新火種
2025-02-25 
AI生成的游戲模型，探索自由開發世界的創意實踐
編輯丨&
AI 產業的快速發展可以通過支持人類創意來來改變創意產業，但模型的限制帶來了將這些技術更充分地集成到創意實踐中的關鍵挑戰。迭代調整和發散思維仍然是利用技術實現創造力支持的關鍵，但這些做法沒有得到最先進的生成式 AI 模型的充分支持。
英國劍橋大學的團隊引入了一種最先進的生成模型，即世界和人類行動模型 （WHAM），證明了它可以生成一致且多樣化的游戲序列并持久化用戶修改。隨后，名為 WHAM Demonstrator 的概念原型被用于支持對創意用途的探索，并進一步研究支持創意實踐所需的模型能力。
與以前需要為相對狹窄的領域手動定義或提取結構的創造力支持工具方法相比，生成式 AI 模型可以從可用數據中學習相關結構，從而為更廣泛的應用開辟了潛力。
他們的工作成果以「World and Human Action Models towards gameplay ideation」為題，于 2025 年 2 月 19 日刊登于《Nature》。
模型的探索研究
生成式 AI，它使用機器學習模型生成文本、圖像、音頻、音樂、視頻或電子游戲的游戲序列，在整個創意產業中迅速得到應用。但研究表明，生成式 AI 功能往往達不到創意人員的期望，這為將這些技術更充分地整合到創意實踐中帶來了不小的困難。
他們的工作通過游戲行業的視角來探討這一領域，因為它提供了一個很好的用例來探索如何創新 AI 功能以支持創造力。3D 游戲開發的復雜性需要多樣化的創意技能，模型就如何構建生成式 AI 以支持所有創意職業給出了幾個觀點。
最重要的是，游戲是全球娛樂業最大的行業，目前擁有超過 30 億受眾。因此，游戲工作室正在探索 AI 如何幫助他們滿足對新內容日益增長的需求和期望。
圖 1：已識別的模型功能。（圖源：論文）
目前的工作建立在計算創造力交叉領域的豐富研究經驗和程序化內容生成之上。今天的生成式 AI 方法具有巨大的潛力，它們可以從適當的訓練數據中學習復雜領域的豐富結構，無需耗時的手動制作這些結構。
為了更好地了解游戲開發中創意人員的需求，科研團隊對不同的多學科創意團隊進行了半結構化訪談。受邀團隊會與設計探針進行互動，它提供了一組虛構但具體的潛在生成式 AI 功能來激發思考。
在完成了采訪并對相關數據進行分析后，他們確定了兩個對 AI 模型開發有影響的主題：創意人員需要將他們的發散性思維的多樣性融入到一個一致的游戲世界中，以實現有意義的新體驗；為了體驗創意代理，創意人員需要能夠自主控制迭代過程。
WHAM 模擬了現代視頻游戲隨時間推移的動態。它基于人類游戲數據進行訓練，以預測游戲視覺效果和玩家的控制器動作。根據用戶對該模型生成連貫的游戲情況的提示，它展示了一致性和多樣性以及持久化某些用戶修改的能力。
圖 2：WHAM 概述。（圖源：論文）
事實證明，為創意人員提供多樣化的選擇可以通過激發新想法來支持人類的創意構思。因此，旨在支持創造力的生成式 AI 模型應該生成反映一系列不同潛在結果的材料。
由于可能性的空間是廣闊的（包括游戲機制、其他玩家以及游戲中的隨機性），團隊將評估的重點放在模型捕獲人類玩家行為的全部多樣性的能力上。如果模型能夠在保持一致性的同時產生這種多樣性，那么生成的游戲序列將反映合理的人類游戲的全部多樣性。
小結
該團隊提出了一項針對不同游戲創意的用戶研究，通過該研究，確定了在開發旨在通過迭代實踐和發散性思維支持創意構思的 AI 系統時應優先考慮的三種模型能力：一致性、多樣性和持久性。
這些工作為機器學習研究人員提出了新的創新途徑，這些途徑不同于那些針對不支持創造力的模型的途徑。模型評估可以而且應該有目的地根據人類創意人員的要求來指導，以推動創新朝著正確的方向發展。
WHAM 的演示功能展示了現代生成式 AI 模型的潛力，無需先前的領域知識即可從相關數據中學習越來越復雜的結構。鑒于 WHAM 完全從游戲數據中學習了這些結構，團隊預測，這些結果可以在廣泛的現有游戲中復制，并最終推廣到新的游戲種類。
WHAM 等生成式 AI 模型的主要新穎之處在于，它們消除了為各個領域手工制作或學習特定領域模型的需要，這使得諸如此類的模型創新可能會將創造力支持擴大到其他領域。
原文鏈接：https://www.nature.com/articles/s41586-025-08600-3
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
