前段时间AI参与游戏开发的相关争议大有逐步扩大的趋势，各大厂商对自家使用AI的情况进行了表态，有明确禁止的，也有在可控范围内进行使用或者说明的。AI参与游戏开发，似乎是一个特别的存在，特别在AI这种深度神经网络运作机制，也特别在”电子游戏“的特殊叠加属性上。我们可以用一套思想实验，从AI参与游戏的里里外外，尝试思考一下AI与游戏的关系，以及AI会带给游戏什么。

“上帝不会掷骰子”是爱因斯坦当初质疑量子力学不确定性原理提出的一个理论，他认为只要能掌握所有的规律法则，就能精确描述万事万物的运动规律和未来走向。虽然后来量子力学的研究证明了爱因斯坦的错误，但在当前AI的应用层面，尤其是当前主流的各种深度学习的网络模型里，这种“决定论”依旧是一个比较准确的描述。

AI所有学习模型里，一定跑不掉的是它的训练集。当训练集复杂到一定程度的时候，人是难以理清训练集元素之间复杂关系的，AI做的就是将这些复杂的线头打包成模型黑盒，保证对黑盒进行输入的时候能产生一个符合训练集特征的结果。也正因为是需要符合训练集，所以输出的结果一定逃不出训练集的范围。

这样一个AI的驱动结构，它在输出一个有确定答案的结果时候，展现的效率和答案置信度将会非常高，但在输出一个没有确定答案的结果的时候，它的结果更像是一种训练集特征和元素的复杂化排列组合。所以如果把AI应用到游戏开发的环节中，这个前提将反复与游戏开发产生碰撞，两种不同的解答应用模式将分别带来对游戏近乎相反的境地，而产生这种对立式结果的原因也是游戏的特殊性所在。

电子游戏，应当是一个计算机科学和创作艺术的结合体。它依托先进的计算机技术，进行一种更直观和先进的艺术创作表达，这里的“创作”是一种广义的概念，它吸收汇总了多种艺术创作形式，是综合艺术创作最前卫的形态。这里可以简易地将游戏拆分成两部分，一部分是计算机科学引领的游戏框架搭建，另一部分是艺术创作牵头的内容填充，这两部分也将是AI参与游戏开发的核心方向。

游戏框架搭建部分，计算机代码的特征意味着所有需要的结果都是一个确定答案，不同的代码写法更像是逻辑工具的掌握和运用层次的表现，实现的都是一种类似“我需要一个等于2的计算结果”的问题，这种问题上AI模型具有很高的效率和置信度。实际上AI早已广泛运用于计算机行业代码编写的辅助工作，并且逐步成熟和发展，从各种本地部署到现在游戏引擎已开始内嵌AI辅助工具指导游戏开发的全流程，再到现在发展到使用特定的AI模型，由人工调试参数，通过AI生成可直接落地的代码。这个流程从本质而言没有什么争议，一个追求效率和正确性的需求，会自然而然选择一个效率更高、正确性更高的SOP，但需要面对的是当科技发展带来的工种改革时，人们如何自处的问题——这里我们后面会谈到。

艺术创作部分，这里对应的就是另一种“没有确定答案”的输出。面对问题，开发者往往只有一个方向和大致的需要，但创作时难以明确知道我想要的什么，很多时候都是内容制作完拼在一起，通过“哦是这个感觉！”或者“emm好像不太对？”的整体体验感官来进行创作结果的审视。这是一个从创作过程到结果都没有确定标准和准确答案的情况，这种情况下，AI能做到的只是运用现有的训练集，通过寻找符合特征的成分重新组合，生成一个新的结果来帮助创作者“试错”，来辅助创作者寻找正确答案。

当然了“辅助”是一个理想化状态，我们寄希望于使用者存在一个“以自己创作思想为主“的高尚理想。更多的时候如果生成的辅助结果高度契合目标，往往也会变成人工简易修饰甚至完全不动，将AI生成结果为主落地应用。这里就会直接牵扯到艺术创作绕不开的议题：抄袭还是致敬。

我们总能在游戏相关的各种地方看到大家对于某个游戏的某个内容是否有抄袭展开争论，大家各自有一个关于问题严重性的评判指标，比如动作重复的程度，比如画面的重叠程度等等，当把类似这种评价标准放在ai生成的创作内容上进行比较时，可能有一些不一样的感觉。你很难发现重复的具体区域或内容，但你的直觉和观感又在告诉你有相似感，以至于现在有很多人总结出了一些所谓的“AI味”。

