Google研究以機器學習方法來調整遊戲平衡

Google發展了一個機器學習技術，訓練模型作為遊戲測試人員，以調整遊戲平衡，研究人員透過將這個方法應用在數位紙牌遊戲Chimera（奇美拉）上，經過數百萬次的遊戲模擬收集資料，作為調整遊戲平衡的依據，不只使得遊戲設計人員能夠更有效率地讓遊戲變有趣，並且維持遊戲的平衡。

現在線上多人遊戲普及，對於遊戲設計的要求也越來越高，Google研究人員提到，玩家期待設計師能夠精心製作遊戲，並且保持平衡，畢竟使用單一策略就能獲勝的遊戲，對玩家並沒有吸引力。遊戲設計師通常會迭代調整遊戲平衡，透過收集遊戲測試人員數千次遊玩資料，結合回饋重新設計遊戲，這個循環會不斷地重複，直到遊戲測試人員和遊戲設計師滿意為止。

但這個過程非常的耗費時間，而且也難以達到完美的程度，因為當遊戲越複雜，微小的缺陷就越難被發現，而且遊戲通常具有許多不同的角色，當存在數十種相互關聯的技能，要達到平衡就越困難，因此研究人員借助機器學習技術，試圖讓遊戲設計的過程更簡單快速。

研究人員開發了一款稱為Chimera的紙牌遊戲，並在開發過程仰賴機器學習，研究人員刻意讓Chimera紙牌遊戲擁有較大的狀態空間，使得遊戲開發人員難以用傳統的方式，來手刻人工智慧代理遊玩遊戲。

由於較大的狀態空間，以及不完整的資訊，使得Chimera對機器學習來說較困難，研究人員受到AlphaGo等遊戲代理的啟發，在訓練中使用卷積神經網路，並在創建初始模型之後，讓人工智慧與自己對戰，並且反覆收集遊戲資料，再用於訓練新的代理，每次迭代都會讓訓練資料的品質提高，代理遊玩遊戲的能力也會增加。

這樣的方法可以在短時間，收集比真實玩家多數百萬次的遊戲資料，研究人員透過分析遊戲結果，發現兩玩家手牌間的不平衡，研究人員提到，由於Chimera遊戲的核心是希望玩家手上的奇美拉，可以不斷進化，進化次數越多的玩家，獲勝機率也就越高，但他們發現遊戲平均的進化次數沒有達到預期，反而是遊戲中的暴龍，壓倒性地成為獲勝關鍵，只要最終成為暴龍就能獲勝，甚至可以忽略遊戲懲罰。

另外，遊戲中的兩牌組，分別是Evasion Link Gen牌組可增加進化合成獸的能力，而Damage-Heal牌組則可在治療的同時，造成些許的傷害，在遊戲設計時，他們原本預計這兩牌組具有相同的強度，但是實際上，Evasion Link Gen牌組在與Damage-Heal牌組對戰時，獲勝機率為60％。

根據這些發現，遊戲設計人員微調了遊戲，除了降低Evasion Link Gen牌組的加成，並且對暴龍加入額外的冷卻時間，經人工智慧自我對戰後，遊戲發展往更理想的方向前進，每場遊戲的進化次數增加，暴龍的能力也被削弱。

但經過調整之後，各牌組的勝率仍然沒有改變，還是維持在60：40，研究人員增加了兩玩家的初始生命值，以及治療法術可以補充的生命值，使得遊戲時間更長，讓玩家可以發展更多樣化的策略，並且縮小最強與最弱生物間的差距，最終使得兩牌組的勝率都接近50％。

測試雛形遊戲不平衡的狀態，通常都需要數個月的遊戲測試，但是透過這種方法，遊戲設計人員可以發現潛在的不平衡狀態，並且在數天內迅速進行調整，以修復不平衡的狀態。另外，研究人員還提到，現在神經網路已經可以快速地達到與人類相似水準的程度，因此不只能可以用來指引新玩家，還能用來發現意料之外的策略，使得遊戲開發有更多可能性。