斯坦福&谷歌研發(fā)“生成式智能體” 讓游戲NPC“活了”

　　撰文 | 李   熙

　　編輯 | 楊博丞

　　電子游戲業(yè)經(jīng)歷了三十多年的牛市，游戲中的NPC在畫面視效上有了飛躍，然而互動智能上并沒有給玩家相似的體驗提升。

　　玩家們在1995年的國產(chǎn)角色扮演游戲里，見過漁夫NPC只會重復一句“今天是釣魚的好天氣”;在2017年的育碧開放沙盒游戲里，聽過玻利維亞鄉(xiāng)民NPC反復只說單調(diào)的西語粗口。

　　其他領(lǐng)域的人工智能已經(jīng)改頭換面，但用在游戲NPC上的人工智能長久以來還像復讀機。“身邊槍林彈雨，NPC八風不動”的哏，已經(jīng)讓瑞恩·雷諾茲老師拍成熱賣電影了。

　　在大語言模型風靡的當下，以之改造游戲NPC成為可能。然而2023年4月7日，斯坦福大學和谷歌的研究者在預印本平臺上發(fā)布的論文，成就遠過于業(yè)界期待：NPC豈止更聰明，簡直算是“活過來了”。

　　一、開游戲業(yè)與AI界40年未有之先河

　　生成式AI和大語言模型興起前，用AI改善游戲NPC的努力，一般是在更易實現(xiàn)的強化學習方向，其中最出名的是2019年在DOTA2里擊敗人類世界冠軍的OpenAI 公司制作的5個AI。

　　這種思路的概括，是用有清晰爭勝目標的對抗性環(huán)境來作為獎懲機制來訓練NPC，最終完成的AI架構(gòu)能讓NPC自我修正行為以取得勝利目標。

　　不過游戲業(yè)的產(chǎn)品生態(tài)不止于此。不少游戲產(chǎn)品以奪旗、清空敵手等可以明確定義的對抗性勝利目標為基礎(chǔ)，但很多游戲沒有這種對抗性，游戲機制是模擬下廚、賣雜貨、拖拉機耕地、校園戀愛等隨機度更高的活動。更多游戲的機制是開放性沙盒，沒有明確定義的取勝路徑與規(guī)則。

　　這些游戲的NPC功能如何從AI技術(shù)革命中獲益，很長時間內(nèi)業(yè)內(nèi)大公司暫時還沒明確答案。

　　然而2023年4月中旬谷歌與斯坦福大學研究者的論文《生成式行為體：人際行為的交互式互動》，給出了通往答案的路徑：用大語言模型，讓沙盒模擬游戲里的NPC“獲得生命”。

　　研究者稱，過去四十年來，學界嘗試過創(chuàng)造行為可信的NPC的各種途徑，但在實際應(yīng)用中，這些途徑基于簡單環(huán)境或智能體行為的單調(diào)維度，否則無法運行。而此研究的成功，突破了上述局限。

　　二、原理：ChatGPT讓NPC“思考”，本地數(shù)據(jù)庫讓NPC“記憶”

　　簡單來說，研究者通過普通編程，為一個《模擬人生》類型游戲的虛擬小鎮(zhèn)中的NPC們寫好了虛擬環(huán)境設(shè)定、智能體人物設(shè)定、記憶庫架構(gòu)、擬定計劃等各方面程序代碼。然后在NPC與虛擬環(huán)境間、多名NPC之間的每次接觸時，將以上各方面基礎(chǔ)數(shù)據(jù)、互動環(huán)境等以自然語言描述后，通過應(yīng)用程序接口輸入給ChatGPT，再將ChatGPT的答案作為NPC下一步行為的指令。

　　具體而言，研究中的“生成式行為體”NPC，其決策路徑如下圖所示：感知-錄入記憶流-檢索記憶庫-反思/計劃-行為

　　“生成式行為體” 決策路徑簡圖

　　“感知”是NPC行為體對互動、虛擬環(huán)境等的信息輸入，錄入“記憶流”后，與記憶數(shù)據(jù)庫對比。

　　然后“檢索”是從數(shù)據(jù)庫中提取相關(guān)的記憶事項，NPC行為體會用自然語言將事項輸入給ChatGPT，由大語言模型來決策事項的優(yōu)先級，優(yōu)先級由事項的晚近程度、ChatGPT判斷的重要度與相關(guān)性為判斷基準。給出的答案作為NPC思維流程的下一步輸入詞。

　　接著，數(shù)據(jù)庫與大語言模型會開始NPC的“反思”過程，數(shù)據(jù)庫將行為體最近100條記憶事項以自然語言輸入ChatGPT，讓大模型來推斷出由此可知最重要/相關(guān)的觀點。

　　“檢索”獲取的答案、“反思”得出的觀點、結(jié)合NPC本身的人設(shè)數(shù)據(jù)，都以自然語言自動再次輸入ChatGPT，用大模型得出最符合人類行為邏輯的行動指令。

