# GPT\-4o 打《黑神话·悟空》！AI「马喽」拿捏 Boss ，胜率超人类

- 作者：山宗
- 发布时间：2024-09-29 16:56
- 分类：产品、公司
- 原文：https://www.ifanr.com/1600785

![](https://s3.ifanr.com/wp-content/uploads/2024/09/99999.png)

> 《黑神话·悟空》这个游戏就一个怪吗？

我承认，当朋友对我发出这样的质疑时，那一刻，我破防了。

从意识到必拿下杨戬，到必撑死虎先锋，我只花了不到半天的时间，而如果想通关《黑神话》，我们能够指望 AI 吗？

翻滚闪避，拉开距离，精怪的行动尽收眼底。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/1-9.gif)

时机一到，天命人猛地挥出重棍。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/2-8.gif)

借助 AI 的力量，一套丝滑连招下来，Boss 被拿捏得毫无还手之力，不知馋哭多少游戏手残党。

阿里研究团队最近提出了一个 VARP 智能体框架。而这个 AI「马喽」正是出自他们之手。

可以说，不是外挂，却胜似外挂。

### 直面大圣的 GPT 们，还真不比人类差

AI 直面大圣，其实也没那么复杂。

传统上，游戏 AI 靠的是游戏 API 来获取环境信息和可执行的动作数据。但问题是，并不是每个游戏都愿意提供开放的 API，或者即使提供，有的 API 也缺胳膊少腿，很难满足实际需求。

而且，传统方法也总感觉少点什么，无法完全模拟人类玩家的真实游戏体验。

基于此，阿里研究团队提出了一个新的 VARP（Vision Action Role-Playing）智能体框架。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/3-5.gif)

VARP 智能体框架在接收输入的游戏屏幕截图后，通过运用一组 VLMs 进行推理，最终生成 Python 形式的代码来操控游戏角色，包括一系列原子命令的组合，如轻攻击、躲避、重攻击和回血等。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/4-18.png)

VARP 包含三个知识库：情境库、动作库和人类引导库，以及两个系统：动作规划系统和人类引导轨迹系统。

简单来说，动作规划系统相当于图书馆管理员，负责从情境库和可更新的动作库中找出最合适的资料。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/5-14.png)

系统根据输入的游戏屏幕截图，挑选或生成符合当前情境的动作，然后这些动作和情境会被存入或更新到这两个库中。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/6-2.gif)

而人类引导轨迹系统则利用人类操作数据集来提升VARP 在复杂任务中的表现，比如寻路任务和高难度战斗任务等。

在动作库中，「def new\_func\_a()」表示由动作规划系统生成的新动作，而「def new\_func\_h()」表示由人类引导轨迹系统生成的新动作。「def pre\_func()」表示预定义的动作。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/7-10.png)

在上文提到的《黑神话·悟空》游戏中，研究团队设定了 12 个任务，其中 75% 涉及战斗，并使用包括 GPT-4o、Claude 3.5 Sonnet 和 Gemini 1.5 pro 等 VLMs 进行了基准测试。

结果显示，VARP 在基本任务和简单到中等难度的战斗中，胜率高达 90 %。但在面对高难度任务时，VARP 的表现容易掉链子，整体水平仍然不如人类玩家。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/8-1.gif)

此外，VARP 智能体在处理游戏中的决策时，因为依赖于视觉语言模型（VLM）的推理速度，所以不能够实时地分析每一个游戏帧（即游戏画面）。

换句话说，它不能像人类玩家那样，几乎瞬间对屏幕上发生的一切作出反应。相反，它只能每隔几秒钟处理一次游戏画面，选择一些重要的帧（关键帧）来进行分析和决策。

《黑神话·悟空》上线时曾被吐槽没有明确的地图，且存在大量的「空气墙」，所以在没有研究人员的辅助下，AI 也会像无头苍蝇一样找不到 Boss。

生成式 AI 点燃了世界变革的火种，而在它尚未涌入大众视野之时，普通人对 AI 更直观的羁绊或许大多源于游戏。

### 在电子游戏史上，AI 远比我们想象的重要

可能很多人都没想到，最早一批搭上 AI 快车的游戏会是经典街机游戏《吃豆人》。

玩家胜利的前提是吃掉迷宫内的所有豆子，而哪些看似傻乎乎的彩色鬼魂则拥有不同的追击算法，它们会以不同的路径和方式对玩家展开围追堵截。

每个鬼魂的算法招数异常简单，也缺乏任何学习能力，一旦玩家摸透了这些规律，游戏的挑战难度便会直线下降。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/9-10.png)

1987 年推出的《合金装备》则标志着游戏 AI 的另一个重要里程碑。

游戏中的 AI 角色开始展现出更为复杂的行为模式，并首次引入了对玩家的敌对反应机制。在这款游戏中，如果玩家被敌人发现，敌人会触发警报系统，呼叫增援，改变巡逻路线，甚至设置陷阱。

