谷歌聚焦“下一个十亿用户”，着眼于“下一个十亿玩家”的游戏研发
谷歌经常讨论“下一个十亿用户”，特别是关于其设计的产品和功能如何帮助吸引这些用户加入其生态系统。最近在接受GamesIndustry.biz采访时，Stadia研发创意负责人Erin Hoffman-John表示，她的团队更专注于“下一个十亿玩家”。
如果谷歌要实现这一目标，Hoffman-John指出，将从提供给内容创作者的工具开始着手。
为开发者打造更便捷的工具，开启更广泛的游戏创作
“我们认为，要让更广泛的受众接触到游戏，并激励各种新兴开发者加入，我们必须让游戏开发变得更简单，让小团队也能高效工作。” Hoffmann-John说道。
为此，她的团队一直在使用机器学习技术，解决开发者常遇到的痛点和瓶颈。团队主要由游戏开发者组成，配备一些工程师，旨在将谷歌现有的技术应用到游戏原型开发中。
技术探索的长远视角
Hoffman-John表示，他们的工作具有“较长的时间视角”，可能需要两到五年时间才能验证这些技术的效果，更不用说将其推向市场，开发出成品游戏。
Chimera项目：用AI革新卡牌游戏的未来
她展示了一个名为“Chimera”的项目，作为Stadia研发团队正在进行的创意之一。这个远大的梦想是，未来机器学习工具能让一个由20人组成的开发团队创造出像“魔兽世界”一样庞大复杂的游戏。但Hoffman-John也坦言，这个目标还比较遥远，所以他们先从帮助开发较小项目开始，例如类似于《万智牌》的集换式卡牌游戏（CCG）。
内容生成的自动化：减轻重复式工作
她指出，对于许多CCG来说，主要的工作和预算都花在了由合同艺术家绘制和设计各种卡牌上。而开发时间中约70%的内容都涉及反复生成相似的元素，比如制作不同版本的怪物以丰富游戏世界。
“这不是游戏开发者真正想做的创意工作，” Hoffmann-John说，“更多的是填充内容流水线，让世界看起来丰富多彩。”
因此，Chimera项目的目标是利用机器学习自动生成这些生物。团队受到《这个人不存在》这类利用GAN（生成对抗网络）产生虚假照片的技术启发，将其应用于卡牌内容的生成。
机器学习如何创造丰富多样的卡牌
Hoffman-John提到，Chimera的原理类似。艺术家先创建多种动物模型，分析卡片的结构和组成规则：比如场景由上方照明，生物在画面中动态姿态，摄像角度从下方拍摄以展现强大感。他们使用训练识别优质姿态的模型，还用另一种模型寻找背景景观并施加风格滤镜，使卡牌呈现手绘风格。
利用这些技术，Chimera可以为开发者生成数十个卡牌样本，供其挑选喜欢的元素，然后结合这些元素制作新卡。该工具还允许细调生物的各个部分，极大增加创作的自由度。
增强开发者创意的控制权
“如果只让机器随意组合动物部分，可能会出现我团队称之为‘恶梦装备’的怪异生物，它们又丑又搞笑，但不是我们想要的效果。如果仅任由机器发挥，会得到偏离艺术家意图的成果。” Hoffmann-John说道，“如果我们要赋能开发者，就必须让他们能够非常具体地指导AI。”
开发者可以通过工具调整卡牌中动物的特殊部分，例如添加或去除翅膀，使某一部分更像鸟或更像鱼，甚至尝试一些“狂野”的搭配，系统会告诉他们这些选择的可行性和可能性。
AI在游戏设计中的潜力与未来
Hoffman-John称，这个流程实际上类似“与机器对话”，成为项目中的一个核心环节。除了资产生成，Chimera还在探索AI在游戏设计中的应用，不仅在视觉方面，还包括游戏机制的设计支持。
常见问答
