第415章 落地一把RPG(1/3)

青鱼的鱼苗小组（fry-team）成立已经有18个月时间，作为全公司所有游戏的技术支持团队，去年8月份的时候他们还只有18人，到现在已经扩张到了46人。如果说青鱼的全球五大研发工作室，横公、三文鱼、何罗、鲛人和鲮鱼，再加上一个平台姜公工作室是公司的根基，那么叶沉溪和夏青鱼对鱼苗组的定义是，未来游戏的引领者。　　到今年年初，青鱼正式将鱼苗小组的正式定义为：vld，虚拟世界探索部门。部门级别并没有提升，因为本来就没有提升的空间了，一直都是叶沉溪直接管理的部门。　　这属于官方学名，fry-team的名称还是一直在沿用。　　在技术支持之外，鱼苗另一个更重要的任务是负责开发全新的游戏技术，拓展新的游戏方式，为玩家们带来前所未有的非凡体验。他们算得上是青鱼网络的秘密武器了，致力于通过革命性的技术，推动全公司，乃至整个游戏行业互动体验的发展。　　这话有点空，具体地讲，这一年来，除了原本的游戏画面能力提升，对战网络优化，硬件潜能挖掘，动作和面部捕捉技术研究等工作内容之外，他们新增的一个需要投入很多年时间的研究方向是，类神经网络，深度学习和ai玩家。　　再直白一些，那就是……高级机器人吧。　　目前市面上能看到的游戏中，所谓的很多ai是非常初级的，全都是策划的设定，而不是电脑自动“思考”的结果。　　比如一些怪物，有两个技能，在技能配置好之后，怪物的行为设定只需要几个字段控制即可，技能cd时间，释放优先级，没了。最后的效果就是怪物哪个技能先cd，哪个蓝量够就用哪个来打你，两个技能都可以释放的话，按优先级走就行。　　傻傻的。　　复杂一些的，到了boss，技能数量变多，多加几个控制字段，再来个仇恨列表什么的，确定选择攻击的对象。　　再高级一点的ni的全部行为细节，在遇到状况发生的时候，会根据具体的情况，在行为树的节点上跳转，采取相应的行为。　　目前大多数游戏都是采用的这种框架，《无人幸存》中的敌人如此，因为行为树节点很多，设计师设定的分支情况相当繁杂，才达到了让玩家们感觉有点跟真人对战的灵活感。《永恒之战》中给新手玩家们练手用的人机对战模式同样也是如此。　　而鱼苗现在做的，是想让ai在不停的游戏对局过程中，学习战斗技巧，战术，学会识别敌人和复杂的环境等等。这样的意义在于让它学会玩游戏，提供给青鱼未来游戏开发和改善的经验与数据。　　青鱼网络是目前第一个进入到这个领域的游戏公司，包括ea，动视，育璧，任极乐都没有，更别说腾华，黄易这些了。　　目前这个ai有一个很具有中国特色，也很好听的名字叫做：来福。　　夏青鱼之前一说到ai就想到什么机械管家，钢铁侠里的贾维斯之类的，反正都是管家。中国的管家，除了叫来福还能叫什么。　　现在鱼苗小组的40多个人，全部在青鱼产业园区c座楼的第二层，叶沉溪此时就来到了这里，在主管特姆金·贝克的陪同下，参观了他们最新的研发成果。　　来福目前主要是针对于动作冒险和射击游戏创造的，它现在已经可以在《失乐园》中完成简单的对局。　　不同类型的游戏ai是完全不同的，不要幻想一个ai可以同时作用于《永恒之战》，《无人幸存》再到《失乐园》中。　　在叶沉溪之前还在北美的时候，从9月份第一个可参与到《失乐园》中对战的来福开始算起，到现在他已经在其中完成了超过3000局的游戏，如果算上看过的内部研发成员们的战斗记录，那更是超过了一万场。它有时候是和横公工作室的员工们真人对局，有时候是自己和自己左右互搏，算得上身经百战了。　　不过比较尴尬的是，目前和员工们的战斗中，只赢过聊聊数局，而且从来算不上正大光明，赢过的几把要不就是某个对手开车自己翻车挂了，无辜获胜，或者他们自己火拼完血量和弹药之后，来福渔翁得利。　　当然它现在是被封印的状态，否则射击类游戏没人可能跟ai比拼的，枪法上就已经无敌了，所有弹道的计算，枪口稳定程度，压枪什么的，它可以做到绝对的精准。　　叶沉溪现在旁边看来福发挥了一局，如果要按照第三者的视角去看，很菜，有时候也会站着发呆不知道该干嘛，枪械和装备的选择上也会陷入矛盾之中，不过看性格应该是个云淡风轻的世外高人，听到响声就跑，看到人影就趴……　　还真的是深度学习啊，这几个月都跟着横公这群人学到些什么东西啊。　　叶沉溪直摇头，这群人能教点儿好的？　　贝克还以为老板是对ai的效果很不满意，解释说来福现在还很不完善，而且还在学习中，满大街都是行为树的程序员，神经网络人才很少，符合青鱼要求的就更少了啊。　　版本制作流程没有先例，团队内部都还在探索之中啊。　　还有老板你自己说我们是做游戏的，不是做最强的ai，而是做好玩的ai，这一点的难度才是真的大啊。　　一大堆理由或者说苦水就开始往外吐。　　叶沉溪看了看贝克，以前没发现这老哥口吃这么伶俐呢，忙宽慰道没事儿没事儿，慢慢来，公司从来就这个项目作为盈利点的打算，莫忘初心，咱们的目标是探索。　　贝克这才放下心来。　　等一局结束，来福获得了最终的胜利，这是自然，这局本来就是