　　試運行截圖

　　如此設(shè)計的用意，是因為大語言模型在訓練期間已經(jīng)被寫入了廣泛的人類行為資料，在給出背景涵義足夠精準的提示詞時，ChatGPT等大模型可以生成高擬真度的人類行為預測答案。

　　然而在這個迅速驚艷世界的功能后，大語言模型存在小瑕疵：它不能記住每個用戶的個性化錄入內(nèi)容，所有用戶與模型間的對話都不能直接修改模型的參數(shù)，任何顯得ChatGPT有記憶的表現(xiàn)都是算法在復讀最時新的用戶錄入內(nèi)容緩存。

　　所以谷歌與斯坦福的研究者，結(jié)合存儲在云服務(wù)器上的數(shù)據(jù)庫與ChatGPT，來制作出能完成前述“思維步驟”的NPC，讓它們可以實時模擬人類的自主決策。固定數(shù)據(jù)庫與軟件架構(gòu)是NPC佐助連續(xù)性思考的“記憶”，而大語言模型是NPC用來即時性思考的“靈魂”。

　　三、效果：NPC能自行談戀愛和選鎮(zhèn)長了

　　在研究者的試運行中，NPC智能體可以做到?jīng)]有人工干預微操、只給簡單指令，就能自行完成復雜事件。當研究者讓名叫伊莎貝拉的NPC籌劃情人節(jié)聚會時，她自行在虛擬小鎮(zhèn)中開始逐個邀請自己的朋友和熟人，并自行裝飾作為聚會場所的咖啡館。

　　智能體與虛擬環(huán)境間的互動可以完全自發(fā)且自洽。在環(huán)境狀況設(shè)置為“食物引燃”的狀況下，“伊莎貝拉”能自主做出“關(guān)閉燃氣灶”的決策。如果這用普通編程也可以做到的話，智能體接下來的“重做早飯”行為，就是較前有顯著突破的AI自發(fā)決策。

　　智能體之間的互動，已經(jīng)達到可以模擬實際人際關(guān)系中的“信息擴散”與“協(xié)作”行為。

　　例如“伊莎貝拉”宣布要開情人節(jié)聚會后，她邀請到的AI智能體們又進一步邀請其他與伊莎貝拉無直接接觸的AI，例如名叫瑪麗婭的AI就邀請自己的“暗戀對象”克勞斯一同赴會。

　　情人節(jié)聚會消息在NPC中擴散的過程

　　再如名叫“山姆”的AI宣布要競選虛擬小鎮(zhèn)鎮(zhèn)長后，AI“伊莎貝拉”與“湯姆”對此有自發(fā)的議論：“伊莎貝拉”詢問“湯姆”的意見，“湯姆”答出自己的觀點：“老實說我不看好山姆，他與本社區(qū)已經(jīng)脫節(jié)，也并不真把我們的攸關(guān)利益放在心上“。

　　在研究者的兩日試運行中，虛擬小鎮(zhèn)的25個NPC里，得知“山姆”參選鎮(zhèn)長的從單個擴散到8個、得知“伊莎貝拉”辦聚會的從單個擴散的12個，過程中完全無人工干預。并且NPC們在互動內(nèi)容的置信度上部分超過了真人玩家。

　　論文里各種狀態(tài)下NPC與人類的行為置信度對比量表

　　當然，論文出圈后的“《西部世界》實現(xiàn)“熱議并不準確。仔細的觀察者們大都發(fā)現(xiàn)，不管所用的ChatGPT還是自制的NPC程序，并沒有真正的自主人類意識，只是將大模型的相關(guān)性引擎性能潛力進一步發(fā)掘。

　　由于大語言模型的現(xiàn)有局限，研究中的NPC也經(jīng)常有無厘頭的“幻覺”缺陷。例如NPC觀測到虛擬小鎮(zhèn)中有“公廁”，就不認為是“單人廁所”，出現(xiàn)了“AI使用洗手間時常被其他AI闖入”的互動場景。虛擬小鎮(zhèn)上的商店是下午五點關(guān)門，然而NPC們時常在歇業(yè)時間試圖進入。有AI看到其他NPC的名字是亞當·史密斯，就說：“啊我曉得你，你就是那個18世紀的經(jīng)濟學宗師。”

　　論文中提到了這些缺陷，還說“提示詞黑客手段-即人類玩家用仔細準備好的對話內(nèi)容來迷惑NPC行為體，可以讓AI幻覺出從未發(fā)生的事件的記憶。”

　　現(xiàn)在很多游戲業(yè)者認為生成式AI的技術(shù)還在襁褓期，暴炒Chatgpt的人很多五六年前在狂吹加密貨幣。有名的波蘭游戲公司CD Projekt Red，其動作游戲系列的內(nèi)容開發(fā)者領(lǐng)軍人在2023年1月說，NPC離自行建立一個生態(tài)活躍的虛擬社區(qū)，還太過遙遠。

　　生成式AI的確是在襁褓期，但襁褓中的生物，最突出特征就是飛快的生長速度。AI大模型將如何改變游戲業(yè)，實在讓人充滿憧憬。