作为一个对游戏行业抱有憧憬的玩家，一直以来都有一个梦想就是去参加一次GDC（游戏开发者大会）。今年终于通过业务上跟游戏行业的一点点联系，有幸被公司派去参加GDC，公费实现了梦想。

第一次参加GDC，体验到全球最大规模的游戏人集会、见到不少自己崇拜的游戏设计师、现场观看IGF和GDCA颁奖，实在是极为兴奋的体验。我决定写下这篇笔记（游记），来记录这来之不易的一次GDC经历。

由于GDC更多的是学习体验，而今年又是处于AI技术浪潮之中的非常特殊的一年，我的笔记会主要侧重于个人选择参加的那些讲座内容。

GDC是一个非常奇妙的地方，你能见到技术创新者和媒介创新者这两群背景完全不同的人，在同一个会场宣讲着完全不同的思考回路孕育出的观点和内容，甚至还能发生奇妙的对话。

今年最有话题性的技术创新，毫无疑问就是AI。

如果在三四年前，说起应用于工业界的游戏AI，大家大多想到的都还是有限状态机、行为树之类。尽管在学界甚至其他的工业领域，每年都有大量新的AI技术被展示出来，游戏业界仍然仿佛与这一切脱节一样，使用着最原始的技术。

而这个状况就在最近这两三年发生了急变。与近几个月chatGPT引起的热潮相呼应，在今年的GDC上，尤其抢眼的是游戏大厂纷纷宣布在他们的生产线或者游戏产品中加入大语言模型（Large Language Models）。

这次GDC上所公布的最受瞩目的消息之一，就是育碧所推出的AI辅助NPC对话写作系统Ghostwriter。

说到AI写游戏剧本，可能很多人马上想到的是直接用chatGPT生成的文本作为游戏内剧情或者人物对话。但事实上Ghostwriter完全没有这么激进。它目前只用于跟游戏剧情主线无关的城镇NPC与玩家的闲聊，而且对剧本作者只是起辅助性的作用。

对一个NPC，剧本作者可以输入一个话题（比如“炫耀自己的钓鱼技能”），然后就能调用语言模型生成几个备选的具体的对话内容（比如“我钓到过的鱼比你想到的可多得多了”）。剧本作者可以选择他认为好的对话内容，这个选择同时也给了AI一个训练用的反馈信号（也就实现了类似chatGPT微调阶段使用的RLHF技术）。

AI根据话题提供对话内容也可以有几种加强模式：“幻想（hallucinate）”模式会在指定话题的基础上之上引入新的信息，比如如果输入“想要披萨”，就可能产生对话内容“我想要披萨、煎蛋和可乐”；“动机支点（Motivation Pivot）”模式会从给定话题中提取出高一阶的动机（比如从“想要披萨”中提取出“饥饿”），再重新产生符合高阶动机的句子（比如“我们去吃汉堡吧”）。

在去年刚刚成立了AI部门的史克威尔艾尼克斯，也公布了一些他们正在试验中的自然语言交互框架。在他们现场展示的Demo中，一个NPC正在与玩家对话，NPC介绍了故事中现在的事态状况，并提示玩家现在要去码头推动故事的进一步发展。而能够用自然语言与NPC自由对话的玩家，不仅可以用任何方式对NPC说“那我们现在去码头吧“，也可以跟NPC随意聊天，比如问NPC”你喜欢什么类型的游戏？“不论玩家在文本框中输入了什么，都可以得到一些回答，而不会像传统的文字冒险游戏那样，只要输入的文本不在设计好的指令集内，就会得到”非法指令，请重新输入“的回答。

在这样的自然语言交互框架中，一个主要的挑战就是在保证游戏剧本预先设计好的故事主线能够得到展开的同时，又要允许玩家与NPC无限自由地闲聊——我们既不能像传统的文字冒险游戏那样，直到玩家推动剧情之前都一直要求玩家重新输入，也不能简单地在NPC背后接入ChatGPT就万事大吉。

史克威尔艾尼克斯介绍了一种相对简单的处理方案：首先用一个自然语言理解（Natural Language Understanding）模块，去判断玩家输入的句子是否与任何预先写好的推进剧情的对话高度相似；如果找到的话，就让剧情向对应方向发展，否则就将玩家输入转移到自然语言生成（Natural Language Generation）模块，用类似chatGPT的技术来给出回答。

这个方法会有不少潜在问题，比如在玩家与NPC的多次反复的自由闲聊中，如何保持住NPC人设的前后一致，又如何保证自由闲聊中NPC说出的话不会与预先写好的故事线相互矛盾。我们期待大厂将来会给出怎样的解决方案。

