Eidos 探索机器学习游戏 AI：不再靠写死行为树，让 Boss 聪明又好玩

玩动作游戏被 Boss 虐得想摔手柄，或者嫌敌人太呆像在按剧本走位，大概是每个玩家都经历过的事。以往要把敌人的反应调得恰到好处，背后是一群策划和程序员在庞大的代码树里反复拔河。

在 Unreal Fest 2022 上，来自游戏工作室 Eidos-Sherbrooke 的机器学习专家 Romain Trachel 和 Alexandre Peyrot 拿出了一个新玩法：他们试着用机器学习模型，接管游戏敌人的大脑。

把虚幻引擎当感官，机器学习当大脑

传统的游戏 AI 大多依赖行为树。策划要一层层罗列变量和分支条件，一旦要调整难度，就得在无数个逻辑分叉里找平衡，改动起来牵一发而动全身。

Trachel 和 Peyrot 的做法把这套逻辑拆开了。他们利用虚幻引擎原生的环境查询系统（EQS）收集空间环境数据，当作 AI 的眼睛和耳朵；后端的机器学习模型则充当大脑，根据这些感知数据实时决定该怎么行动。

他们在现场演示了一款类似《吃豆人》的俯视角猫鼠追逐游戏。玩家在地图上收集光球，敌人负责追击，但敌人的巡逻和围堵全都没有写死脚本。如果策划想让敌人追得更凶，只需要在 EQS 测试里调高一个参考数值，不需要去重写底层的决策分支。

AI 太聪明，反而不是好事

很多人以为用上 AI 就能做出完美敌人，但做游戏最怕的恰恰是 AI 太有效率。

两位研究员曾测试过一个多输出模型，它不仅能预测玩家的路线，还能推算玩家吃球的得分节奏。结果这个高智商模型学会了最务实的一招：直接蹲守在关键光球旁边守株待兔。从胜率上看这很聪明，但从游戏体验来说，玩家被伏击得毫无还手之力，乐趣直接归零，最终这套方案根本没敢拿出来展示。

Trachel 和 Peyrot 坦言，他们的目标不是造出像 Deep Blue 或 AlphaStar 那样碾压人类的怪物，而是给开发者减负。游戏测试公司 Modl.ai 的联合创始人 Julian Togelius 也持类似观点，他们五年来一直用机器学习 Bot 在游戏里四处乱撞，寻找画面 Bug 和无法通关的死局，目前还在研发能跨游戏模拟真实玩家习惯的深度学习模型。

为什么重要

我们认为，这项实验最大的价值不是技术有多颠覆，而是它找准了游戏 AI 的真需求：玩家要的从来不是最强的对手，而是最好的陪练。

在竞技领域，AI 可以不择手段拿最高分；但单机和动作游戏本质上是一场心理按摩。如果把胜负当唯一目标，AI 会像那个守球的敌人一样无聊到底。Eidos-Sherbrooke 这套方案聪明的地方在于，它没有把老工具推倒重来，而是将机器学习塞进虚幻引擎现有的 EQS 框架里，把程序员从繁杂的行为树微调中解放出来。

不过隐患也很明显。黑盒化的机器学习模型天然缺乏确定性，游戏策划最在乎节奏的掌控权。如果 AI 偶尔抽风做出怪异举动，排查和修正的成本可能比改传统逻辑还要高。短期内，这项技术更实际的落地场景大概率不在游戏正式版的 Boss 身上，而是在 Modl.ai 那样的自动化测试和难度验证里，帮团队提前把枯燥的死角试个遍。