AIGC在游戏生态中的应用探究:如何提升效率与创意

AI的兴起势必将带来新一轮的产能革命。而随着AIGC相关案例及应用的层出不穷,越来越多的游戏公司开始进行相关领域的摸索尝试。

为了迎合市场的需求,罗斯基视频号也将在未来的时间里陆续邀请到相关嘉宾为大家带来AIGC相关知识点的分享内容。

4月12日,罗斯基视频号【快看斯基】进行了第26场直播。本次直播邀请到北京传奇互娱市场VP Joyce,以《AIGC在游戏生态中的应用探究:如何提升效率与创意》为主题,与从业者一起分享交流AIGC的起源、发展,以及AIGC在互联网领域尤其是游戏行业中的价值。

以下为内容整理:

大家好,很高兴有机会可以和大家分享我近期对AIGC研究的心得。今天分享的主题是《AIGC在游戏生态中的应用探究:如何提升效率与创意》。

AIGC释义及头部公司介绍

首先讲一下AIGC。AIGC的缩写对应很多的名称,今天主要是讲AI Generated Content,即用人工智能生成内容。人工智能的技术可以生成各种各样的内容,是基于深度学习、自然语言处理、计算机视觉等领域的技术。通过分析大量数据和模型训练,生成高质量、多样化的内容。包括文本、音频、视频、动态、代码等形式。随着人工智能算力的增强和数据填充以及对模型的改进,其生成的内容会越来越符合人们的需求。

AIGC的应用非常广泛,可以用于新闻报道、广告宣传、游戏开发、艺术创作、音乐创作、影视制作、教育培训等各个领域。

OpenAI这家公司是人工智能研究机构,由埃隆马斯克和萨姆阿尔曼等人创立。OpenAI的愿景是打造具有人类智慧的通用人工智能,为人类创造更多的福利。其主要特点是:

开放式研究:OpenAI采取开放式的研究模式,与学术界和其他组织合作,共同推动人工智能的发展。

先进的技术:OpenAI的研究成果在自然语言处理、机器学习、计算机视觉等方面处于领先地位。

社会责任:OpenAI重视社会责任,在推动人工智能发展的同时,也致力于解决相关的伦理和安全问题。

OpenAI主打的产品就是ChatGPT。ChatGPT是OpenAI推出了一种自然语言处理技术,采用了深度学习算法。其主要技术原理是采用Transformer架构的神经网络,通过多层次的自注意力机制实现对语言的理解和生成。应用场景包括:

语言生成:可生成各种类型的文本、包括文章、对话、故事、诗歌等。

问答系统:能够根据用户提出的问题,生成高质量的答案。

近期在做ASO的时候,ChatGPT可以提供很好的帮助。以前在做某个地区的评论的时候,通常是找到翻译公司,做完后再找当地人润色一遍。这个流程中涉及的人力、效率、准确性等都是一种挑战。但我们在最近的一次项目中,在ChatGPT中输入产品名称,告诉他需要写好评、需要写多少条,并且要中文和当地语言的对照输出,在几分钟内就可以拿到结果,同时还能提供各种各样的语气,比起协调三个部门/人,在效率和质量上有明显的提升。

ChatGPT还能做代码纠错,还能提取重要信息。在最新的付费版本里,可以把公开网站的地址输进去,请ChatGPT帮忙总结网站上的重要内容,通过各种各样的形式输出内容,这样对于阅读文章、报告可以提升很大的效率。

AIGC发展史

在OpenAI官网上展示了AIGC的发展史,分为以下几个阶段。第一阶段是1960年,对自然语言生成的探索。花了40年进行原始积累后,2000年达成了自动化文本生成。在很多新闻网站、网文小说都应用了很多年,只需输入关键词即可输出很多内容。包括最近一些产品模拟二次元对话,给他输入人设,都能输出很优秀的文本。

到了2010年,可以生成文章、对话、音频、图像。2020年开始到2023年,模型的成熟度和算法的更新,GAN、VAE、GPT、DALL-E等一些图像生成的产品越来越多的应用到日常生活中。到了2030年一定会有更多复合型的自动生成输出素材的工具来改善生活和工作。

OpenAI的发展大概分4个阶段。2019年GPT-2出现,当时担心被滥用所以仅提供一个接口。2020年GPT-3,是当时最强大的语言模型,具备1750亿个参数,具备创造力和智能水平。2021年图像生成类产品,代码生成类产品出现。2023年会有一些搜寻类的产品,会四处寻找数据增强模型训练。

