游戏版 ChatGPT，要用 AI 实现 NPC 自由

原文来源：极客公园

作者 | 美漪

编辑 | 靖宇

图片来源：由无界 AI生成

还有谁能阻挡微软吗？

在公司成立近 50 年后，老牌巨头微软在近几年强势崛起。2023 年，更是微软的大年，一方面对动视暴雪超过 700 亿美元的惊天收购顺利完成，让公司一句成为全球第三大游戏公司；另一方面，作为 OpenAI 的最大「金主」，借着 ChatGPT 东风，微软又一跃成为科技巨头中的「AI 领头羊」。

目前，微软市值已打 2.73 万亿美元，和老对手苹果只差 9000 万美元的差距，反超似乎就在一瞬间。

最近，一单不太受关注的合作，似乎暴露了微软的下一步的目标——将游戏和 AI 结合起来。

不久前，微软和 AI 初创公司 Inworld 达成合作，将引入基于 AI 的「角色引擎」及「Copilot 助理」，为开发者提供一系列开发工具，以创建更真实、动态的 NPC。

对于此次合作，微软称「利用先进的 AI 技术，为游戏中的 NPC 注入更多的交互力和生命力，从而提升游戏的沉浸感和体验感。」

所以，Inworld 这家初创公司，到底凭什么拿到超过 1 亿美元的融资，并且抱上了微软的大腿？双方的合作，又会让 AI 对游戏产业造成怎样的影响？

01 如何打造 AI NPC？

三年前，一部好莱坞大片《失控玩家》（Free Guy）让大家意识到，一个有了自主意识的 NPC，可能会把一个游戏「霍霍」成什么样。

但事实是，如果一个游戏里的 NPC 真的能有「意识」，可能会帮游戏公司一个大忙。因为 NPC 这个东西，开发起来真的太麻烦了。

一款有着复杂剧情大型 RPG 游戏中，需要开发无数个 NPC。例如，《荒野大镖客 2》中有超过 1000 个 NPC 角色，每个 NPC 都有自己的歌手、美术作者和配音演员，分布在 6 个章节的 100 多个任务中，耗时近 8 年、研发成本接近 5 亿美元。

尽管如此，研究显示，52% 的玩家都在抱怨目前的 NPC「只会重复对话」，99% 的玩家在期待更智能的 NPC，甚至有 81% 的玩家愿意为其支付更多费用。

99% 的玩家在期待更智能的 NPC|图片来源: Inworld AI 官网

因此，Inworld 希望打造有「灵魂」的 NPC，通过用生成式 AI 来驱动 NPC 行为，使其动态地响应玩家的操作，从而提升游戏「沉浸感」，同时降低开发成本。

作为游戏界的新秀，目前，Inworld 获得的融资总额已超过 1 亿美元，公司估值也已经达到 5 亿美元，更是成为了AI+游戏领域资金最充足的初创公司。

可见，Inworld 的差异化竞争优势在于提供「个性化」的 AI 会话功能，而不是像 OpenAI 和 Google等老牌厂商，提供由通用的机器学习模型驱动的 AI 对话。

虽然加入 AI 大模型后，NPC 有了更多对话可能性，但面部手势、肢体动作、情感语气也要有相应的表现，NPC 才能更流畅自然地与玩家对话。

因此，Inworld 让文字、声音及图像成为相互训练的数据，并在以 GPT-3 为核心的大语言模型的的基础上，整合了多个大模型、音频模型以及 30 多个机器学习模型，打造了一个多模态开发引擎——「角色引擎」（Character Engine）。

这些模型专责内容生成、信息处理、情绪感知、关系维护和行为预测等多个方面，从而支持多模式角色表达。

因此，「角色引擎」（Character Engine）打造出的AI NPC 可以模仿人类互动的深刻社会属性，表现出「复杂」而「逼真」的人类行为，可用于任何角色设计，从而帮助开发人员增强游戏性，提高玩家参与度。这也正是 Inworld 的强大之处。

「角色引擎」（Character Engine）提供多模态的 AI 角色 | 图片来源: Inworld AI 官网

事实上，「角色引擎」（Character Engine）的技术架构着眼于构建一个模拟人脑的复杂系统，由三层组成，分别是角色大脑（Character Brain）、情境网格（Contextual Mesh）和实时 AI（Real-Time AI）。

角色大脑（Character Brain）：这层旨在用 AI 技术赋予 NPC 近似于人类的认知、沟通和行为能力，还能让 AI NPC 从互动中学习成长，用情商处理人际关系，并具有记忆和回想能力，能够自主发起目标、执行行动并遵循自己的动机，从而推动故事发展，融入更广泛的玩家体验。 情境网格（Contextual Mesh）：这层旨在通过允许开发人员为内容和安全机制、自定义知识和叙事控制设置参数，从而防止可能破坏叙事流程的 AI「幻觉」或违背游戏逻辑的互动，确保了 AI 角色在各种交互场景中的一致性和合理性。 实时 AI（Real-Time AI）：这层针对实时体验进行了优化，可提供可扩展的低延迟交互，实现以更快的推理速度和更低的成本实现高质量互动。