人工智慧在遊戲領域的應用

2020-12-05 騰訊網

人工智慧遊戲起源

1952年，A.S. Douglas設計了一款三連棋遊戲Tic-Tac-Toe ，兩人輪流在一有九格方盤上劃加字或圓圈, 誰先把三個同一記號排成橫線、直線、斜線, 即是勝者。這款今天看來十分樸素的遊戲，被認為是第一款允許機器參與的遊戲。

同一時間，IBM 的 Arthur Samuel（被譽為「機器學習之父」）設計了一款可以學習的西洋跳棋程序，能通過觀察棋子的走位來構建新的模型，並用其提高自己的下棋技巧。在和這個程序進行多場對弈後，Arthur Samuel發現程序的棋藝變得越來越好。

人工智慧與遊戲：

● 渲染智能化

● NPC的人工智慧化

● VR與AI結合

渲染智能化

NVIDIA DLSS 2.0在AI渲染突破

人工智慧正在引發一場遊戲革命，從遊戲內的物理和動畫模擬到實時渲染和 AI 增強的直播功能，均有涉及。藉助深度學習超級採樣（DLSS）技術，NVIDIA 開始通過基於 AI 的超高解析度重新定義實時渲染，即渲染更少的像素，然後使用 AI 構建更清晰、更高解析度的圖像。

DLSS 2.0 由GeForce RTX GPU上的專用 AI 處理器（ Tensor Core）提供支持，是一個經過改進的全新深度學習神經網絡，能夠提高幀速率，同時生成精美、清晰的遊戲圖像。DLSS 2.0 為玩家提供了充足的性能，有助於最大化光線追蹤設置，並提高輸出解析度。

DLSS 2.0 在原始版本的基礎上進行了以下增強：

出色的圖像質量：DLSS 2.0 可在僅渲染四分之一到半數像素的前提下，提供與原始解析度相媲美的畫質。其採用全新時間反饋技術，能夠實現更清晰的圖像細節，同時提高幀與幀之間的穩定性。

在不同RTX 顯卡和解析度上均具有出色的擴展性：全新 AI 網絡能夠更高效地使用 Tensor Cores，執行速度比原始版本快一倍。這不僅有助於提高幀率，還可消除以前顯卡、設置和解析度上的限制。

一個適用於所有遊戲的網絡：原始 DLSS 需要針對每個新遊戲訓練 AI 網絡。DLSS 2.0 則使用非特定於某一遊戲的內容開展訓練，從而能夠提供一個跨遊戲使用的通用網絡。這意味著遊戲集成更快，最終將能支持更多 DLSS 遊戲。

自定義化選項：DLSS 2.0 為用戶提供「質量」(Quality)、「平衡」(Balanced) 和「性能」(Performance) 這 3 種畫質模式來控制遊戲的內部渲染解析度；啟用「性能」(Performance) 模式後，可實現高達 4 倍的超高解析度（即從 1080p 到 4K）。這意味著用戶選擇更豐富，性能提升更顯著。

NPC的人工智慧化

人工神經網絡算法

概念：人工神經網絡是一種模仿動物神經網絡行為特徵，進行分布式並行信息處理的算法數學模型。人工神經網絡具有四個基本特徵就是非線性、非局限性、非常定性、非凸性。

非線性關係是自然界的普遍特性。大腦的智慧就是一種非線性現象。人工神經元處於激活或抑制二種不同的狀態，這種行為在數學上表現為一種非線性關係。具有閾值的神經元構成的網絡具有更好的性能，可以提高容錯性和存儲容量。

非常定性就是人工神經網絡具有自適應、自組織、自學習能力。神經網絡不但處理的信息可以有各種變化，而且在處理信息的同時，非線性動力系統本身也在不斷變化。經常採用迭代過程描寫動力系統的演化過程。

神經網絡下的NPC是「不可控的」（ 「非線性」和「非常定性」特徵導致），這給遊戲的運營與維護帶來不少的風險， NPC的行為將在不斷學習中變得難以預測，遊戲後期的調試變得異常困難，有可能出現脫軌的問題。

遺傳算法

遺傳算法（Genetic Algorithm, GA）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。

在遊戲中體驗是會擁有之前失敗的經驗，根據玩家之前策略逐個擊破。意味著越強大的玩家將面臨越強大的敵人，並且沒有盡頭。

VR與AI結合

VR（虛擬實境）是以沉浸式體驗為特色的新一代人機互動技術。

觸覺反饋

VR最大的應用市場是遊戲，VR遊戲市場也在逐年遞增，而最大的考驗之一是真實的觸覺反饋。這也是虛擬實境技術發展的重要一步，許多科技公司都在嘗試添加額外的觸覺，以提供更加真實的體驗。