OpenAI为了资金流更充裕,在和微软商谈的同时也在和很多公司谈过。那么为什么只有微软能做,其他大公司没有做?因为做算力算法包括数据量这样的事情,本源是为了阻止人类被毁灭。但对大公司来讲,这种事情商业化落地场景不明确,没有到达能够持续输出符合人类预期的成果的阶段。当具备一定的交互性和真实使用场景的时候,商业公司才会有使用价值。但是到达这步之前,没有人能够保证可以发展到这个地步,除了死忠粉或者是相信AI的人。所以微软是相信这点的,其他公司在这场军备竞赛中并没有拔得头筹。

所以2023年是一个大爆发,形成了用神经网络优化提高AI可靠性,数学求解和推理,凸显增强,元学习提高AI训练效率,参数也达到了3000亿。

此前AI Dungeon是基于深度学习技术的游戏生成系统,对于角色、场景、故事生成等方面还是很不错的。而ChatGPT则是语言模型的改进版,采用Whisper和Persona技术,可以用于智能客服、虚拟助手、聊天机器人等领域,可以生成更自然、更连贯的对话。

这里并不是说从0到1,而是说它生成的对话好不好,够不够自然,出错率多少。我们做互联网产品的,更多的是说产品是一个工具。比如做一个聊天系统,IM系统都会做,但是IM系统稳定性如何、使用数据库是否全面,数据安全性如何,用户体验如何,推广运营效果如何等,这些运营层面包括产品品质层面的事情,是GPT这几年不断进化来解决的问题。

OpenAI各产品也有不同的迭代路径和应用方式。ChatGPT更多是基于文本的领域;DALL-E更多是基于图像,包括图像编辑、根据文字生成高质量图像;CODEX更多是基于代码,用自然语言生成对应的编程任务甚至快速生成代码,补全代码。

AIGC在互联网的应用——游戏行业

接下来分享AIGC在互联网的应用,主要围绕游戏领域展开。AIGC确实对游戏的研发效能有极大的提升,比如我们去ChatGPT上问:我要做一个SLG,要参考某某产品,采用冰与火之歌的背景,ChatGPT都会给到一个尚可的输出结果。当然这个输出肯定没有专业的人员写得好,但是对于强数值的商业化游戏来讲,是可以给到6—8分的结果,在早期的测试是可以用的。因为这样可以节省大量的人力和想象的过程,他可以给你各种各样的数据库。

我们也可以直接问ChatGPT:你熟悉哪些领域。他对唯物主义的领域还是比较了解的,但是对于唯心主义的领域ChatGPT不太敢讲,因为方法论太多了,很难输出单一的结论。另外就是玄学,对于非物理、非科学领域ChatGPT不太会讲。此外还有宗教、政治领域,ChatGPT也不会说。

AIGC对游戏研发效能的提升

生成剧情和游戏设定,包括怎么做核心玩法、怎么做扩展玩法,游戏有哪些要素,配置表如何设定,都可以通过ChatGPT完成。

在Midjourney方面,GitHub上有个专门的站点,里面介绍了哪些提示可以有效输出你想要的结果。Midjourney这款产品对于英文的输入更加高效,如果需要同一角色不同pose或者体位的话,还是需要给它一个参考,说需要另外一个表情、姿势。这样的关键词给到它,可以生成一系列的图片。以前一周的工作量,在ChatGPT和Midjourney和配合下可能半天就能完成,大量时间是在和ChatGPT沟通,如何正确地提需求。

UI领域有一些工具号称能做到,目前只有一些视频。真正测试的版本相信在不久之后,通过大量数据的喂养和正向的反馈是可以做到的。

动画方面已经有一些开了先河的。还需要继续试验一下,哪些工具是合适的,可能还需要多个工具配合达成目标。

AIGC对游戏生命周期效能的提升

关于AIGC对游戏生命周期效能的提升,我认为会大量优化掉3—5年工作经验的人,最终只留下一个提需求的、一个审核和机器。更多的工作是喂给机器数据、素材,输出之后做初步筛选,慢慢让自己逐步自动化,最终只需要一个会使用这个机器的人。

从市场调研开始,确实ChatGPT能够给出一个比较完备的答案。但是它的答案是否准确,也取决于提问的人对这项事情的认知有多深。如果能立刻判断出答案有问题,给它一个反馈,那么ChatGPT能够比较好的沟通。比如问为什么没有提到运营层面,那ChatGPT就会说它遗漏了并进行完善。所以在市场调研方面,ChatGPT确实可以提升效率。包括有些文章不愿意写,交给ChatGPT后进行润色。包括竞品分析,只要是ChatGPT知道的,最终输出的结果还是可控的。

