Как работает ИИ в играх

Представьте NPC, который помнит, о чем вы говорили пару миссий назад — и шутит в тему. Такое поведение уже встречается в играх благодаря ИИ. Машинное обучение помогает писать код, собирать прототипы, настраивать поведение персонажей, создавать голоса и диалоги.

В этой статье разберем, где ИИ уже усиливает игровой опыт, а где роль человека по-прежнему решающая. А также разберем, как маркетологу создавать интерактивные продукты и игры в стиле бренда.

Как простой ИИ давно упрощает геймдев 

Когда игрок заходит в подземелье и каждый раз видит новую карту, он редко задумывается, что дизайнер не рисовал эти коридоры вручную. Комнаты меняются местами, сундуки появляются в других углах, противники распределены иначе. Так работает процедурная генерация — алгоритм, который по набору правил и случайному числу собирает уровень заново при каждом запуске. 

С помощью простого ИИ можно создавать ландшафты и расставлять предметы автоматически, чтобы каждое прохождение немного отличалось. В No Man’s Sky команда из 13 человек создала вселенную из 18 квинтиллионов планет за счет формул. В серии Diablo подземелья и добыча собираются случайно, поэтому игрок не знает, что ждет за следующей дверью.

Другой пример — изменение сложности по ходу игры. Представим: игрок проходит шутер без ошибок, точно стреляет и почти не получает урона. Но через час враги действуют быстрее и наносят больше повреждений. В Resident Evil 4 как раз такая ступенчатая система. Внутри скрытые уровни сложности, и игра с помощью ИИ переключается между ними в зависимости от ловкости и скорости игрока.

Мы разобрали примеры классического ИИ, который работает как пошаговый скрипт. Далее мы будем говорить о кейсах генеративного ИИ — современного алгоритма, который каждый раз создает что-то уникальное и обогащает игровой опыт.

Где применяют ИИ внутри игрового мира

Чтобы игровая сцена выглядела убедительно и удерживала внимание, над ней работает большая команда. Художники собирают окружение, актеры захвата движений задают пластику персонажей, актеры озвучки записывают реплики, сценаристы продумывают реакции и повороты сюжета. 

Помимо этой работы естественность игре придают сотни вариантов фраз, озвучка каждого второстепенного персонажа, мелкие реакции на действия игрока. Как раз такие задачи на этапе разработки сейчас передают ИИ.

Озвучивают персонажей

Современные модели TTS — синтеза речи из текста, уже хорошо справляются с интонацией и тембром. Но у них остается характерная особенность: речь получается слишком ровной и усредненной. 

В играх актеры озвучивают центральные сюжетные диалоги. А нейросеть используют там, где объем реплик быстро разрастается: комментарии к объектам, названия локаций, подсказки по направлению движения, ситуативные фразы NPC. Так Ubisoft уже разработала Ghostwriter — это обученная нейросеть, которая может создавать сотни второстепенных игровых диалогов.

В фанатском моде для The Elder Scrolls V: Skyrim персонаж может вспомнить прошлую встречу, а в процессе разговора изменить отношение к игроку и, например, напасть. 

Когда игрок общается с NPC голосом, система распознаёт речь через Whisper, передает реплики ChatGPT, а ее ответ — в xVASynth, обученный на оригинальных голосах Skyrim. В итоге игрок слышит ответ на свое высказывание. После разговора ИИ кратко сворачивает его в несколько предложений и сохраняет эту запись как «воспоминание» NPC.

В Cyberpunk 2077 официально использовали ИИ, чтобы доозвучить Виктора Вектора — персонажа дополнения Phantom Liberty. Актер польской локализации, Мегоност Речек, умер до выхода игры. Разработчики наняли другого актера, который озвучил новые фразы Виктора. Затем эти записи прогнали через модель Respeecher, которая изменила тембр и манеру голоса, сделав его неотличимым от Мегоноста Речека. 

Изменяют поведение персонажей

В обычных играх поведение персонажей заранее продумано. Так враги действуют по заданным скриптам, которые легко выучить. А общение с NPC превращается в функцию — получить квест или подсказку. С нейросетями можно расширить поведение персонажей и набор реплик до сотен вариантов, где реакции и формулировки каждый раз отличаются.

Для Arc Raiders разработчики использовали обучение с подкреплением. В этом подходе виртуальный агент пробует разные действия и получает вознаграждение за удачные решения. Со временем он вырабатывает устойчивую стратегию: где держать дистанцию, когда атаковать, как реагировать на игрока и окружение.

Враги в Arc Raiders разделяются на типы, и у каждого — собственная логика, которую выработал ИИ. Воздушные противники ведут себя иначе, чем наземные. Например, оса с легким пулеметом постоянно меняет позицию, бронированный шершень дольше держится под огнем, а паук атакует с большой дистанции. 

