在很多非線性的游戲中，制作組往往會給玩家提供各種不同的劇情分支，并根據(jù)游戲中玩家行為、選擇的不同，來決定最終結(jié)局的走向。

這樣的游戲，既有《巫師3》、《2077》這樣的開放世界大作，也有《奇異人生》、《底特律：變?nèi)恕愤@類劇情互動類游戲。

盡管這樣的機(jī)制，是為了讓玩家覺得自己的選擇更有“意義”，更能影響游戲世界的命運(yùn)。

然而，玩過此類游戲的玩家都明白，其實(shí)各個(gè)不同的分支、結(jié)局，是早就已經(jīng)被編劇寫好了的。

在某些情況下，為了看到特定的結(jié)局，部分玩家往往會忍不住去查攻略，看看究竟做出怎樣的選擇，才能觸發(fā)特定的劇情。

如果不知道這些選項(xiàng)背后的劇情，選起來可能會很糾結(jié)

在這種情況下，游戲的走向和劇情，歸根結(jié)底是可預(yù)知、可控制的。

然而，基于此次GPT所帶來的各種AI革命，卻讓人看到了這類“多劇情選擇”類游戲更自由的可能。

一、沒有劇本的NPC

5月29日，在中國臺北舉辦的2023年臺北國際電腦展（Computex）上，老黃向人們展示了一種名為Omniverse Avatar Cloud Engine（以下簡稱ACE）的AI技術(shù)。

這個(gè)技術(shù)，簡而言之，就是讓游戲中的NPC具有了“即興創(chuàng)作”的能力。換句話說，NPC與玩家的對話，不再是基于已經(jīng)寫好的臺詞，而是會根據(jù)玩家的語音，進(jìn)行實(shí)時(shí)反應(yīng)和生成。

在這段演示中，玩家通過與拉面店的老板“閑聊”的方式，得知了城東邊一個(gè)犯罪頭目的蹤跡，并順帶接下了個(gè)支線。

而實(shí)時(shí)進(jìn)行的對話，則是由一套被稱為NeMo的系統(tǒng)生成的。

整個(gè)NeMo系統(tǒng)，可以分為兩大部分：NeMo Language技術(shù)是用于構(gòu)建、定制和部署語言模型的服務(wù)，它可以根據(jù)游戲設(shè)定和角色背景生成適合的對話內(nèi)容。

Dialogue Manager是用于管理對話狀態(tài)和策略的系統(tǒng)，它可以根據(jù)玩家的語音輸入和NPC的語言模型，決定NPC應(yīng)該說什么。

雖然英偉達(dá)的技術(shù)看似復(fù)雜，但早在該技術(shù)公布前，民間就早已有人弄了個(gè)“低配版”的NeMo。

具體做法是，在《上古卷軸》這樣的游戲里，以MOD的形式添加GPT-4到角色的對話系統(tǒng)中，再通過語音識別技術(shù)，讓玩家用說話的方式，實(shí)現(xiàn)與NPC的實(shí)時(shí)交流。

這類技術(shù)的問世，在讓游戲變得更生動的同時(shí)，也無意中讓一些游戲制作人夢寐以求的劇情機(jī)制，真正地有了現(xiàn)實(shí)的土壤。

而這些天馬行空的制作人，就包括了《生化奇兵》的設(shè)計(jì)師肯·列文，

在前段時(shí)間的采訪中，肯·列文表示，他的下一款游戲《猶大》（Judas）將采用被他稱作是“劇情樂高”的系統(tǒng)。從而更加突出“玩家驅(qū)動”的重要性。

實(shí)際上，關(guān)于“劇情樂高”的玩法，肯·列文在2014年的GDC演講中就進(jìn)行了探討。

在他的理念中，這個(gè)思路是將劇情拆分為最小的、可觸的組件，并將其不斷重新排列，類似一個(gè)個(gè)樂高玩具那樣，從而探索出廣泛劇情走向的方案。

在肯·列文看來，既然目前的游戲，已經(jīng)仿造出了一種基于真實(shí)世界的物理系統(tǒng)，那么對應(yīng)的，在劇情方面也應(yīng)該有這樣一個(gè)類似敘事的“物理引擎”，能讓一切劇情、角色自然地相互交流、互相碰撞。

在這樣的敘事系統(tǒng)中，敘事元素互動的關(guān)鍵點(diǎn)，將完全交給玩家。

然而，由于當(dāng)時(shí)（2014年）的AI技術(shù)遠(yuǎn)不及今天這樣發(fā)達(dá)，因此肯·列文的想法實(shí)施起來，必定會遇到很多技術(shù)上的困難。

一個(gè)顯著的技術(shù)難點(diǎn)是：如何讓這個(gè)龐大的、基于各個(gè)因素關(guān)聯(lián)起來的敘事系統(tǒng)，能夠自然而有邏輯的運(yùn)轉(zhuǎn)，并傳達(dá)出游戲所蘊(yùn)含的情感、基調(diào)？