真實的觸覺反饋，像神經進化、深度學習又或者自然語言處理等。這些都是人工智慧的一部分。

VR遊戲沉浸感

VR遊戲誕生的主要目的就在於沉浸感。而為了達到這種沉浸感，有自己的情緒，無法預測的NPC是重要的組成部分。

通過不斷用人體動態數據、語言、反應等信息訓練AI，未來遊戲中虛擬角色的表情與動作將更加流暢，並有可能誕生自己的智慧，做出讓玩家來不及反應的動作，從而極大地增強遊戲的沉浸感。

未來展望

參考《頭號玩家》電影

相關焦點

  • 人工智慧在軍事領域有哪些應用價值?
    隨著谷歌2016年推出 alphago 以擊敗圍棋高手，人工智慧已成為最熱門的技術領域。 那麼什麼是人工智慧？ 簡單地說，人工智慧就是賦予機器或計算機模擬人類智能行為的能力。人工智慧在軍事領域的應用價值可以從以下幾個方面來說明：人工智慧對軍事發展的影響是什麼？？人工智慧在軍事領域的應用價值可以從以下幾個方面來說明：作戰數據分類與預測作戰活動中往往會產生大量數據，例如敵軍作戰單元的活動軌跡、武器毀傷範圍、通信系統覆蓋範圍等等。
  • 人工智慧在司法領域的應用
    人工智慧在司法領域的應用現狀（一）法律問答、信息處理數據化司法人工智慧在法律檢索、信息處理上呈現電子化、數據化的趨勢，並且這一趨勢將如日中天地延續下去。總之，司法與人工智慧的深度結合在理論界討論得熱火朝天，對人工智慧產品的應用某些方面已經走在了理論的前面，司法系統的改革亦是大勢所趨。但這並不意味著目前的研究與應用是完全科學、有效的，對司法人工智慧的應用空間及限度尚需細細推敲。
  • 人工智慧的六大應用領域
    這幾年來中國在人工智慧發展研究上的熱度一直高漲。人工智慧也越來越貼近我們的生活。成為我們生活中不可缺少的一部分。那你知道人工智慧的應用都用在了哪些領域呢？什麼是人工智慧呢？人工智慧是一個新的計算機技術科學，是計算機科學的一個分支，主要用於開發模擬，延伸和擴展人的智能理論。簡單來說人們就是要靠人工智慧去完成人類完成不了的工作。其中的研究領域主要包括：深度學習、自然語言處理、計算機視覺、智慧機器人、自動程序設計、數據挖掘等方面。
  • 人工智慧在網絡領域的應用與實踐有哪些
    打開APP 人工智慧在網絡領域的應用與實踐有哪些 發表於 2019-07-03 16:31:14 作為一個誕生了60多年的詞彙，人工智慧的發展已經歷過多輪起伏，現今這個階段可以說是人工智慧的黃金時期，全球的科技巨頭都在AI領域頻頻布局，不同於單純的炒作，此輪「AI熱」最大的特色就是落地。
  • 俄羅斯制訂多領域人工智慧應用路線圖
    俄羅斯經濟發展部正在制訂人工智慧在衛生、交通、智慧城市、農業、工業和國防工業綜合體等領域的應用戰略和路線圖，至2024年，將制定出不少於15個此類政策。在衛生領域，將運用人工智慧來開發新藥，通過解釋醫學圖像在疾病診斷方面提供幫助，以及創建能進行診斷、開處方並下達醫療決策的系統。
  • 德國機構探索在生物醫藥領域應用人工智慧
    新華社柏林12月19日電（記者張毅榮）德國人工智慧研究中心19日發布公報說，該中心與德國生物醫藥企業賽多利斯合作啟動「賽多利斯人工智慧實驗室（簡稱SAIL）」，共同探索人工智慧技術在生物醫藥領域的應用。
  • 人工智慧在醫療領域的發展史與五大應用現狀分析
    人工智慧在醫療領域的發展史與五大應用現狀分析 醫言醫信 發表於 2019-11-13 11:14:53 文章來源：醫言醫信，內容摘自上海交通大學人工智慧研究院
  • 人工智慧在旅遊領域有哪一些好的應用
    打開APP 人工智慧在旅遊領域有哪一些好的應用 戴慧慧 唐曉雲 發表於 2019-12-24 16:01:46 在大數據和雲計算等技術支撐下，人工智慧應用市場迎來爆發式增長。
  • 探索前沿腦科學 盛趣遊戲布局腦科學與人工智慧前沿領域
    對於盛趣遊戲為何將遊戲的航母駛向「腦海」，盛趣遊戲董事長王佶表示，公司的第三個十年把未來寄托在前沿科技領域，在腦科學領域的突破，將創造出谷歌級別的企業，通過腦科學研究成果的市場化、產業化，在新的產業變革中保持領先。
  • 遊戲裡超級武器的人工智慧遐想
    比如《紅色警戒》，一款80後90後都不會陌生的即時戰略遊戲，在上世紀末本世紀初，這款遊戲可能光顧過幾乎每個小學生家中的電腦，火爆程度堪比今天的《王者榮耀》。　　不過相比於後者，老遊戲的營養含量似乎更高。
  • 醫藥研發領域大數據和人工智慧的應用探討
