皇后走到 e4。将军！唉，我又输给电脑了！在电脑游戏对抗方面，人类在人工智能 (AI) 面前早已一败涂地。虽然听起来令人沮丧，但我们的大脑显然无法和电脑一样，在几纳秒内处理几百万种可能性。
但换一个角度来看，对狂热的游戏玩家来说，AI 的发展也是一个重大的机遇。我们能不能利用 AI 来测试电脑游戏，从而帮助完善游戏？或者对 AI 加以训练，让它学会更接近人类的游戏方式，从而帮助我们得到更理想的结果？
这是 Lionbridge 专家 Emmanuelle Rodrigues Nunes 每天都在思考的问题。Nunes 是巴西人，现在居住在英国。作为 Lionbridge 的一位高级数据科学家，她目前被指派与 Microsoft 合作。她的工作是利用复杂的 AI 策略让游戏更加稳定、可靠和有趣，并让这一切得到大规模应用。
作为皇家统计学会 (RSS) 的会员和研究员，Nunes 于 2021 年秋季在英国曼彻斯特举行的皇家统计学会国际研讨会上做了两个概要报告， 简述了 AI 对游戏体验的革命性影响。
在第一个概要报告中，Nunes 探讨了进化策略 (ES) 算法如何代替行业普遍采用的强化学习技术。二者有何不同？简单来说，进化策略算法的灵感源于我们在自然界中看到的进化突变。和达尔文的进化论相似，这种算法会选择最合适的选项，并以此为下一代的起点来不断完成优胜劣汰的选择过程。进化策略算法有很强的自适应能力。除了能够不断改进，这种算法的主要优势还包括可扩展性和简洁性。
为什么这种算法改进对游戏开发者或者普通游戏玩家很重要？这是个值得讨论的好问题。在质量保证 (QA) 阶段，我们的目标是一遍又一遍地造成游戏出错。然后问自己：“如何修复这个问题？”然而，这并非我们在日常游戏体验中会出现的行为。能够模仿普遍的人类游戏行为的算法可以提供惊人的预测性指标，帮助我们预测应用程序遇到致命错误并意外崩溃/终止的可能性以及应用程序的稳定性，而这一切都是在典型的用户行为范围内得出的。
进化策略算法的应用为我们提供了一种更为准确和具有代表性的指标，用以衡量产品的健康状况以及问题对用户的影响。而且它拥有一个人类测试员无可比拟的优势：算法可以全年无休地运行。它不需要休息，也不用为它提供人类测试员所需的必需品。当我们在睡觉、吃饭、工作的时候，游戏的测试会一直不停地持续下去。
Nunes 的第二个项目也和游戏的“健康”指标有关，但和进化策略算法的应用方向不尽相同。这是一种了解应用程序稳定性的新方法。获取这样的数据相当关键，因为在整个终端用户的体验中，稳定性是最重要的。稳定性不足，游戏的应用内目标的实现就会大受影响，还会损害用户对应用可靠性的信心。虽然我们的目标一直是 100% 的稳定性，但这一点其实很难实现。因此，在可接受的范围内衡量这一关键质量因素很重要。利用生存分析，我们可以更全面地了解我们的游戏产品在生命周期内的健康状况，也可以深入了解游戏的稳定性。
应用这些复杂技术的目的是解决一些非常基础的问题。这能让我们的开发者清楚地知道游戏是否已经做好了发行的准备。这类自动化技术还能迅速为开发人员提供前所未有的信心和把握，而且可以大规模应用。
在几年之前，大多数的 QA 都还只是基于测试人员的数据。尽管前沿技术的发展已经得到应用并改变了这一现状，但 Nunes 认为人类依然会有非常重要的作用。她主张结合使用自动化技术和人工测试员，以便互为补充。
算法再像“人类”，也无法模仿出人可能会犯的一些普遍性的错误。最重要的是，它无法对一些让人讨厌、分心或者沮丧的游戏元素作出反馈。更不可能理解一款精心开发的游戏有多大的魔力，并深深陶醉其中。这些反馈来自于感性体验，是人类之所以成为人类的根本，也是 QA 过程中不可或缺的部分。
随着自动化技术在质量保证工作中得到应用，我们相信游戏能够更快地走向市场。与此同时，我们的工作将更有效率，我们的终端用户也可以得到更好的整体体验。这种自动化技术的应用方式非常新颖，而且会不断变化和迅速发展。Nunes 很期待迎接随之而来的挑战。她希望这些技术进步的应用能够成为行业标准，这样我们便能提升整个行业的水平。