最早接触ChatGPT的时候认为它只会讲一些简单的东西,做一些很泛的事情。但随着数据量的更新以及问答的专业性和自然性,第二次使用ChatGPT的时候感受完全不同。比如我们直接问了他一款SLG怎么发,它给出的答案可能超出过80%以上3-5年经验的从业者。

所以,当我们喂给它的数据越多,它给出的回答越专业。当然对于8年以上的经验,ChatGPT还是会漏掉一些点。这个在接到API或SDK之后,可以进行定制化的设计。但最终使用体验,从调研到立项阶段,我认为可以节省至少80%的时间。

在研究AIGC的时候,我们发现了很多功能,包括自动生成PPT,自动生成日报,自动做图等,很多工具用起来很方便。市场数据的抓取,最终要落在更可控、更高效的立项报告。当然也不排除会漏掉一些点,毕竟是创意行业,让它做模板可以,需要思考需要创意的东西,还是需要人们思考。让工具配合我们进行合作,这样可以发展得更长久一点。

在团队组建的环节,我认为加一些AIGC的技术专家来调试工具和使用工具,还会加一些AIGC的算法工程师提升效率。如果公司规模比较大,这个队伍放在内部做全职就够了。如果是小团队,直接用一些现成的开源的工具也可以。这样会优化掉大量初级的人力,毕竟基础的重复的劳动已经被机器所取代,剩下的就是如何使用工具,如何形成高效解决方案等更有创意性的劳动。对行业来讲也是好事情,可以极大地提升生产效能。

到了Demo和研发阶段,可以高效地制作,同时极大的降低人力成本。游戏内容的话,目前对脚本的自动生成的成熟度较高;美术素材方面,很多公司已经开始用自己风格的素材喂养机器并输出图片再去挑选,可能节省了75%以上的美术成本;音视频方面的应用并没有图像和文本那么成熟,但我认为2-5年间就能发展到比较成熟,可以在创意行业大量使用机器输出内容、挑选内容,形成工业化体系。

到Soft Launch阶段,整个营销模型AI搭建也可以输出准确率更高的数据。因为以前搭模型的时候需要调用很多数据,抓取的数据越全数据越精准。以后这些事情都交给机器来做,那对生产力是极大的提升。

到了Release推广,包括运营数据分析,相信也会有AI来推送运营方案,如自动上架、自动推活动。自动化运营也能节省很大的人力,降低出错率,版本也更加稳定。

当然,使用AIGC也需要投入一定的成本。例如购买相关的软硬件设备、培训人员等。但这些成本通常可以通过提升效率和降低开发成本收回的。具体节省的成本和周期还是要根据项目的使用情况来评估。

AIGC对游戏研发效能的提升举例

关于AIGC对游戏生命周期效能的提升,有两大类。包括使用AIGC Midjourney优化市场推广流程:游戏公司在推广新游戏的时候要进行市场调研、用户定位、广告投放等一系列工作。使用 AIGC Midjourney可以辅助公司进行这些工作,比如通过分析用户行为偏好,精准定位目标用户,并针对不同用户制定不同的广告投放方案,从而提高广告投放的效果和ROI。

用OpenAI进行游戏AI开发:游戏中常常需要使用AI技术来增强游戏的体验,比如NPC智能化、游戏难度自适应等。使用OpenAI的技术,可以帮助开发者快速地开发出符合用户需求的AI系统,提高游戏的品质和趣味性。

使用ChatGPT打造游戏人物角色:游戏中的人物角色往往需要独特的性格和背景故事,这需要耗费大量的人力物力来设计和构思。使用ChatGPT的技术,可以帮助游戏开发者快速生成符合游戏背景和情节的人物角色,从而降低游戏开发时间和成本。

使用AIGC Midjourney制定游戏玩家体验方案:游戏玩家体验是游戏的重要方面之一,从而提升玩家体验需要不断的调整游戏机制和流程。使用AIGC Midjourney可以辅助公司制定玩家体验方案,从而提升游戏的用户黏性和留存率。

概念设定和原型设计前文都提到了,游戏开发阶段主要是节省人力和输出制作的过程。市场推广阶段可以在广告投放上极大的提高精准率。在运用阶段用AIGC进行数据分析和用户反馈,优化游戏体验和增加用户黏性。

过去每个阶段的业务逻辑都是手动完成,现在可以使用AIGC让工具自动化完成。保守估计可以提升60%的效率,使用得好、工具成熟度高、与项目的适配好,提升90%的效率也不稀奇。

AIGC在互联网的应用——电商

下面介绍一下AIGC在电商上架和运营方面的提升。从选品、建模到上架,包括数据采集,商品推荐、商品推广、个性化服务、售后、客户管理。已经有不少电商工具使用了这些功能,如果有工具帮助我们自动化运营、更新热度、商品展示、构建品牌等,在整个服务流上都有极大的提升。