    人工智慧（AI） 技術應用的重要場景之一是助力藥物研發，相比傳統的藥物研發耗時耗力、成功率低， AI技術的應用 可 大大縮短藥物研發時間、提高研發效率並控制研發成本。近年來，人工智慧技術(AI)與醫療健康領域的融合不斷加深。AI 在醫療領域主要應用場景包括語音錄入病歷、醫療影像輔助診斷、藥物研發、醫療機器人和個人健康大數據的智能分析等。
  • 軟銀人形機器人,深耕人工智慧教育領域
    》，其中計劃中特別提到：到2020年建設100個「人工智慧+X」複合特色專業，建立50家人工智慧學院、研究院或交叉研究中心。軟銀機器人作為人工智慧機器人領軍者之一，一直專注於機器人領域的研發和推廣。於教育機器人領域，軟銀機器人通過提供開放的機器人應用平臺，助力諸多領域實現產學研結合、科教融合、創新人才培養，如STEAM教育（源自STEM教育）、科研、比賽及特殊教育（如自閉症群體）領域。其中在比賽領域，軟銀Pepper和軟銀NAO均被機器人世界盃RoboCup組委會選定為比賽指定標準平臺。
  • 美機構分析人工智慧在美國國防領域的應用情況
    該報告主要從人工智慧的國防應用、人工智慧軍事集成的挑戰、人工智慧對作戰的潛在影響，以及國會應該考慮的問題等幾個方面進行闡述。本文重點概述報告中有關人工智慧在美國國防領域的應用情況。 目前，美國防部正在考慮人工智慧的多種不同應用，如情報、監視與偵察（ISR）、後勤、網絡空間作戰、信息戰
  • 19個人工智慧(AI)熱門應用領域,你知道多少?
    通過提供算法、API(應用程式接口)、開發和訓練工具包、數據、以及計算能力來設計、培訓和部署模型到應用程式、流程和其他機器，廣受企業青睞，用以解決預測和分類任務。 Adext是世界上第一個也是唯一的觀眾管理工具，它將人工智慧和機器學習應用於數字廣告，以期將廣告精準的投放給最符合產品定位的受眾。
  • 人工智慧的研究、應用與發展趨勢
    在達特茅斯會議後，人工智慧AI倖免於幾次潮熱和「蕭條」，才進入今天的新時代發展進程，主要是人工智慧AI領域的三所學校，人工智慧AI領域的重大成就和突破性進展情報。這些努力在「計算機戰爭」中的計算機遊戲（象棋）等領域取得了空前的成功。鑑於符號恢復學說基於複雜問題的簡單顯性分解原理，因此在處理複雜系統時無能為力，尤其是在關於歧義性的常識方面，是無能為力的答案。這樣的問題，在80年代後符號學領域的人工智慧AI發展步伐逐漸下降。
  • 騰訊公布人工智慧路線圖 :這3個領域將率先被AI改變
    騰訊AI lab主任張潼博士則對記者表示，除了在微信、QQ、音樂、視頻的試水之外，騰訊的AI技術在遊戲、社交和內容三個領域率先投入實際應用，同時騰訊還將逐步建立AI生態，開放自己的AI能力，推動整個行業的發展。
  • 人工智慧與生命科學:AI在醫療健康十大領域應用前景
    相對於金融、運輸和零售業等領域，AI在醫療健康領域研發最少。美國德克薩斯大學副校長LyndaChin教授說過「人類大腦的容量是有限的，與日俱增的患者數據和爆炸式信息增長，讓醫生無法跟上醫學知識發展的步伐，AI將成為輔佐醫生提高認知能力的最佳工具和手段。」　　在醫療健康領域裡，AI應用並不是最近才興起的。
  • 人工智慧「阿爾法狗」瞄準醫療領域
    巴比倫正在開發醫生或患者說出症狀後，在網際網路上搜索醫療信息、尋找診斷和處方的人工智慧APP(應用程式)。如果Alpha Go和巴比倫結合，診斷的準確度將得到劃時代性提高。巴比倫以年底實現商業化為目標，在英國艾賽克斯的兩家醫院進行示範服務。谷歌在最近幾年間，還收購了15家機器人初創公司。如果將Alpha Go搭載於機器人身上，就能製造出觀察人類感情的家庭用機器人。
  • 人工智慧與自然語言處理概述:AI三大階段、NLP關鍵應用領域
    選自xenonstack機器之心編譯參與：黃小天、李亞洲近日，Xenonstack 上推出了一篇名為《Overview of Artificial Intelligence and Role of Natural Language Processing in Big Data》文章，作者為 Jagreet Kaur，其全面概述了人工智慧及其各個細分領域的狀況，
  • 計算機視覺領域的人工智慧——記人工智慧技術應用專家陳秀新
    人工智慧是研究、開發用於模擬、延伸和擴展人智能的理論、方法、技術及應用系統的一門新的技術科學，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等，它由不同的領域組成，如機器學習，計算機視覺等等。其中，計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。