除了大语言模型，我们也看到大量借助生成式AI提高内容创作效率的工具推出。

率先提出元宇宙概念的公司之一Roblox，在这次GDC上展示了积极引入生成AI的意愿。他们认为随着生成式AI的到来，创作和设计工具的重点将会从“为用户提供精确控制（fine-control）”转移到“捕捉用户的设计意图（capturing intent）”。Roblox也公布了他们的代码辅助工具和基于自然语言的材质生成工具。

在这次GDC上，虚幻引擎推出了备受瞩目的Metahuman Animator，在原来已经非常强大的Metahuman基础上，增加了快速创建角色面部动画的功能。

在展区中的虚幻引擎展台，工作人员现场演示了只要简单地用手机录一段自己进行面部表演的视频，将这个视频导入MetaHuman，就能将这段面部表演迁移到任何人物模型的面部（只在首次使用时需要花一些时间先建立表演者面部的映射）。

除了最近话题度最高的语言模型和生成式AI，我们看到一些在AI领域已经相对成熟的技术也终于开始应用于商业游戏。

比如加强学习（Reinforcement Learning），虽然直观上看很适合用于控制游戏内非玩家控制角色的行为，而且也是近几年来游戏竞技类AI中常使用的核心技术（比如AlphaGo和OpenAI Five），但在游戏业界始终还是难以撼动自动状态机或者行为树的地位。

在这次的GDC中，我看到不少关于加强学习的报告，而且还都是来自像育碧、史克威尔艾尼克斯这样的3A游戏公司。

史克威尔艾尼克斯宣布在他们的一款未公布的3A游戏中使用由加强学习驱动的敌人，并提出一套能够融入游戏开发工作流的加强学习训练框架，来解决在商业游戏中部署加强学习时会遇到的常见问题（比如游戏渲染操作造成的训练时间内耗、游戏机制的频繁更新修改导致加强学习的模型需要频繁重新训练等）。

育碧在已经发布的竞技类游戏Roller Champion中使用了基于加强学习的AI玩家。他们展示了AI玩家在训练过程中自发出现的一些非常聪明的游戏技巧（Emergent Behavior）。同时，他们也提出了这样的问题：AI玩家不应该单纯以“玩得更好”为目的，应该考虑到在此之上的更高阶目的，即“娱乐玩家”，而如何将后者编码成为加强学习中的奖励函数，是更具挑战性的问题。

GDC进行中的这一个星期，英伟达的GTC大会也同时在进行中，公布了机器学习模型更加强大的硬件和底层架构支持，以及Omiverse平台的重磅更新。OpenAI还同时宣布了ChatGPT可以调用互联网API，以及ChatGPT的App Store。我们正处于一个里程碑式的时代，一个想到未来十年觉得既兴奋又不安的时代的转折点。而这一个星期所发生的一切，都让这一点变得更有切实感。

周二的旧金山狂风暴雨交加，更是加剧了这种戏剧性的感受。

尽管我们处在这样一个被生成式AI的热潮冲昏了头脑的时候，今年的GDCA最佳创新奖，却颁给了一个毫无技术创新性的独立游戏《Immortality》。

在作者Sam Barlow的讲座中他提到，这是一个几乎“毫无游戏机制”的游戏。唯一的游戏机制大概就是用几百页Excel表格写的影片剪辑之间的跳转关系。

而像这样一个“使用着最笨的技术”的游戏，却能获得GDCA的最佳创新奖，让我相信，那些用心设计亲手雕琢游戏的传统”游戏匠人“们，还远远不会在各种AI技术的冲击下丧失他们的地位。

因为他们所做的事情与技术创新是完全不同的事情。”电子游戏“在很多人眼里可能更多是一种技术的载体。但在这些人眼里，”电子游戏“更加是一种媒介，一种艺术形式，一种信息传递的载体。在几乎所有人都在为技术创新而叹为观止的今年，还有一群人在坚守着他们创新媒介的工作。

当大厂在积极探讨着”AI技术的突飞猛进能让我们如何革命性地提升内容生产的效率，并如何用这种效率提升去堆叠出规模前所未有的开放式虚拟世界“，我们终于还是能在GDC上这些来自小团队和独立创作者们的讲座上，看到”内容“这个因为过度概括而显得枯燥而同质化的概念，究竟封装起了多少独一无二的生动鲜活的灵魂。