在生成式AI突飛猛進(jìn)的今天，這一切似乎終于有了答案：

在之前提到的ACE等實(shí)時(shí)互動技術(shù)的加持下，編劇不必再煞費(fèi)苦心地構(gòu)思每個(gè)NPC的戲份、臺詞，它們完全可以用實(shí)時(shí)生成的對話策略和行為邏輯，自發(fā)地與玩家驅(qū)動劇情。

二、AI版DND

這種與NPC實(shí)時(shí)互動的方式，人工編寫的劇情分支，究竟有什么本質(zhì)上的不同？

我們可以通過一個(gè)假想的場景來進(jìn)行比較：

假設(shè)我們在玩一個(gè)以中世紀(jì)為背景的冒險(xiǎn)游戲，游戲中有一個(gè)魔法師NPC，我們在游戲中遇到了他，他向我們提出了一個(gè)問題：你知道這個(gè)世界上最強(qiáng)大的魔法是什么嗎？

在以往人工編寫的劇情分支中，玩家往往會面臨幾個(gè)固定的選項(xiàng)：

A. 我不知道，你告訴我吧——魔法師會告訴我們是時(shí)間，因?yàn)樗梢愿淖円磺?。隨后會邀請我們加入他的研究團(tuán)隊(duì)

B. 我不在乎，你別煩我。—— 魔法師會嘲笑我們是一個(gè)無知和愚蠢的家伙，之后向我們展示一種強(qiáng)大的魔法。

C. 我覺得是恐懼，你呢？—— 魔法師會奸笑地點(diǎn)頭，然后他會向我們透露自己的陰謀。

而如果使用實(shí)時(shí)交互技術(shù)來推進(jìn)劇情，我們將不會有固定的選項(xiàng)，而是可能會依據(jù)玩家個(gè)性、行為的不同，出現(xiàn)各種結(jié)果：

如果我們回答得很簡單或很模糊，比如說“我不知道”或“可能吧”，魔法師可能會對我們失去興趣，轉(zhuǎn)身離開。

如果我們回答得很粗暴或很無禮，比如說“你閉嘴”或“你去死吧”，魔法師可能會對我們發(fā)怒，并對我們施展一種強(qiáng)大的詛咒魔法。

如果我們回答得很幽默或很奇怪，比如說“我覺得是香蕉”或“我覺得是你媽”，魔法師可能會覺得我們很有趣或很奇特，問我們更多的問題或給我們更多的信息。

在這樣的機(jī)制中，由于每個(gè)玩家個(gè)性的不同，NPC對應(yīng)的反饋也會不一樣，而每段由此生成的劇情，也都將是獨(dú)特的，別人無法體驗(yàn)的。

于是，一個(gè)真正“千人千面”的游戲劇情系統(tǒng)，就由此形成了。

不過，這種“恣意妄為”的玩法雖然看起來很胡來，但也并非在游戲史上沒有先例，一個(gè)最類似的例子，就是很多人耳熟能詳?shù)腄ND跑團(tuán)機(jī)制。

DnD跑團(tuán)的玩法，簡而言之，就是一種角色扮演+多人互動+一定隨機(jī)性的機(jī)制。

游戲開始時(shí)，玩家可以創(chuàng)造或選擇各種角色，例如勇猛的戰(zhàn)士，或是狡詐的盜賊。

接著，游戲的主持人DM，會主持這些玩家的冒險(xiǎn)，讓他們經(jīng)歷某段劇情，對抗某個(gè)BOSS。

這個(gè)過程里，1/3靠玩家和DM的想象力，1/3是靠游戲的規(guī)則書，1/3是靠骰子來決定各種行為的成功與否。

在這樣的玩法中，玩家的想象力很大程度上決定了游戲的走向。

如果你愿意，你完全可以將香蕉當(dāng)成武器，去捅某個(gè)BOSS的鼻孔。

如果我們將與NPC實(shí)時(shí)互動的機(jī)制，與DND的玩法進(jìn)行對應(yīng)，那么由AI驅(qū)動的游戲角色，實(shí)際上就代替了DND中的主持人以及其他玩家。

在此基礎(chǔ)上，依靠著一定的隨機(jī)性，游戲在沒有編劇插手的情況下，就能讓玩家與NPC一直驅(qū)動著劇情走下去。

然而，為了避免這樣互動，徹底變成雜亂無章的隨機(jī)事件，以至于劇情的走向變得毫無邏輯，或偏離游戲主題，這個(gè)由AI驅(qū)動的劇情機(jī)制，也需要自己的“規(guī)則書”。

