上了之前文章沒有涉及的產品和知識點。我自己樂觀地認為,一旦生成式AI遊戲助手能夠以AI Agent的產品形態進入市場,依靠算力和體量優勢洗牌氪金遊戲行業,說不定真的能夠給一些遊戲策劃、投資人和非玩家群體好好上上一課。
(文章頭圖和封面由抖音豆包AI生成。)

© 2022 3樓貓 下載APP 站點地圖 廣告合作:asmrly666@gmail.com