游戏《Immortality》的作者Sam Barlow，之前最著名的作品是《Her Story》。当年的《Her Story》在一个相对小众的圈子里引起了巨大的话题，因为它开创了一个侦探游戏的全新的思路——开放式解谜，其中作者不去设计谜团被解开的过程，而是将谜团原原本本地扔在玩家面前。《Her Story》中的玩家坐在警察局的一台电脑前面，通过271个时间顺序不详的审讯录像和简陋的关键字搜索视频的机制，去完全自由地探索一个英国女人的丈夫失踪之谜。

而Sam Barlow的最新作品《Immortality》，与之一脉相承。玩家坐在一台老式的影片剪接机（Moviola）前，看着一堆影片剪辑，去探索一个拍摄了三部没有上映的电影的女演员的失踪之谜。《Immortality》中的视频检索机制不再是关键字搜索，而是通过点击影片剪辑中的物件，跳转到这个物件出现的其他影片剪辑。

在另一个来自独立游戏Mini Metro的制作团队Dinosaur Polo Club的讲座《Expanding the "Miniverse": Designing Deep, Minimalist Games（扩展”Miniverse”：设计有深度的极简主义游戏）》中，设计师Tana Tanoi用”Miniverse”这个（听起来与3A大厂的诉求完全背道而驰的）概念，表达了一种用最“极简”的方式构建游戏世界的设计理念。这里的“极简”，不仅仅包括游戏资源素材（assets）的极简，还包括用最简洁的机制实现最有深度的玩法。讲座提出“模拟先行（Simulation First）“的设计原则：先做出最基本的游戏机制，省略一切美术、音乐音效、气氛，看看这个游戏在它最原始的形态下是否已经足够有趣了。

Andrew Shouldice将玩家可见的隐藏要素的提示之间的线索关系用一个网络的形式来表示，这样就能直观地从网络图上看出怎样的隐藏要素设计是好的。比如说，他建议在游戏早期引入多条看起来相互独立的线索，然后随着游戏的进行慢慢让它们朝几个共同的隐藏要素汇合，一些开始看起来好像只是相互无关的零散的隐藏要素，应该慢慢汇集成揭示游戏世界观的重量级信息。

来自我个人非常喜欢的游戏工作室Kitfox的叙事设计师Tanya X. Short，在讲座《Rules of the Game 2023: Deep Techniques from Distinctive Designers（独特设计师的深度设计技巧）》中，提出了她对游戏设计的一种独特视角：设计游戏是在创造一团（好的）乱麻（make a (good) mess）。她主张游戏应该具有足够的复杂性来脱离设计者的掌控，这样才有可能产生连设计者都没有想到的玩法；而游戏设计师的挑战则在于，如何去把握这种“失控”的方向，让它能向有趣而自洽的方向去失控。

对我来说这个讲座更多地成为了一个桌游和电子游戏的安利讲座。除了广为人知的《极乐迪斯科》，我发现还有《Citizen Sleeper》、《GNOSIA》、《Pathologic 2》、《city of mist》等等在电子游戏中还原桌面角色扮演体验的作品。（叙事类游戏爱好者狂喜）

在GDC的最后一天下午，我去参观了Experimental Game Workshop （实验性游戏研讨会），在这个研讨会上有十几个游戏设计师展出了他们的实验性游戏作品，并解释了这些作品背后的思路。这些作品都不是传统意义上“好玩”的游戏，但背后都有某种独特的思路或某种独特的情绪。

尽管从事AI研究相关工作，但比起那些AI技术讲座，我更喜欢听单纯的游戏设计师讲解他们的作品和背后的设计思路。AI技术毕竟只是工具，AI技术讲座也只是在教育人们如何使用工具。而这些用传统的方式创作着游戏的人们，却在向我们述说着他们向作品中注入了怎样的灵魂。

我为什么玩游戏？一个很重要的原因，难道不就是通过游戏走进这些有趣的灵魂吗？

今年是非常特殊的一年，在GDC上，我看到技术浪潮的推动者们和那些在浪潮中坚守初心的游戏人们同样真诚地诉说着他们的激情。我不禁好奇接下去几年的发展。

近一两年爆发式的AI技术发展会给游戏行业带来怎样的冲击？它会将人类的创造力极限引领到前所未有的高度，让我们看到前所未有的优秀作品吗？还是会像工业糖精大规模取代白砂糖那样，制造平庸的作品和量产的文化僵尸将优秀作品挤兑出市场？

这两群人会越走越近，还是会渐行渐远呢？

作者公众号： junjunstorytelling