AI人工智能如何延展遊戲型態 (2)
- 互動, 其他, 專題
- 電玩遊戲、人工智慧、互動體驗
上一篇我們介紹到將原本在電玩遊戲中只具功能性的AI配角，賦予了更多的能動性，當AI成了玩家自身後，基於研究人員定義的遊戲生存機制，AI們形成了有如自然界生物般的行為模式。
基於對AI偌大可能性的探索，OpenAI於2018年舉辦的 AI 強化學習競賽Retro Contest，亦推進人工智能在遊戲環境上的可塑性，其中最有趣的就是發現AI竟然也會作弊！這場競賽進行的方式相當好玩，就是讓AI去玩二十幾年前相當火紅的單機遊戲《音速小子》，參賽的團隊在短時間內訓練AI，讓其掌握遊戲的規則和操作方式，一一從不同關卡破解、學習，最後演算出最有效率的闖關策略。
AI的最高目標是優先獲得最高分數，並在盡可能短的時間內闖關完成，一般來說，我們在玩《音速小子》的時候，以打擊敵人和吃金幣來獲得分數，然而AI卻出乎意料的繞過正常玩法，透過遊戲的Bug來完成任務。
像是下列展示的遊戲畫面，按照遊戲設計師的想法，玩家需要等待上下移動的電梯之間出現空隙，耐心的一層一層往下移動通關，不過呢，參賽團隊除了原本的最高目標之外，另外增加對遊戲環境探索的鼓勵以及其進一步迭代的策略效果，結果激發了AI不合遊戲常規的玩法。
如果僅僅給予原始的目標條件，AI容易因為過於簡化的目標導向困在關卡障礙中。
而如果加以鼓勵探索行為，AI逐漸學會了複雜的上下樓動作，最後甚至發現了得以穿越牆面、超前闖關的Bug，轉眼間直接進階到下一個關卡環境。
逼近的石牆關卡，AI也是一樣利用「捷徑」Bug成功脫逃。
從AI的找Bug能力，而至打開有如遊戲宇宙裂口的AI遊戲研究案例，還有來自弗萊堡大學（University of Freiburg）研究團隊的發現。他們計畫訓練AI在街機遊戲Q*bert裡找到最高效的遊戲策略，Q*bert是一款1982年的經典遊戲，玩家在總共6層共21個方格之間跳躍，每次可跳到鄰近一格，一但踏上格子會使其變色，而玩家需要將每格變成特定顏色才可過關，如果玩家遭遇到敵人，或是在邊緣跳出格子便結束遊戲。
訓練過程中演算法開始出現了非常人邏輯的遊戲策略，譬如AI會故意站在邊緣，引誘敵人前來再縱身跳下方格，透過自殺來殺死敵人，這種逆反生存邏輯的玩法，來自其學習到透過殺死敵人可以獲得足夠的分數重獲生命，週而復始的集體自殺戰術，則可讓分數不斷的升高。
另一種更難以設想得到的得分策略，則來自AI發現了遊戲設計的漏洞，我們只看到AI看似隨機的在格子間快速的跳躍，然而突然之間，所有格子開始同時閃爍不同顏色，這個時候只要玩家不斷移動跳躍，就可以輕鬆的獲得高分。這樣的實驗結果甚至已經超乎遊戲設計者戴維斯（Warren Davis）的預期。
直至現今，我們對於機器學習仍無法完全掌握和理解，但或許也因為這個難以企及的未知，AI得以提出人類邏輯之外的答案。從上述的例子來看，AI玩家為求分數、不擇手段的玩法，似乎喪失了最初遊戲「玩」的意義，陷入了機械式的輪迴中，然而若我們保持開放態度，看待和AI交互互動產生的創造性，人工智能找Bug的能力，也許能幫忙點出人類的盲點，進而顛覆人類世界既有機制中不完善處，探勘出新的裂口也不一定？
