想像著類比一下，大概就是AI做出了《仙劍奇俠傳》的感覺吧。
上個月，谷歌的AI開發團隊DeepMind公布了首個「AI遊戲引擎」GameNGen，正如其名字所暗示的，這個「遊戲引擎」依靠的是新潮的「神經網路」也就是俗稱的AI來生成遊戲畫面。
而這個AI引擎的第一個成果，就是3D射擊遊戲的標杆作品:《毀滅戰士》（DOOM）。
這件事一時間在歐美遊戲圈成為了人人在討論的話題，不論是開發者還是普通玩家，都將這視為AI技術在遊戲領域發展的又一標誌性事件。
以旁人的視角來看，這種討論風潮其實更多是基於當地玩家對於《DOOM》的情懷。但事情也並非只是這麼簡單。
1
谷歌技術團隊選擇《DOOM》的原因不難猜測，DOOM作為現代3D射擊遊戲的老大哥，很多設計理念堪稱現代3D遊戲的教科書，如果能順利重現《DOOM》中的各種設計和機制，那麼意味著AI足以駕馭相對複雜的3D遊戲場景。
另一點則是《DOOM》作為老遊戲，對於硬體要求很低，以至於有一部分愛好者熱衷於用各種帶有螢幕的電子設備遊玩《DOOM》，對於AI「遊戲引擎」來說，運行《DOOM》的難度顯然也比動輒4K的現代3D遊戲要現實很多。
《DOOM》甚至能在計算器上玩
不過，這個「微波爐和計算器都能運行的遊戲」對於算力充足的AI來說依舊是個不小的挑戰，其主要原因是基於AI的GameNGen採取的是一條截然不同的道路。
於一般的遊戲製作來說，遊戲的開發人員會預先將關卡的地圖製作好，並通過遊戲的3D引擎進行渲染，最後將實際的遊戲畫面呈現在玩家面前。在這個過程中，遊戲的3D引擎並不需要做什麼「主觀創新」，只要老老實實將相對抽象化的關卡數據「翻譯」成直觀易懂的畫面即可。
玩家眼裡複雜的地圖，在引擎眼裡只是各種參數和抽象線條
而GameNGen這個AI模型則正好相反，它要根據現有畫面和玩家的輸入，通過自己對於《DOOM》的理解，去「即興創造」出後續的遊戲畫。從邏輯上，更像是在玩桌面RPG時，DM靠自己的創造力和遊戲理解，向玩家們描述場景和接下來遇到的敵人，只不過GameNGen這個「DM」靠的不是用文字和語言敘述，而是通過快速畫圖，給玩家看一段可以實時交互的動畫。
從結果來說，GameNGen的表現著實超出預期。谷歌的團隊放出了內部測試時的實機試玩，能看到AI引擎的確理解了複雜的遊戲規則，正確地識別玩家做出的移動、開火和交互，射擊會消耗子彈，敵人會被正確擊殺，甚至在酸液池這種特殊地形上也會有持續扣血的效果。此外，開門和拾取道具等要素也基本都做了出來，很多時候乍一看就是DOOM。
更難能可貴的是，GameNGen能實現每秒20幀的刷新頻率，雖然20 FPS這個數字在大多數玩家眼裡是難以接受的低幀數，但如果考慮到一般的作畫AI往往需要數秒甚至半分鐘才能做出一張圖片，每秒20張圖且能根據玩家的實時交互而隨時做出改變，已經是非常傲人的成績了。
不僅如此，GameNGen的團隊表示他們還嘗試將團隊試玩AI版DOOM的部分畫面剪輯出來，混在DOOM原版的試玩片段中，讓10名人類測試者判斷哪一邊是AI版DOOM，哪一邊是原版DOOM，最終人類識別的正確率是60%左右。即，有40%左右的AI版DOOM畫面成功瞞天過海，混到了原版之中。
2
為了讓GameNGen做到這種效果，開發團隊也的確花了不少心思。
GameNGen的運行方式並不難理解，每一幀的新畫面，都是AI通過前4幀的畫面進行「預測」而來的，和很多影片生成類AI有著相似的原理。不過為了防止AI天馬行空地瞎畫一氣，需要AI本身對於DOOM有著充分的理解，也就是經常在AI相關話題中提到的「AI訓練」，這個過程往往需要巨量的素材來幫助AI構建一個基本概念。
左側的四幅是遊戲中剛剛經過的四幀，中間是AI預測的下一幀畫面，右側則是實際的畫面
根據谷歌開發團隊的文檔，GameNGen用了超過9億幀的DOOM實機畫面進行訓練，如果換算成人類的話差不多相當於不眠不休看了近一年的DOOM，這也讓GameNGen成為了不折不扣的「DOOM雲領域大神」。
