机器学习与游戏的思考

邱梁东 电子科技大学计算机学院

1 广告

个性化强是游戏广告的主要特点之一，并且手机游戏玩家就拥有相对较广的分布范围，同时在玩手机游戏的过程中不会受到时间和地点的限制。游戏方如果要将广告的力度推行到最好，获取最大的利益地有效进行游戏广告传播，需要做到合理定位，玩家的数据信息比如年龄、性别、爱好是可以量化的，手机游戏也包含重度游戏、中度游戏、轻度游戏三个类型[1]，不同类型的游戏在玩家上线时间、投入金钱以及忠实度可以分类并且具体计算化，同时广告的收益也能够估计数制，所以机器学习能够给广告的投放提供一个良好的决策方案，有效地使广告内容与玩家之间实现点对点的传播。

2 游戏 AI

2.1 博弈与棋牌

博弈一直是人工智能的重要分支，深度学习在其他领域的成功带给了游戏人工智能前所未有的启发。围棋作为是现存最复杂的完全信息博弈之一。相比其他的国际象棋和跳棋，围棋的搜索空间极大，在19路行与19路列的交叉点上双方轮流走一步，局面的描述和评估都极难。随着卷积神经网络在雅达利游戏（打砖块）上取得了巨大的成功，人们期望同样的方法可以用来解决计算机围棋，在这一点上DeepMind的AlphaGo没有让我们失望，我觉得有理由相信，只要博弈游戏的向量空间是有限并且能够计算的，至少在目前所接触的所有棋牌类游戏都能够利用深度学习得到一个强大的机器人AI，作为玩家的对手参与这类游戏的博弈，并且通过设置难度，使玩家可以体会到与人博弈时一样的游戏乐趣。

2.2 游戏体验

博弈之外的游戏AI没法把一切工作都交给黑盒子，只寻求一个结果，这些游戏AI通常是把每一步的动作都规划好。即使在竞技游戏中，大部分人体会到的快乐也来自于技能释放的精准、走位的风骚，还轮不到和AI对抗策略计谋的地步[2]。游戏AI的目标不一定是模仿真实玩家，而是让我们的游戏体验更好。在这一点上考虑权值的处理，权值大并不意味着游戏获胜的概率高，而是在相同难度下，玩家获得的体验感更好[3]。

3 游戏环境

3.1 用户社交

作为手机游戏，除了一些单机游戏之外，所有玩家都在游戏里能够互动，可以在频道内聊天，留言，展示资料信息，添加好友、公会等，这些用户的社交可以为游戏开发商提供关于游戏本身的意见。可以利用自然语言处理的一些算法，将玩家对于游戏机制的一些探讨交流收集起来，由于游戏本身就是目的是娱乐休闲，所以对于游戏里的用词可能并不会使用官方的词语而是游戏玩家通用的简称，因此在收集很多数据的同时建立模型，并加以筛选，得到规则上或者内容上的玩家意见，从而明确对游戏的改良方向，提升游戏的可玩性。同时，搜集这些对于游戏有价值的数据不局限于游戏内的文本，可以在新浪微博、百度贴吧中搜集类似的数据，相对来说收集的范围更大。

3.2 不良行为

游戏的社交平台上会不可避免地会出现一些骚扰或者不良信息，游戏里都通用的应对方法是其他玩家的检举或者设置一些关键词，但是往往出现治标不治本的情况，水军的账号可能会有很多，一个个查处的效率可能会很低，并且处理的速度往往比不上新注册一个不法账号的速度，因此对于游戏内发言可以建立一个筛选机制，手动收集加上用户检举搜集这些数据，再利用这些数据建立对于发言中含有广告、违法信息、敏感信息的文本过滤模型，对散播广告的小号封禁处理，同时可以禁止一些用户频繁的重复发言。在以前的游戏中，作弊工具的效果都会非常夸张以至于瞬间就能被其他玩家发现，而现在，优秀的作弊工具会表现得更像一个职业选手，除非是非常有人生经验的玩家或者是程序分析师，否则一般玩家很难分辨出一个表现优异的角色操控者是人还是算法。从最近新闻中了解到Valve公司已经开始利用机器学习研究如何更高效、更及时地鉴别出游戏作弊者。

4 结语

综上所述，在互联网时代背景下，智能手机、网络的应用越来越广泛，各种平台上的游戏都有着广大的市场。无论是为玩家提供良好的休闲娱乐，或者助于智力开发，在以后的时间里机器学习乃至深度学习的算法和思想都可以被应用于越来越多的游戏里。如何在自我对局中学到新的知识、如何根据对手改变游戏策略等，从经典游戏逐渐转变向更复杂的信息不完全游戏会是未来的方向，我们也期待看到成功的游戏算法能被应用在各行各业，发展更好的现实生活，而非虚拟世界。

[1]宋泓锦.基于数据挖掘对游戏开发前景的指导性建议[J].信息与电脑(理论版 )，2016(19)：149-150.

[2]郭潇逍，李程，梅俏竹.深度学习在游戏中的应用[J].自动化学报，2016，42(05)：676-684.

[3]郑其宝.人工智能影响下数字游戏智能化发展探究[D].南京艺术学院，2016.