Google研究以機器學習方法來調整遊戲平衡

Google發展了一個機器學習技術,訓練模型作為遊戲測試人員,以調整遊戲平衡,研究人員透過將這個方法應用在數位紙牌遊戲Chimera(奇美拉)上,經過數百萬次的遊戲模擬收集資料,作為調整遊戲平衡的依據,不只使得遊戲設計人員能夠更有效率地讓遊戲變有趣,並且維持遊戲的平衡。

現在線上多人遊戲普及,對於遊戲設計的要求也越來越高,Google研究人員提到,玩家期待設計師能夠精心製作遊戲,並且保持平衡,畢竟使用單一策略就能獲勝的遊戲,對玩家並沒有吸引力。遊戲設計師通常會迭代調整遊戲平衡,透過收集遊戲測試人員數千次遊玩資料,結合回饋重新設計遊戲,這個循環會不斷地重複,直到遊戲測試人員和遊戲設計師滿意為止。

但這個過程非常的耗費時間,而且也難以達到完美的程度,因為當遊戲越複雜,微小的缺陷就越難被發現,而且遊戲通常具有許多不同的角色,當存在數十種相互關聯的技能,要達到平衡就越困難,因此研究人員借助機器學習技術,試圖讓遊戲設計的過程更簡單快速。

研究人員開發了一款稱為Chimera的紙牌遊戲,並在開發過程仰賴機器學習,研究人員刻意讓Chimera紙牌遊戲擁有較大的狀態空間,使得遊戲開發人員難以用傳統的方式,來手刻人工智慧代理遊玩遊戲。

由於較大的狀態空間,以及不完整的資訊,使得Chimera對機器學習來說較困難,研究人員受到AlphaGo等遊戲代理的啟發,在訓練中使用卷積神經網路,並在創建初始模型之後,讓人工智慧與自己對戰,並且反覆收集遊戲資料,再用於訓練新的代理,每次迭代都會讓訓練資料的品質提高,代理遊玩遊戲的能力也會增加。

這樣的方法可以在短時間,收集比真實玩家多數百萬次的遊戲資料,研究人員透過分析遊戲結果,發現兩玩家手牌間的不平衡,研究人員提到,由於Chimera遊戲的核心是希望玩家手上的奇美拉,可以不斷進化,進化次數越多的玩家,獲勝機率也就越高,但他們發現遊戲平均的進化次數沒有達到預期,反而是遊戲中的暴龍,壓倒性地成為獲勝關鍵,只要最終成為暴龍就能獲勝,甚至可以忽略遊戲懲罰。

另外,遊戲中的兩牌組,分別是Evasion Link Gen牌組可增加進化合成獸的能力,而Damage-Heal牌組則可在治療的同時,造成些許的傷害,在遊戲設計時,他們原本預計這兩牌組具有相同的強度,但是實際上,Evasion Link Gen牌組在與Damage-Heal牌組對戰時,獲勝機率為60%。

根據這些發現,遊戲設計人員微調了遊戲,除了降低Evasion Link Gen牌組的加成,並且對暴龍加入額外的冷卻時間,經人工智慧自我對戰後,遊戲發展往更理想的方向前進,每場遊戲的進化次數增加,暴龍的能力也被削弱。

但經過調整之後,各牌組的勝率仍然沒有改變,還是維持在60:40,研究人員增加了兩玩家的初始生命值,以及治療法術可以補充的生命值,使得遊戲時間更長,讓玩家可以發展更多樣化的策略,並且縮小最強與最弱生物間的差距,最終使得兩牌組的勝率都接近50%。

測試雛形遊戲不平衡的狀態,通常都需要數個月的遊戲測試,但是透過這種方法,遊戲設計人員可以發現潛在的不平衡狀態,並且在數天內迅速進行調整,以修復不平衡的狀態。另外,研究人員還提到,現在神經網路已經可以快速地達到與人類相似水準的程度,因此不只能可以用來指引新玩家,還能用來發現意料之外的策略,使得遊戲開發有更多可能性。

原文來自 iThome Online