音视频社交可以放在一起说。主播AI直播和虚拟主播,能够提升操作体验。之前参观过一些虚拟主播公司,这个偏TO B较多。整体流程就是给图、建模、真人调用模型、修改,再把语言文本输出,最后是模型做口型匹配。随着AIGC工具的发展,相信针对TO B的工具整体的成本会越来越低。效果上、口型上、包括输出的情感上也会极大地提升。

语音和图像识别技术的应用,实时互动和反馈。包括虚拟女友、虚拟宠物,一些语音助手生成自动对话和推荐也是很好的应用。

智能聊天和智能客服就不用多说了。内容审核和实时翻译,翻译用得比较多,只不过现在的翻译只是比Google翻译更地道一些。视频分析和推荐也是基于算法实现的。

在市场营销方面也有一套通用的法则。比如用New Bing,用Windows的设备配上新的edge。

用New Bing也可以做产品定位,用ChatGPT类工具做用户画像。做完前期市场分析后,进入在UA阶段。UA阶段有几个比较重要的:广告素材、媒体营销和活动策划。JASPER的功能介绍很丰富,但一直没有体验,只有真正用到了才能知道能不能覆盖到主流的社交媒体。

活动策划和客服方面,ChatGPT还是挺好用的,都能给到很好的体验。

OpenAI使用场景

1、Creative AI:人工智能在艺术和创意领域的应用,包括文本、图像、音乐生成等方面。

2、Language:自然语言方面,包括文本方面,自然语言的理解和翻译。GPT-3的语言模型已经可以用于自动生成文本、回答问题和翻译语言等应用。

3、Robotics:在机器人自动化方面,包括物流、生产和医疗等领域。例如OpenAI的Gym环境可以用于机器人控制和智能决策,可以应有于工业自动化和智能制造等领域。

4、Games:确实是在研发和设计方面。包括AI和内容生成、市场调研、运营等应用面比较广泛,只不过定位上还没有明确,需要大家继续挖掘。

自动化处理确实可以减少人力,提升效率,减少出错率。自动化的数据处理,包括模型训练和推理,让IT工人从刀耕火种的年代到拖拉机时代。个人认为是解放生产力的工具。

将没有使用AIGC和使用AIGC进行对比,至少人力减少了,处理速度更快,响应更及时,服务质量更好。

用户案例中包括生成新闻稿件、智能客服,以及电商平台自动化生成产品描述、销售文案和海报等。

头部公司落地案例

目前国外头部公司都有了落地的案例。例如GitHub用OpenAI开发了智能编程助手,帮助开发者快速编写代码,并提供更好的代码质量和可读性;Netflix在流媒体推荐方面使用人工智能和机器学习技术,以提高用户满意度和观看率;Discord使用OpenAI的语音合成技术改进其音频转录服务;亚马逊和谷歌在AI智能的研发上,推荐和个性化方面使用了机器学习和大数据,提升用户的体验和效率。

投资风向

AI领域的投资情况,虽然在2020年跌落明显,但2021年开始增长,2022年底开始爆发。整体行业内没有募资的占33%,天使轮占35%,A轮16%,B轮11%。

头部公司方面,行业分布依赖基础API公司服务成熟度,从文本、图像到交互、音视频、代码。此外,行业头部公司中OpenAI一枝独秀。

总结和展望

未来AI可能的应用方向包括自动驾驶、医疗健康、数据分析、金融风控、智能家居和教育环保。随着AIGC技术的不断发展和完善,相信会有越来越多的难题得到解决。许多领域的生产效率和服务质量也会得到进一步提高。

当然也有一些局限性和风险,比如质量控制不精细,发散性较强,每次都会产出不同的答案;对数据量和计算资源的依赖;缺乏创意和人性化表达;法律风险和伦理问题。

最后,分享一下我个人和AI 接触的过程。

首先是入门的时候先了解并体验几次,之后开始梳理自己的业务逻辑,找到使用中的痛点,最终用工具对自身的业务逻辑进行一些优化,包括个人的问题,公司业务上的处理。只要是想到的,都会先通过使用这个工具是尝试,去探索一遍。然后再结合业务场景,去形成了提高效率的落地方案。

只属于说如何看待呢?

我个人认为AIGC解决的是体力劳动,解放了互联网生产力,让我们能够聚焦创意本身,是辅助生产的好帮手。虽然还会有很多不完善的地方存在,但我们是无法阻挡AI的发展。顺一起应潮流,拥抱变化吧。

了解更多关注罗斯基公众号

您可能还喜欢...

发表评论

电子邮件地址不会被公开。