在今年日本CEDEC开发者大会上，《学园偶像大师》（后简称学马仕）开发商QualiArts，以及QualiArts母公司CyberAgent，共同分享了他们对于AI技术在游戏平衡性优化方向上的应用实例。
在上一篇分享中，我们聊到学马仕的3D技术和细节打磨，如果说3D技术并非适用所有游戏，那么今天要聊的AI技术则更具备普适性。
学马仕的玩法比较独特，它的系统框架是类似《赛马娘》的养成模式，但在具体的每个养成环节中，学马仕又加入了名为训练课程，实为卡牌构筑（DBG）的模式。
DBG玩法的魔性，自《杀戮尖塔》走红以后就为人熟知，学马仕的微创新玩法，自然也让粉丝和玩家为之着迷。当然，从开发的角度来看，作为一款需要长期更新的网游，势必要在基础的DBG过程中不断加入新卡，那么卡牌的平衡性调整就会面临快速增长且长期的压力。
所以学马仕项目组借助深层强化学习开发了两套卡牌游戏AI，以及一套平衡性调整支持系统，来解决游戏加入新卡牌后的平衡问题。
左：CyberAgent 游戏和娱乐部门AI战略总部研究工程师伊原滉也；右：QualiArts那須勇弥。
具体来说「平衡性调整的难点」。
学马仕里玩家需要先构筑卡组，在养成环节的课程玩法中，从牌山里抽取手牌并打出，同时卡牌产生的效果也会随情况而变化。
因此根据卡牌组合情况的不同，即使卡组里存在所谓破坏平衡的卡牌，开发组也很难通过人力准确地找到它。
制作组的应对方法，一是用灰盒最佳化技术，生成能够在庞大的组合当中寻找最强卡组的「卡组探索AI」，二是用深层强化学习技术，生成可以尝试各种对局的「课程AI」。两者协同之下，就能解决对应问题。
由于学马仕要考虑到长线运营，所以短期内增加的新卡牌也是一种挑战。毕竟，每个月都要实装新卡的工作流程里面，如果AI的学习时间在10天以上，那么平衡性调整之后连验证时间都留不下来。
所以，制作组对指定学习模型，尝试了一种将追加数据进行转移学习的方法。这种方法的效率远比重复「从头开始学习」的效率更高，把超过10天的学习过程，缩减到10个小时的水准。同时催生了「允许策划方完成模拟的平衡调整支持系统」。
其中，QualiArts负责开发游戏内逻辑，并为平衡调整支持系统构建Web应用程序/基础设施，而CyberAgent负责开发卡组探索AI和课程AI。
01 什么是平衡调整支持系统？ 如上所述，可成AI仅在第一次生成的时候使用从头学习创建的模型，然后会在添加主数据时执行迁移学习。这之后，AI会围绕新追加的卡牌构筑牌组，并于反复模拟和确认结果之后，如果没有问题就正式上线实装新卡。
关于从头学习和迁移学习，游戏大致可以按照角色属性「意义」和「逻辑」分开进行。
如下图的这些控制台管理元数据，实际模型保存在 WB（开发人员协作平台）中。无需输入参数，这是机器学习的典型特点，即使没有配套知识也很容易使用。
学习执行的核心逻辑在Unity存储库中实现，并且设计和实装也可以兼容在.NET运行时上的运行。于是，通过Python实装的课程AI，就可以通过socket通信来进行播放（学习）。
以这种方式管理人工智能模型和执行学习的问题在于，开发者很难理解模型学到了什么，也很难理解模型本身的强度（即可靠性）。
解决前一个问题，需要显示学习前新学习目标的技能卡和物品的效果差异。解决后一个问题，通过与「能确切产生较高分数的方法（MCTS）」进行比较来实现。
顺便一提，所有学马仕的卡牌效果说明，都是根据相关主数据自动生成的，因此可以动态检测其差异。
在工作流程中的「卡组探索」功能，采用了以 Google Cloud 的 Cloud Run/Batch 为中心的无服务器架构。
这个架构能实现并行执行，并允许在需要的时候灵活地进行重新缩放。
此外，卡组信息和课程AI的游玩日志都会被储存下来，并可以使用电子表格数据连接器进行同步。这使得游戏策划可以使用他们习惯的电子表格来随意处理和分析数据。
通过以上技术，项目组实现了以下结果：
通过在游戏上线前运行上述系统，可以在上架前模拟超过1亿套卡组，累计课程训练次数超过10亿次。如果用真人来尝试做到这个结果，即使每次可成只算一分钟，也需要大约1900年才能搞定。
通过这么多次的模拟，制作组也能够发现在设计或测试游戏时没有注意到的细节，从而对平衡性调整产生很大的帮助。