Генерируют фоновую музыку

Музыка перестает быть просто фоном и подстраивается под конкретный опыт прохождения игры. Например, у Blizzard Entertainment есть патент на систему, которая генерирует музыкальное сопровождение прямо по ходу игры. Музыка собирается из фрагментов и правил, реагируя на действия игрока. Например, стиль прохождения, уровень напряжения, частоту боев или паузы между ними. 

А может ли ИИ играть лучше человека

Сейчас нейросеть уже может занять место соперника. Для игрока это похоже на тренировку перед турниром или матч с сильным спарринг-партнером, который не устает и не повторяет одни и те же ошибки.

Один из самых известных примеров — проект OpenAI Five. 5 нейросетевых агентов за 7000+ игр обучили совместной игре в Dota 2. В результате ИИ-команда обыграла действующих чемпионов турнира The International, а общий процент побед системы в матчах достиг 99,4%.

У таких побед есть и обратная сторона. RL-агенты прошли обучение с подкреплением, но все равно слабо переносят навыки в другие условия. Достаточно изменить правила, например выпустить патч для Dota 2, добавить новых героев, предметы или пересобрать баланс — и агента придется обучать практически с нуля. 

Как ИИ применяют в разработке игр

Создание игры требует времени и набора навыков: язык программирования, логика движка, работа с камерой, правилами баланса. В крупных студиях вроде FromSoftware, Nintendo или Naughty Dog каждую задачу закрывает соответствующий специалист из команды. 

Тестирование и QA

Когда команда готовит обновление, тестировщики часами бегают по карте, стреляют в одних и тех же врагов, заходят в меню, выходят на главный экран и повторяют действия снова. Это монотонная работа. Нужно проверить, не падает ли сервер, не зависает ли матчмейкинг, не ломается ли прогресс после сотен одинаковых операций. 

Чтобы закрыть эту рутину, разработчики подключают автоматических агентов. В серии Tom Clancy’s The Division разработчик Ubisoft создал внутренних ИИ-тестеров. Они заходят на сервер как обычные игроки, телепортируются по карте, атакуют ближайших NPC, переходят в другую точку и продолжают цикл. У таких агентов включена неуязвимость, поэтому они не прерывают проверку из-за смерти персонажа.

Нейросетевые пользователи могут массово входить и выходить из игры, объединяться в группы. По сути они имитируют поведение тысяч реальных людей, но без их участия — это называют нагрузочным тестированием. Оно помогает выявить утечки памяти, ошибки синхронизации и падения серверов до релиза игры.

Инди-разработка

Некоторые игры разрабатывает небольшая команда или вовсе один человек. Поэтому ИИ активно используют, чтобы собрать первые прототипы, получить черновой вариант кода. А также сгенерировать музыку или озвучку. 

В японском инди-проекте Shoon весь набор текстур был сгенерирован через Midjourney и напрямую использован в игре. Разработчик собрал горизонтальный шутер за несколько дней, сознательно ограничив масштаб задачи и откалибровав сложность под себя.

Другой хороший пример — игра Cloud Cats’ Land, доступная в Steam. Автор придумала сюжет, головоломки и общий ритм игры самостоятельно, а визуальную часть собрала с помощью Midjourney. В своем блоге она пишет, что генерация заняла лишь 20% процесса. А вручную разработчица меняла композицию и дорисовывала детали в Adobe Photoshop.

Как разработать игру с помощью ИИ

В маркетинге интерес к геймификации продолжает расти — и удивлять. Игры все чаще встраиваются в мобильные приложения, лендинги, спецпроекты брендов. Пользователь не просто читает или смотрит, а действует — ищет, выбирает, реагирует, ошибается. И получает награду. Например, промокод на скидку.

«Редакция Рыба» разработала 6 мини-игр для «Комуса»: в одной нужно разбивать новогодние шары, в других — искать предметы на даче или в офисе, стрелять по зомби. В сумме они принесли более 5000 прямых и аффилированных продаж.

В классическом варианте «Найди 5 отличий» дизайнеру пришлось бы вручную рисовать пары изображений и аккуратно продумывать каждое изменение. С генеративными моделями процесс выглядит иначе: сначала создается базовая иллюстрация, а затем на ее основе генерируется второй вариант с точечными изменениями. 

Нейросети могут помочь маркетологу и дизайнеру в создании такой игры на каждом этапе — от замысла до анализа результата.

В процессе работы человек непрерывно подключается к каждому этапу. Например, чтобы адаптировать игру под мобильный и десктопный формат. Анимации также настраиваются вручную: тайминги, реакции на действия. 

На финальных этапах подключают формы сбора заявок, события аналитики, трекинг переходов. А после запуска человек отвечает за продвижение: размещение в РСЯ, Поиске и ПромоСтраницах, тестирование креативов и корректировку сценариев под реальное поведение пользователей.