在创作方面，因为AI模型结构的原因，我们可以很明确的下定论，AI在生成一个没有确定答案的内容时，它的结果一定是我们理解意义上的“抄袭”训练集的。从技术角度而言，AI生成结果是运用训练集中海量的数据统计和寻找出的规律，对这些规律进行采样再重组的过程。可以类比一个多元函数f(x)，当模型训练深度较低的时候，这个函数的参数量较少，相对的训练集的特征打的没有那么散，重组过程中更多的能看到整块的相似内容；当模型训练深度提高，这个函数的参数量增加，训练集的特征打的会越来越散，一些整块会被更深度的拆解成参数间关系，得出来的结果看起来就没有那么直接的相关性特征。

这里有一个有意思的点，AI拆解训练集到创作的过程和人类艺术创作者学习的过程没有太大的区别：人类创作者学习是在观摩前辈大师的作品，从学习技法到学习风格再到学习思想，然后将这些内化成自己的创作理念并产出带有个人特征的作品，而AI学习训练集的过程也是如此，总结规律和相关性参数如同人的内化，输出的内容更粗暴也更机械化。

但是，AI的生成内容一定不是人们口中的“创作”，就像一个随着神经网络复杂度推进的光谱上，AI输出的内容由浅而明确的“抄袭”逐步变化为深而模糊的“致敬”，但永远无法突破光谱来到“创作”的新领域上。

这个界限的存在在于AI创作的无意图。人类创作者的创作一定有一个主观意图，他们对此内化和运用的其他创作元素或技法是去服务或满足一个更高的表达目的，可以直观理解为作品有“灵魂”。到了AI这里，生成的内容其实都是没有意识的，只是基于数学、程序逻辑的最优特征组合，如同一个没有自我灵魂的“弗兰肯斯坦”。这是很多创作者抵制使用AI的根源，它源自于从伦理层面的担忧，归根结底，AI生成的内容在人类创作者眼中，难以将其认定为作品创作，而且在没有真正的“创作型AI”出现，这个问题将永远存在。

除此之外，还有一部分人从“劳动价值被抹平”的社会与法律层面担忧，衍生出版权问题来质疑。如果单看这个法律问题，其实相对而言更好解决：使用一个版权完全可控的训练集，其训练出的内容一定没有版权问题，这也正是前段时间拉瑞安对AI使用的态度。但因为AI带来的潜在社会问题则是一个更复杂和深远的影响——这里我们留在宏观层面再想。

在AI参与游戏开发之前，针对游戏自身的特点和现状，我们制定玩家偏好假设和游戏开发偏好假设：

1、玩家对游戏中“有灵魂”的创作性内容被“没灵魂”的生成式内容替代存在负面情绪，负面情绪与被替代内容创作性要求的高度、替代生成式内容的创作性伪装程度成正比。

2、一个游戏总是追求玩家更少的负面情绪，因为它有助于开发者长远的口碑和游戏销量。

3、游戏开发者会尽可能让AI更多的参与到所有开发环节中。

这三个假设在有些视角下可能是错误的——比如后面从投资者宏观层面讲，第二个假说就存在问题——但至少当前语境下它是合理的。

在这三个假设下，游戏的所有开发环节都可以按照需求的确定性程度进行拆分，确定性越高的需求，某种程度意味着用AI生成式内容进行满足的置信度越高，最低的比如完全没有创作性关联且完全确定的代码编写需求。继续随着需求的不确定性提高，需要创作性工作的程度越高，其中可以进一度拆分出创作性较少功能性更高的内容创作作为进一步AI替代，这些替代需求会产生一些玩家的负面情绪。以此类推，可以得到一个随着AI生成式内容从需求向不确定性逐步替代带来的负面情绪提升曲线。从这个曲线来看，AI参与游戏开发仅适合那些确定性高的需求，最优节点为AI替换所有确定性需求且继续替代引发的负面情绪会让游戏远离最优状态。

但伴随着AI的参与同样带来的是开发效率提高和产出的稳定，这是另一个为游戏开发带来的实打实的变化。这方面的变化对游戏层面也许不是特别重要，因为从开发层面来说有些需求人类也能做到又快又稳，但对于宏观层面——那些手握资金、将目光放在整个项目的投资者而言，这些指标的意义将会被无限提高。

至于AI参与游戏对于宏观层面有着什么样的影响，我们将视角放到投资者身上，继续我们的思想实验，看看AI从产业上可能会给游戏行业带来什么