再后来，如果粗浅地将 AI 与游戏的发展历程用一连串标志性事件罗列出来，大致如下：

- 1997，IBM 的「深蓝」在国际象棋比赛中击败人类世界冠军，标志着 AI 在棋类游戏中的重大突破。
- 2004 年，《半条命 2》发布，游戏中的 AI 角色能够进行更复杂的决策和互动，提升了游戏的沉浸感。
- 2011 年，IBM 的「沃森」在智力问答节目《危险边缘》中击败了人类冠军，展示了 AI 在自然语言处理和知识推理方面的进步。
- 2016 年，AlphaGo 在围棋比赛中击败了李世石，标志着 AI 在复杂策略游戏中的重大突破。
- 2018 年，《荒野大镖客 2》发布，游戏 AI 角色和环境互动水平大幅提高，提供了高度逼真的游戏体验。
- 2020 年，英伟达推出了 DLSS 技术，利用 AI 加速图形渲染，提升了游戏的性能和画质。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/10-12.png)

置于当下的游戏环境中审视，游戏依然主打一个陪伴，而 AI 则如同一台放大器，将这份陪伴放大了无数倍。

在今年的 CES 展会上，英伟达使用 Avatar Cloud Engine（ACE）让游戏 NPC「活」起来，也借此火爆出圈。

在名为 Kairos 的演示中，玩家能够与拉面店老板 Jin 进行互动。虽然 Jin 只是一个 NPC，但在生成式 AI 的帮助下，像真人一样回答问题。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/11-1.gif)

AI 与游戏的结合也总是让人感到既爱又恨。

就拿竞技类游戏来说吧，过往的做法只是生硬地调整难度，而现在则是模仿人的操作，让游戏体验更加真实。

支持者认为，当模拟人类的 AI 成为对手或队友的时候，反过来也能提升因缺乏真人玩家所带来的游戏竞技感。

而弊端也正在于此，玩家的的留存率是提高了，但在系统的操控下，玩家们也逃脱不了被 AI 玩弄的漩涡。

前期豪言壮语，中期胡言乱语，后期沉默不语。

当我们熬夜通宵只为再赢一把的时候，已经很难说清楚究竟是我们在玩这个游戏，还是这个游戏在玩我们。尤其当你意识到队友可能是 AI 时，那种无力感就像是拳头打在了棉花上。

心里也软绵绵的，毫无着力点。

### 老黄预言家！未来游戏或将由 AI 生成？

即便是代码小白，也能用 AI 手搓游戏。

这放在几年前，估计只能在梦里想想了，但生成式 AI 到来让这一切有了落地的实际空间。

往小了说，创建一个 GPTs 玩起故事剧本杀，再大了点说，那就是 AI 辅助生成的小程序游戏，虽然互动性差点意思，但胜在画面精美丰富。

再往大了说，甚至未来连 3A 大作级别的游戏，都有可能直接通过 AI 渲染生成。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/16-5.png)

去年英伟达创始人黄仁勋曾预言，未来游戏中的每一个像素都将被生成，而不是渲染。当时这话说的时候，但大家可能还半信半疑，但现在，越来越多的研究成果给这个落地找到了可能性。

通常，制作一款小型游戏的环境可能需要一周时间，对于工作室项目，创建游戏环境可能需要更长的时间，具体取决于设计的复杂程度。

上个月，Google DeepMind 公布了首个「AI 游戏引擎」GameNGen。

它能够在单个 TPU 芯片上以超过 20 帧每秒的速度实时模拟经典射击游戏《毁灭战士》。其工作原理是利用扩散模型实时预测每一帧，这意味着，游戏中的每一刻都是根据玩家的操作和环境的复杂互动实时生成的。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/13-1.gif)

当时，英伟达高级科学家 Jim Fan 不禁感慨，被黑客们在各种地方疯狂运行的《毁灭战士》，竟然在纯粹的扩散模型中实现了，每个像素都是生成的。

再后来，类似更多成果也正在涌现。

前不久，腾讯也放了大招，推出了一款专门面向 3A 开放世界游戏的大模型——GameGen-O。

GameGen-O 可不简单，它能够模拟各类 3A 游戏，比如《巫师 3》、《赛博朋克 2077》《刺客信条》以及《黑神话：悟空》里的角色、动态环境，以及复杂动作等，生成的游戏场景质量也很高。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/14.gif)

为了构建数据集，下血本的腾讯搜集了超过 32000 个游戏视频，每个视频短则几分钟，长则几小时，然后经过人工数据标注挑选了 15000 个可用视频。

这些精选的视频通过场景检测被切割成片段，然后按照美学、光流分析和语义内容进行了严格的排序和过滤。

美国游戏开发商 Electronic Arts 最近也通过一段「从想象到创造」视频，向业界展示了未来 AI 在游戏开发落地的美好愿景。

视频中，玩家仅凭简单的指令，就能使用 AI 工具创建游戏场景、角色和其他内容。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/15.gif)

CEO Andrew Wilson 称未来生成式 AI 可改进公司一半以上开发流程，预计将在三至五年内设计创造更大、更身临其境的游戏世界。

AI 不仅能够提升现有游戏的开发效率，还可能创造出全新的游戏体验。

也许你会说，不管游戏用的是什么高大上的技术，归根结底，好玩才是王道。

但在 GTA 6 反复跳票，迟迟不见踪影的情况下，我们或许也会萌生一种自己动手、丰衣足食的念头。

毕竟，如果未来能亲手打造一个「罪恶都市」，感觉好像也还不错。