GameLook 报道/谷歌经常谈论“下一个十亿用户”之类的事情，特别是它设计的产品和功能将如何帮助他们进入该公司的生态系统。Stadia 研发创意总监 Erin Hoffman-John 最近在接受外媒采访时表示，她的团队更关注“下一个十亿玩家群”。

　　如果谷歌将要触达这部分用户，Hoffman-John 表示这将从它为创作者们提供的工具开始。

　　Hoffman-John 说，“我们认为，为了让游戏能够接触到真正广泛的受众，并让所有类型的新入行开发人员参与到这个过程中，我们必须让游戏开发变得更容易，让更小的团队更有效率”。

　　为此，Hoffman-John 的团队一直致力于机器学习方面的研究，以帮助解决开发者们遇到的一些常见的痛点和瓶颈。这个团队主要由游戏开发人员和一些工程师组成，以帮助将谷歌现有的一些技术应用到游戏创意原型中。

　　Hoffman-John 表示她们看这项工作是从“相当长远”的角度，甚至证明他们探索的技术都需要两年至五年的时间才能做到，与投放到市场并且用于一款发布游戏的时间相比少很多。

　　她展示了一个叫做 Chimera 的项目作为 Stadia 调研和研发团队从事工作的案例，有点类似空中楼阁的想法是，某一天机器学习工具可以让一个 20 人的开发团队打造一个像《魔兽世界》一样庞大而复杂的游戏。但 Hoffman-John 很快就承认，这有点遥远，所以她的想法是从使用机器学习来简化一些小小项目的研发开始，比如卡牌收集游戏（CCG）的《万智牌》。

　　Hoffman-John 指出，对于许多真正的 CCG 来说，大部分的工作和预算都是由绘制和设计各种卡牌的外包美术师来完成的。Hoffman-John 说，在这样的策略游戏中，大约 70% 的开发时间和投入都花在了重复性的内容制作上，比如制作一些差异化比较小的怪物来填满游戏世界。

　　Hoffman-John 说，“这并不是游戏开发者真正想做的有创意的事情，填补一个内容工作流程是你必须做的事情，这样可以让游戏世界更丰富”。

　　所以，在做 Chimera 项目的时候，Stadia 团队想要让机器学习为他们创造这些怪兽。团队从《此人不存在（This Person Does Not Exist）》使用的对抗性网络中获得了灵感，后者用一个根据真人照片培训的机器学习模型来制作假照片。

　　Hoffman-John 表示，Chimera 使用了同样的规则，美术师创造了一些动物模型并且把一款 CCG 游戏卡牌的构成分为一些规则：场景从上方照亮，生物用帧和动态姿势展现，摄像头角度来自下方让它看起来更强大。然后他们使用一个机器学习模型来训练识别高品质的姿势，另一个模型可以为每张卡牌找到背景的风景图，并应用样式过滤器来给它们做出手绘的外观。

　　将这些加在一起，Chimera 可以为开发者生成数十种不同的卡牌。这时候，美术师开始从呈现给他们的大量选择中挑出他们喜欢的，并告诉项目制作一个融合这些特色的新卡牌。这个工具还可以给他们微调生物的能力，这无疑是非常必要的。

　　Hoffman-John 说：“如果我们让机器把动物粘在一起，你就会得到我们团队所说的梦魇燃料。”他们太可怕了，它们极为恐怖，但那不是我们想要的。如果你让机器做它自己的事情，它会给你一些远远超出美术师意图的东西。因此，如果我们只是想让开发者更强大，我们就必须让他们知道如何非常具体地指导人工智能（为他们工作）。”

　　这些工具允许开发人员调整混合和匹配的动物部分，组成 Chimera 的合成兽。它们可以告诉系统在不同的部分加上翅膀或去掉它们，使一部分更像鸟，或使另一部分更像鱼。

　　Hoffman-John 把这个过程称为“与机器对话”，而且它并不是项目中唯一一个这样工作的部分。除了机器学习在资源创作方面的应用，Chimera 还研究了它在游戏设计方面的潜力，除了使用机器学习帮助创建卡牌的视觉效果外，Hoffman-John 还依靠机器学习来告知卡牌游戏本身的玩法机制。

　　对于竞技游戏来说，在向广泛用户群发布一款产品后才发现平衡问题的情况并不少见。让一款游戏被经验丰富的开发人员和游戏测试人员看起来比较平衡是一码事，但让它看起来对数千万玩家，让一款游戏看起来平衡是一回事；而对于成千上万的玩家来说，在游戏发布日寻求积累优势则是另一回事。

　　Hoffman-John 表示，机器学习可以帮你，因为它可以使用多种策略对一个游戏进行数百万次的测试，并找出那些可能比设计者想要的更强大的策略。对于 Chimera，她故意创建了一个有问题的玩法系统，这个系统的能力可能会过大或者难以测试，并使用机器学习模型来帮助完善它。

　　“有了这个系统，我就可以尝试一些疯狂的东西，然后机器就会告诉我出了什么问题，使用这些能力的获胜概率有多大，然后我们就可以把它们削弱回去”，Hoffman-John 说，“我们可以做到所有这些，而不需要将其发布给玩家。通常情况下，你必须把它发布出来，这样会让人们不高兴，因为它会让人觉得这种能力出了什么问题。因为系统太复杂了，我无法预测会发生什么”。

　　这并不是机器学习应用于游戏研发的唯一案例，育碧就曾在 2018 年的时候谈过使用机器学习为《荣耀战魂（For Honor）》测试，但这符合研发团队创造简化研发过程目标的技术。

　　Chimera 项目最明显的应用就是为美术师和游戏策划们而设计，但 Hoffman 表示 Stadia 研究和研发团队的目标是找到机器学习适用于游戏研发所有方面的的最佳方法。

　　“在我们进行的过程中，我们试图将[发现]提炼成关于机器学习本身使用的原则”，她说，“我认为我们还没有完全达到目标，因为我们还在摸索。但一般来说，当你遇到需要数十万种可能性的情况时，你就需要一些帮助来将这些可能性转化为你想要的东西，这就是机器学习的作用所在。你可以把它看作是程序生成之外的下一步，在《无人深空》这样的游戏里，你就看到了程序生成的极限”。

　　所以，如果像 Stadia 研发团队的实验取得了成果，机器学习甚至可以让小团队有能力制作那种过去需要大兵团式的研发团队才能制作的游戏，那对游戏预算有什么影响？

　　“这就对所有游戏的研发提出了有趣的宏观问题”，Hoffman-John 说，“你可以假设我们只要拨一下拨号就可以了。我认为这可能成为现实，但是当你给开发人员更多能力的时候，很大的可能是，他们就会做更多的事情。我不确定这个网络是否会降低成本，只是这些成本会被用做其他事情，希望这能让游戏变得更好”。

　　不管怎样，她强调机器学习对这个行业的全面影响在一段时间内不会被人知道，她的团队正在做的工作仍处于初级阶段。

　　“有很多我们不知道的地方，我想让我们兴奋的是把这些东西交给开发人员，看看他们是如何创意使用的”，Hoffman 说，“这也意味着所有这些东西都很遥远。甚至我们也不知道该怎么办。我们只是希望把这些工具交给开发人员，看看他们想用它们做什么”。