"用AI來自動生成遊戲?" 這種技術與過去那些學習系統的應用相比 難度又還要在上一層 因為遊戲還要考慮到難度與多樣性 這些抽象的概念並不適合用電腦來"暴力破解" 雖然不是不可能，但還是有些難度 除非我們已經有了通用人工智能 ( AGI 還是別要求AI來幫忙完成整個遊戲吧 那是個差勁的主意 那"用AI來自動生成關卡"怎麼樣? 試試看給AI一個遊戲類型的樣板 例如說射擊遊戲、賽車遊戲 我們先完成槍械的設定、人物的素材 然後讓AI自動生成敵人出現的位置 還有整個地圖的建築與地理配置 這聽起來就簡單許多了 而且還真的有人在嘗試這麼做 他們嘗試的是DOOM這款老招牌遊戲 學習系同則為生成對抗網路 Generative Adversarial Networks 這款遊戲算是FPS ( 不是幀數 )的鼻祖 有相當完整且複雜的客製關卡系統 發展至今已經有了不下幾千張的官方或同人關卡 因此，它具有相當龐大的規格化數據庫 可以供我們的學習系統參考 而確實，要利用這些數據來自動生成出新關卡 是完全辦的到的事 而且還做得跟人類一樣好 生成對抗網路不只會佈局，自動生成樣本 還會嘗試去破局，分辨電腦生成數據與真實數據的差別 它會嘗試去分辨哪些地圖是人類做的 那些地圖是由電腦自動生成的 而最後，他們開發的系統已經無法自破 至少對這套系統來說 自動生成的關卡以與人類設計關卡並無太大差異 當然，這並不代表電腦生成關卡已成 這也可能說明了他們提供的數據不夠深厚 而且這無法證明自動生成關卡有足夠的"多樣性" 不能保證每個關卡都會有全新的體驗 畢竟學習系統只是在學人做事 如果作為老師的數據本身的多樣性就不夠 那作為學生的學習系統又怎麼會有創意呢 更別提，它只能從有限的數據中 仿造出"類似但不相同"的東西 而"多樣性"並不能在模仿的過程中，憑空產生 如果只是在細節上有變化，而主幹不變 那也只是多了一堆 像刺客教條中的支線任務一樣的關卡而已 這個部分只是我這個外行人的見解而已 參考參考就好，我其實對生成對抗網路並不是很有研究 我並不知道它怎麼分辨真實數據與生成樣本 而且，或許只要進行生成的次數夠多 或是嘗試在玩家遊玩的過程中蒐集偏好數據 那就算無法生成具多樣性的遊戲 但真的應用起來至少可以稍微延長遊戲的耐完度吧 另外，就算不能生成新鮮的關卡 至少保證我們每次遊玩都可以稍稍提供變化 那也是挺不錯的，我會想要AI來當我的關主 那你是怎麼想的呢? AI可以增加遊戲的耐完度嗎? 會不會之後就連劇情 甚至是過場動畫，都可以由AI生成呢? 在下面留言中 告訴我你是怎麼想的吧 我是那個誰，如果你不記得的名字 你八成已經說對了，我們下次見