此前，英伟达曾展示了一项名叫2Shot 的技术，让开发者更轻松地从真实世界中提取材质，应用到游戏中：只需分别打开和关闭闪光灯，用手机拍摄两张对象材质的照片，计算机将对它们进行自动处理，几分钟后即可生成素材文件。

       2Shot极大降低了开发者优化材质的技术门槛，但它仍有很大的提升空间。更重要的是，2Shot已经证明了机器学习和神经网络在游戏开发方面的应用前景。通过机器和神经网络技术，对卷积神经网络进行大量的图片训练，该神经网路就可以在很短的时间内将这种图片纹理应用到另一张图片上并渲染完毕，生成素材。

       而除了快速生成美术素材，游戏中的声音处理也同样能够依法炮制。声音是极其占用游戏容量的存在，因此设计人员往往会尽可能用统一的语句来应用到不同场景中，来减少游戏容量。

       随着人工智能的加入，完全可以实现将真人声音数据化，让AI反复学习其音频文件不同语气下的声波特性，最后在游戏中实现用计算机生成配音，开发者只需要将所说的话以文字形式储存在游戏中，再进行不同语境下的对文字进行数据标注即可。这样不仅节省游戏空间，还能够快速生成富有特色的角色原声。

       Google 旗下的英国人工智能技术公司DeepMind在去年训练了一个名叫“WaveNet ”的人工智能，让计算机生成的语音和人类原声越来越难以区分。

AI辅助设计游戏情节

       通过已经由人工设计好的基础性逻辑，经过人工智能的深度学习后，就能够由人工智能生成更多的行为，应用到游戏中后形成更丰富的逻辑行为，这就是人工智能在设计游戏AI中的逻辑。

       利用人工智能在已经设定好基础规则的前提下观察更多可能性，从而影响到游戏开发的整体进程。游戏开发公司Nival曾经为2015年发售的RTS类型游戏《闪电战3》中，开发了一个名为Boris的神经网络决策AI。

       在一则演示视频中，Boris可以在明显具有劣势时消极应战而非拼死顽抗，以起到保存火力的目的。更有趣的是，当双方对抗占点时，Boris 会选择性忽视那些挡路的残血敌军，优先抢点再等待机会击杀——这一特征显示出了Boris AI 对不同奖励级别的理解，能够优先追求与全局获胜关系更大的奖励。

       自动驾驶模拟器Deep Drive的出现，让人们可以想象未来AI也许会获得生成任务、关卡、剧情的能力，以至于可以独立完成一个完整的游戏。在卡坦萨罗看来，游戏行业即将进入一个新的AI 时代：用AI 来辅助设计和开发游戏，而且质量并不逊于人工制作。

观察

游戏会是AI更好的落地入口

       去年年底发布的《2016年中国游戏产业报告》披露，去年中国游戏行业实际销售收入达1655.7亿 用户达5.66亿人。而AI技术的引入，无疑会进一步扩大这个庞大而活跃的人群，从而形成良性循环。

       AI技术提高游戏趣味性，使用户粘性与使用时长提高，进而将帮助AI获取更多数据，从而提升AI的学习能力，反过来又会进一步提高游戏趣味性。不妨大胆设想一下，随着机器学习的飞速进展，也许玩家很快就能在游戏里见到活灵活现的虚拟人物了，他们或许会比人类玩家更厉害，正如人类在围棋领域所面对的Alpha GO。

       必须强调的是，游戏的现金流跟变现能力将帮助AI更好的在游戏领域落地。与此同时，强大的现金流也更能凸显AI价值，还能反哺和吸引AI研发人员，盘活整个产业链。

       可以预见的是，随着AI技术的进一步落地和深入，AI也会应用在相对大众化的游戏里，为玩家、市场带来耳目一新的感觉。

       与此同时，在人工智能的浪潮之下，为玩家提供个性化服务，具有高游戏智商人工智能系统的游戏开发商与运营商或将在这一轮新的浪潮之下获得巨大的收获。