三、預(yù)知一切的AI

這樣的“規(guī)則書”，實(shí)際上就是整個(gè)游戲世界運(yùn)行的邏輯和規(guī)律。

在此基礎(chǔ)上，游戲能根據(jù)玩家的具體行為、決策，進(jìn)行相應(yīng)的推理預(yù)測，從而一步步構(gòu)建出整個(gè)游戲的劇情走向。

可問題是，無論是之前的各種“多劇情選擇”游戲，還是DND的跑團(tuán)機(jī)制，實(shí)際上都是在用人腦有限的想象，來模擬和預(yù)測玩家行為的后果。

而這種方式的局限性就在于，當(dāng)人們采取了“AI版DND”的玩法，即玩家與NPC實(shí)時(shí)互動的方式來驅(qū)動劇情后，由于每個(gè)玩家個(gè)性的不同，必然會造成NPC反饋“千人千面”的情況。

在這種情況下，用人工的方式，是幾乎不可能窮盡所有的結(jié)果的。

在《底特律：變?nèi)恕分校胂笕绱硕嗟姆种?，已?jīng)很不容易了

在這種情況下，人類就需要一種具有“預(yù)測”能力的AI，來代替自己進(jìn)行推理、想象。

而這樣的AI，在現(xiàn)實(shí)中也已經(jīng)出現(xiàn)了。

就在不久前，圖靈獎得主、Meta的首席人工智能科學(xué)家Yann LeCun，就勾勒了一個(gè)不同于當(dāng)前GPT的新型AI模型——世界模型。

而這類世界模型，與當(dāng)前的AI大模型最大的區(qū)別，就在于其可以通過觀察視頻的方式，來學(xué)習(xí)關(guān)于真實(shí)世界的大量背景知識，并由此推斷出什么可能，什么合理，什么不可能。

Yann LeCun構(gòu)想的世界模型，由六大部分組成

在Yann LeCun看來，大部分人類所擁有的知識（例如騎自行車、洗碗等），其實(shí)和語言無關(guān)，所以這部分內(nèi)容，僅通過文本來訓(xùn)練的GPT，是捕捉不到的。

而通過“看視頻”來學(xué)習(xí)的AI，與GPT相比，能夠更加準(zhǔn)確地把握世界運(yùn)行的各種“常識”。

例如，某個(gè)司機(jī)可能以前沒有在雪地上開過車，但他（很可能）知道雪地會很滑，如果開得太猛，車就會打滑。

而正是這種常識性知識，使人和其他動物不僅能夠預(yù)測未來的結(jié)果，而且能夠填補(bǔ)缺失的信息。

這也是為什么，在Yann LeCun看來，現(xiàn)在的GPT“連狗都不如”

于是，在具備了各種常識之后，這樣的AI模型，就能根據(jù)現(xiàn)實(shí)世界的規(guī)律，對各種事件進(jìn)行分析、預(yù)測。

在Yann LeCun的世界模型中，最復(fù)雜的是一個(gè)名為“世界模型模塊”的部分。

它有兩個(gè)作用：（1）評估感知未能提供的關(guān)于世界狀態(tài)的缺失信息；（2）合理預(yù)測世界的未來狀態(tài)。世界模型可以預(yù)測世界的自然演變，也可以預(yù)測由行為者模塊采取的一系列行動所產(chǎn)生的未來世界狀態(tài)。

在從各類事件中抽象出潛在的因果關(guān)系后。該大模型就能生成多個(gè)可能的未來狀態(tài)，并根據(jù)成本或目標(biāo)來評價(jià)和選擇它們。

而當(dāng)這樣具備了“預(yù)測能力”的AI，與NPC的實(shí)時(shí)互動技術(shù)相結(jié)合后，我們就不難想象，兩者會碰撞出怎樣奇妙的結(jié)果。

舉個(gè)假想的例子，如果世界模型在游戲中，想要設(shè)計(jì)一段“男主和女主在賽博朋克世界中，逃離壟斷企業(yè)追殺”的劇情。

它就會用預(yù)測器來猜測下一段電影的摘要，比如“男女主角最終逃過了追殺”。

但是它也知道這個(gè)預(yù)測不一定準(zhǔn)確，因?yàn)閯∏榭赡苡泻芏嗖煌淖呦?。比如“因追兵太多，男主為救女主角犧牲了?！?，或者“浮空車被擊毀，二人雙雙身亡”。

所以它用一個(gè)潛在變量來表示這些不確定性，比如“壟斷企業(yè)的實(shí)力”或者“男女主角的關(guān)系”。

這樣，“世界模型”就可以生成多個(gè)可能的劇情，并根據(jù)因果關(guān)系、世界觀設(shè)定來選擇它們。

有了這類AI技術(shù)的加持，也許在未來的某一天，真正依靠“玩家驅(qū)動”，并且在劇情上有著更多選擇、更自由可能的游戲機(jī)制，就將不再只是某些開發(fā)商宣傳時(shí)的夸大之詞了。