人工智能（AI）又來征服游戲了，這次是《指環王》。不同于我們所熟悉的《指環王》電影，游戲《指環王》是由美國游戲開發商Fantasy Flight Games于2011年推出的一款紙牌游戲，目前在全球擁有數百萬玩家。近日，波蘭華沙理工大學的兩位學者在線發表的一篇論文顯示，基于蒙特卡羅樹搜索（MCTS）技術，他們開發出了一位人工智能虛擬玩家。實驗顯示，這位基于MCTS技術的虛擬玩家游戲勝率明顯高于專家級段位的人類玩家，且其勝率會隨著游戲的復雜度而增加。

需要合作而非對戰

隨著機器學習算法的不斷發展，許多計算機科學家開始訓練AI模型，讓其在不同游戲中與人類玩家對戰以測試模型性能。從1997年5月“深藍”計算機戰勝頂級國際象棋選手卡斯帕羅夫，到2016年3月谷歌計算機圍棋程序“阿爾法圍棋”戰勝韓國棋手李世石，AI不斷刷新游戲“副本”。此后AI還在六人桌德州撲克比賽、策略類游戲《星際爭霸》等游戲中戰勝人類職業選手，可以說現在的AI除了懂得邏輯推演、還會實時分析敵情并作出決策。

但在《指環王》中，AI的任務是合作，而非對抗。與其他著名的紙牌游戲如《爐石傳說》等相比，《指環王》的游戲模式有著很大的不同。《指環王》的中心策略是團隊合作，而不是與其他玩家競爭。

研究人員發現，在此之前，并無一款AI模型適用于《指環王》這款游戲。這主要是因為游戲的合作特性，并且這種游戲的決策過程非常復雜，游戲玩法包括多個階段，其中大部分玩法策略要取決于前一階段的結果。

盡管面對上述挑戰，兩位學者還是在MCTS技術的基礎上成功開發出了一款可應用于《指環王》的算法模型。MCTS技術是一種通用的啟發式決策方法，可以在隨機游戲中優化給定游戲或場景搜索解決方案的空間。通過這種方法，AI模型學會了在復雜的游戲中進行協作。未來AI有望與人類合作，一起玩《指環王》游戲。

游戲與AI相互促進

事實上，游戲與AI的合作由來已久。在戰勝人類選手以前，AI早已用于游戲開發，以提高游戲性能、降低開發難度。

在游戲機制方面，人工智能技術的應用已屢見不鮮。由AI所控制的模型往往扮演著玩家的“對手”，AI的加入使游戲的可玩性大大提高，讓游戲的關卡更具挑戰性。

早在1992年，《德軍總部3D》中的士兵角色就使用過一個基礎的人工智能模型。該智能機制主要借助有限狀態機（Finite State Machine）來實現。游戲設計者首先根據游戲場景創建若干士兵角色可能經歷的所有事件列表，然后為士兵角色設定每一事件的具體響應，游戲中士兵角色按照事先設計好的代碼去執行響應。這種人工智能的實現方式較為簡單，依賴于簡單事件“觸發—響應”機制。

隨著人工智能的發展，如今游戲中的人工智能已不再局限于有限狀態機。如上述提到的MCTS等技術的加入，使游戲中AI表現的更具有隨機性。

如今電子游戲的復雜度越來越高，畫質、劇情和互動反饋等方方面面都不斷被優化。但這也導致想要確保它們的可玩性和無缺陷變得越來越困難。近日，知名游戲大廠藝電公司（EA）的人工智能研究人員發表的一篇論文，探討了深度強化學習在幫助測試游戲方面的應用，以期望將更多人從重復性測試工作中解放出來。

而根據媒體報道，2017年，知名游戲廠商育碧已經建立了相關AI實驗室，致力于通過游戲數據進行人工智能方面的研究。從《刺客信條》到《看門狗》系列，育碧的游戲一直以還原真實城市、地標而被玩家津津樂道。他們游戲中的城市模型主要通過長期實地拍攝、測繪等方式獲得數據，這些數據也被用在了實驗室關于AI自動駕駛的研究上。

《看門狗2》內的舊金山城市成為了測試自動駕駛車輛的實驗場所，這座模擬城市擁有和現實一樣的道路、路標以及天氣情況。為了真實模擬行人，實驗室研究人員還對游戲內市民的行動模式進行了升級，使其行動更加自主化。

隨著人工智能技術的不斷成熟，其在游戲中的應用也將更加豐富，電子游戲場景的真實度、非角色玩家（NPC）的自主性都將迎來大幅度提升；同時得益于游戲復雜程度和真實度的提升，更多的人工智能性能測試將在游戲中進行。在未來，人工智能或許會像近日熱映的電影《失控玩家》中的主角一樣，越來越具有人類特質。