具体的例子包括「防止顶级玩家的牌组变得相似」和「防止技能卡组合出现循环」。此外，一个衍生的好处，是这套技术也能帮忙检测游戏BUG。
02 「课程AI」的训练 项目组对于「课程AI」的要求如下：
1.任何情况下都可以打出任何牌；
2.每次游玩的时间小于0.1秒；
3.从添加新卡到确认结果的时间在36小时以下。
换句话说，AI需要以最高效率、最快速度为目标，在更改主数据后36小时内进行学习，并生成易于理解的模拟结果。
学马仕的课程玩法，可以看做马尔可夫决策过程（MDP）来进行建模。这个模型会根据当前的「状态」和「行动」，精确得出下一个「状态」。
将上述模型与蒙特卡罗树方法（MCTS）的博弈树搜索方法相结合，我们可以不断接近更精确的最优行为。顺便一提，其背后的原理与计算机读取将棋或围棋的走法相同。
但上述方法的问题是计算时间较长，执行一个包含9个回合的课程，平均消耗的时间为1416.2秒。
作为解决方案，制作组采用了一种旨在使用「深度强化学习」来近似最佳游戏行为的方案。简而言之，就是让人工智能体验各种情况并通过反复试验来学习。
结果来看，制作组得到的AI，可以打出与 MCTS 相当的分数，并且打一局牌的时间可以控制在0.1秒以内。如下图，虽然平均成绩稍低，但平均单局时长符合0.1秒的要求，相当于相同时间内，可以利用AI进行14000倍以上的对局测试。
此外，在不断添加新卡的运营情况下，制作组必须解决课程AI的学习时间问题。这是因为，要达到上述性能水平，AI需要对局至少3亿次，相当于耗时300小时。
然而，随着新卡数量的不断增加，这种机制将达到上限，因此制作组使用大规模语言模型（LLM，据说使用了 OpenAI 的 Embeddings API）中的文本嵌入来表达状态。
通过使用卡牌效果文本而不是游戏内的结构数据，该系统可以无视产品画面样式的变化，并且具有无需额外学习即可引入新卡牌的优点。
结果来看，前文提到的迁移学习能在更短的时间内完成，相比在相同时间内使用从头学习的模式，也能获得更精确的对局过程。
经过上述方式训练出来的课程AI，玩起游戏来已经与不逊色于人类，甚至与人类十分接近了。
即使与制作组内熟悉学马仕的成员相比，课程AI有时在分数上还能胜过这些玩家，而且哪怕打法上的差别虽然只是一招，带来的差距也十分明显。
03 卡组构筑AI对LLM的应用 开发「卡组构筑AI」的目的，是为了发现可以破坏游戏平衡的得分最高的卡组。制作组认为，当AI打出极端高分的时候，往往会关联到太强的卡牌或卡组。
哪怕按照游戏刚上线时的卡牌和道具来算，其组合数也十分庞大（超过10的20次方），并且每次更新时都重新计算和排查一遍的做法也很不切实际。
因此，制作组没有使用暴力解决问题的「黑盒优化」技术，而是采用了与问题部分关联的「灰盒优化」技术。此外，这里还采用了使用LLM的文本嵌入技术。
卡组探索算法采用了遗传算法。这个算法机制，会将两个卡组组合起来生成子代卡组，而后评估高分解法，再将优秀解法继续组合生成下一代，并在其中通过引起突发变化来寻找（近似）最佳解。
该算法一般用作黑盒优化的框架，但这次通过引入LLM向量化的卡牌信息，实现为灰盒优化算法。
具体来说，是在卡组集合中构建函数分布，并从高斯分布中进行点的采样，再根据有空位的点附近寻找卡牌，而后将卡牌加入卡组。如果方差大，则生成结果接近随机选择，如果方差小，则生成结果是亲代子代卡组相近。
以上尝试的结果如下：
让一个经过迁移学习的AI执行卡组探索时，设定卡组总数为20~30张牌、玩家初始卡组数量为6~8张牌、课程进行12轮，能看到，相比完全随机采样算法，生成的结果效率提高了约15%。
通过使用这些平衡调整支持系统，学马仕自服务开始以来，已经模拟了超过1亿套卡组和10亿次课程。给项目组带来的好处，是调整和优化了很多人力无法顾及的卡组和流派。
如今，绝大多数游戏对AI的应用还是停留在AIGC生成资源的方面，而我们从学马仕的案例来看，AI对于游戏优化测试、平衡性调整，也有不小的帮助。
且不论此前业内「AI将淘汰99%从业者」的论断，至少当下来看，掌握更多的AI技术，确实也能帮我们提高研发效率，优化游戏素质。