Q: 谷歌如何利用AI改善游戏开发？
A: 谷歌通过机器学习技术，帮助开发者自动生成内容（如卡牌、怪物模型等），减轻重复性劳动，同时也辅助游戏机制的创新设计，提升开发效率和创意空间。
Q: Chimera项目未来的目标是什么？
A: 目标是在未来几年内，让机器学习技术能协助开发出复杂度和规模都能媲美大型游戏的内容，逐步实现由少人数团队创造出宏大游戏世界的梦想。同时，也希望这项技术能应用到更广泛的游戏类型中，推动整个行业的发展。
机器学习在游戏开发中的应用：提升平衡性与开发效率
在竞争激烈的游戏市场中，游戏平衡问题往往是在上市后才被发现。对开发者和体验者来说，游戏在测试阶段可能表现得相当平衡，但在数十万玩家同时体验时，潜在的失衡问题才会暴露出来。这也是为什么机器学习成为游戏开发中一个前沿工具。
机器学习帮助发现游戏中的平衡问题
Hoffman-John 认为，机器学习可以在这方面提供极大的助力。通过模拟大量策略，机器学习模型可以进行数百万次的游戏测试，从而识别出那些可能被设计者低估或难以测试到的强大技能或系统。以《Chimera》为例，开发者有意创建了一些潜在过强或难以预料的玩法系统，机器学习模型帮助他们优化和调整平衡。
具体操作方式
Hoffman-John 表示：“使用这个系统，我可以尝试一些疯狂的设定，机器会告诉我哪里出问题了，使用这些技能的赢率是多少，然后我们就会将它们削弱。” 她强调，这一过程可以在不对玩家公开的情况下完成，避免了测试版本带来的玩家不满，因为传统上，测试未优化的系统常常会引发争议。但通过机器学习，可以提前识别潜在的问题，并在正式推出前进行调整。
机器学习在游戏开发中的广泛应用
这并非首次尝试，Ubisoft 曾在2018年讨论过利用机器学习对《荣誉之战》进行测试的可能性。这一技术旨在帮助研发团队更高效地进行游戏平衡、内容生成和优化流程，最终目标是让开发成本的使用变得更加灵活和高效。
未来游戏开发的潜力与挑战
Hoffman-John 认为，机器学习的引入将彻底改变艺术家和设计师的工作方式。Stadia的研发团队也在探索不同学科中机器学习的最佳应用场景，试图让这一技术服务于更广泛的游戏开发环节。“随着研究深入，我们希望将这些发现转化为使用机器学习的原则，”她说。“当你需要考虑数十万甚至数百万种可能性时，机器学习可以帮助筛选和制定方案，这远超传统程序生成的能力。”
对游戏预算和开发效率的影响
如果像Stadia研发团队的试验成功，机器学习将能够让小团队的开发者创造出曾经需要庞大团队才能实现的游戏。这将引发关于游戏预算和开发速度的宏观问题。Hoffman-John 指出：“这会带来一些行业上的大问题——你可以想象，我们可以通过调整规模，实现更高的效率。”
未来展望
她提醒，机器学习对行业的影响还在早期阶段，还未见到全部潜力。“我们还不知道会发生什么，但令人兴奋的是，将这些工具交到开发者手中，观察他们的创新尝试。”她补充道，“这些工具目前还比较遥远，甚至我们自己也不完全清楚未来会怎么用。我们只是希望让开发者拥有这些工具，看他们会做出什么。”
常见问答
Q: 机器学习是否会降低游戏开发成本？
A: 可能不会直接降低成本，但它会将成本重新分配到其他方面，比如提高游戏质量或创新内容。最终的目标是让游戏变得更好，而不是单纯追求降低开销。
Q: 机器学习能完全取代引擎设计师吗？
A: 目前来说，还远未达到完全取代人类设计师的水平。机器学习更像是辅助工具，可以帮助发现问题和提供创意，最终的设计决策仍需由人类完成。