當然，這麼種數量級的數據絕非是真人玩家能慢慢打出來的，為了能讓GameNGen獲取足夠的素材，谷歌團隊還給它準備了8個專門玩DOOM的AI，高強度地在那裡打DOOM積攢素材。一些網友開玩笑說就像是GameNGen在追8個AI Vtuber的切片錄播。
而針對這幾個「打機」AI，團隊也設計了一套賞罰機制：受擊、死亡就會扣分，而擊中、擊殺敵人則會加分，團隊還希望幾個AI能像人類一樣「舔圖」，給了發現秘密地區和長距離移動探索等行為一定的加分。
谷歌團隊設置的賞罰標準
生成DOOM畫面的是很多人都熟悉的Stable Diffusion，這是個可以將文字轉化為圖片的AI繪圖模型，不管是以假亂真的照片還是漂亮的二次元小姐姐都不在話下。但正如前文提到的，這類繪圖AI的生成速度並不快，儘管DOOM的解析度只有320x240，想要達到能玩的標準，還需要進行一些修改。
他們將Stable Diffusion生成圖片的步驟從原本的20步縮減成了4步，大幅加快了出圖的速度。由於DOOM的畫面相對簡單，在這種情況下，雖然很多畫面的細節被扭曲成了奇怪的色塊，卻依舊能大致分辨出畫面上的元素。
在這個基礎上，谷歌的團隊進一步精調了解碼器，讓生成的結果更接近實際的畫面。
左側為調整解碼前SD生成的圖片，中間為調整後，右側則是實機上的原始效果
從結果來說，GameNGen的確做到了挨打會扣血，開槍能殺怪，敵人也會在螢幕上做出相應的移動、攻擊，但從團隊放出的更多花絮影片來看，距離AI取代遊戲設計師還差了很遠。
3
像很多AI模型一樣，GameNGen也有著各種各樣的抽象絕活。
首先一個問題就是，它的記性不怎麼好，從團隊給出的數據來看，GameNGen只能記住過去3秒的圖像資訊，對於單個敵人的瞄準射擊來說的確綽綽有餘，但對於整個遊戲關卡來說就顯得力不從心了。
比如在一段錄像中，我們看到遊玩者打開了一扇門，擊殺了位於門後的兩個敵人。由於遊玩者並沒有選擇直接進入新房間，反而是轉身在原房間中又繞了兩圈，等到遊玩者再次打開剛才的大門時，門後的敵人「死而復生」，再次發起了攻擊。
像是剩餘備彈這種相對穩定的數據，AI有時候也會莫名「抽風」
實際上，在前文提到只有60%正確率的人類測試中，所有的遊戲影像都被控制在了3秒之內，避免了AI穿幫。
另一方面，基於前四幀進行預測生成的畫面，也有諸多不穩定之處。當敵人位於遠方時，AI一會認定那個小的褐色色塊應該是一個持槍的敵人，一會又認為那不過是後方牆體的貼圖，導致螢幕上出現的是一個不斷變換的褐色煙霧，直到遊玩者走近後才「定型」。
一些場合下，槍口火光、遠處背景和敵人本身的色塊混在一起，
讓陷入混亂的AI呈現出了不真切的夢幻感
而走到一些過於黑暗、辨識度不高的場景時，GameNGen疑似還出現了「鬼打牆」的現象，有可能是因為記錄的過往畫面過於相似，無法讓AI正確地判斷出玩家的位置和方向。
總體而言，比起「在AI引擎上玩DOOM」，GameNGen目前的表現更像是「做了一場在玩DOOM的夢」，雖然看上去煞有其事，但並沒有辦法像真正的電子遊戲一樣，有著一以貫之的客觀邏輯。
結語
在過去幾年，我們見證了人工智慧技術的高速發展，就在幾年前，AI繪圖還是連手指都畫不明白的人工智障，如今，AI不僅能畫出精美的圖片，也可以生成數十秒的影片，弄出繪聲繪色的配音。而現在甚至開始能當遊戲引擎了。
各行各業的從業者，對於AI的發展也是五味雜陳，一方面它們作為工具的確能提供不少的幫助，提高從業者的生產力。比如在前陣子德國舉辦的Devcom開發者論壇上，根據部分機構的調研披露，從業者中最常使用AI的崗位恰恰也正是目前反對聲最大的美術相關人員；
另一方面，每個人又確實在擔心自己的工作會不會有朝一日被AI靠著低成本和高疊代給搶走。在不久前，因擔心自己的形象被3D掃描和AI配音替代掉，不少遊戲演員們參與了罷工。
谷歌公布的GameNGen，從目前來看還十分稚嫩和原始，不管是談助力或是威脅都為時尚早，但在技術高速發展的今天，誰又說得好幾年後又會是什麼樣子呢？
