Google研究以机器学习方法来调整游戏平衡

Google发展了一个机器学习技术，训练模型作为游戏测试人员，以调整游戏平衡，研究人员透过将这个方法应用在数位纸牌游戏Chimera（奇美拉）上，经过数百万次的游戏模拟收集资料，作为调整游戏平衡的依据，不只使得游戏设计人员能够更有效率地让游戏变有趣，并且维持游戏的平衡。

现在线上多人游戏普及，对于游戏设计的要求也越来越高，Google研究人员提到，玩家期待设计师能够精心制作游戏，并且保持平衡，毕竟使用单一策略就能获胜的游戏，对玩家并没有吸引力。游戏设计师通常会迭代调整游戏平衡，透过收集游戏测试人员数千次游玩资料，结合回馈重新设计游戏，这个循环会不断地重复，直到游戏测试人员和游戏设计师满意为止。

但这个过程非常的耗费时间，而且也难以达到完美的程度，因为当游戏越复杂，微小的缺陷就越难被发现，而且游戏通常具有许多不同的角色，当存在数十种相互关联的技能，要达到平衡就越困难，因此研究人员借助机器学习技术，试图让游戏设计的过程更简单快速。

研究人员开发了一款称为Chimera的纸牌游戏，并在开发过程仰赖机器学习，研究人员刻意让Chimera纸牌游戏拥有较大的状态空间，使得游戏开发人员难以用传统的方式，来手刻人工智能代理游玩游戏。

由于较大的状态空间，以及不完整的资讯，使得Chimera对机器学习来说较困难，研究人员受到AlphaGo等游戏代理的启发，在训练中使用卷积神经网络，并在创建初始模型之后，让人工智能与自己对战，并且反复收集游戏资料，再用于训练新的代理，每次迭代都会让训练资料的品质提高，代理游玩游戏的能力也会增加。

这样的方法可以在短时间，收集比真实玩家多数百万次的游戏资料，研究人员透过分析游戏结果，发现两玩家手牌间的不平衡，研究人员提到，由于Chimera游戏的核心是希望玩家手上的奇美拉，可以不断进化，进化次数越多的玩家，获胜概率也就越高，但他们发现游戏平均的进化次数没有达到预期，反而是游戏中的暴龙，压倒性地成为获胜关键，只要最终成为暴龙就能获胜，甚至可以忽略游戏惩罚。

另外，游戏中的两牌组，分别是Evasion Link Gen牌组可增加进化合成兽的能力，而Damage-Heal牌组则可在治疗的同时，造成些许的伤害，在游戏设计时，他们原本预计这两牌组具有相同的强度，但是实际上，Evasion Link Gen牌组在与Damage-Heal牌组对战时，获胜概率为60％。

根据这些发现，游戏设计人员微调了游戏，除了降低Evasion Link Gen牌组的加成，并且对暴龙加入额外的冷却时间，经人工智能自我对战后，游戏发展往更理想的方向前进，每场游戏的进化次数增加，暴龙的能力也被削弱。

但经过调整之后，各牌组的胜率仍然没有改变，还是维持在60：40，研究人员增加了两玩家的初始生命值，以及治疗法术可以补充的生命值，使得游戏时间更长，让玩家可以发展更多样化的策略，并且缩小最强与最弱生物间的差距，最终使得两牌组的胜率都接近50％。

测试雏形游戏不平衡的状态，通常都需要数个月的游戏测试，但是透过这种方法，游戏设计人员可以发现潜在的不平衡状态，并且在数天内迅速进行调整，以修复不平衡的状态。另外，研究人员还提到，现在神经网络已经可以快速地达到与人类相似水准的程度，因此不只能可以用来指引新玩家，还能用来发现意料之外的策略，使得游戏开发有更多可能性。