皇后移動到 e4。將軍！我又輸給電腦了！在電腦遊戲方面，人工智慧 (AI) 的發展早已讓凡人望塵莫及。雖然這麼說讓人不甘心，但人類的大腦根本無法像電腦一樣，能夠在幾奈秒內處理數百萬種可能性。
不過，對我們這些資深玩家來說，AI 也提供了一種嶄新可能性。我們可以利用 AI 來破解電腦遊戲，進而改善遊戲體驗嗎？我們可以訓練 AI 以更像人類的方式玩遊戲，來提升並強化測試成果嗎？
這些是 Lionbridge 的 Emmanuelle Rodrigues Nunes 每天都在思考的問題。Nunes 是現居英國的巴西人，在 Lionbridge 擔任資深資料科學家，目前被指派與 Microsoft 進行合作。她使用複雜的 AI 策略讓遊戲更穩定、更可靠且更好玩，並將此技術大規模運用至各個方面。
2021 年秋天，她在英國曼徹斯特舉行的皇家統計學會 (Royal Statistical Society, RSS) 國際會議上發表了兩篇摘要，內容是關於 AI 對遊戲玩法造成的革命性影響。Nunes 是 RSS 的成員與會員。
在 Nunes 的第一篇摘要中，她探討了演化策略 (Evolutionary Strategies, ES) 演算法如何替代目前廣為使用的強化學習技術。這兩種技術之間有何不同呢？簡單來說，ES 演算法的靈感源自於我們在大自然中所見的演化突變。就像達爾文的進化論，這些演算法會挑選最適合的選項，並將其做為下一代的起點。ES 演算法也具備自我適應能力，可以不斷改進，與強化學習技術相比，它的主要優勢在於可擴充性和簡潔性。
為什麼這種改進對遊戲開發人員或一般玩家來說很重要？這是個好問題。品質保證 (QA) 流程旨在一次又一次地破解遊戲，然後再思考：「我們可以怎麼解決問題？」但是，這並非日常遊戲玩法中的正常操作。可以模擬一般人類玩法的演算法，具備了驚人的預測能力，能夠判斷應用程式發生致命錯誤和意外當機/終止的可能性，以及應用程式的穩定性等因素，這些都涵蓋在一般的使用者行為中。
針對產品健康狀況以及問題對使用者造成的影響，使用 ES 演算法可提供更精確且具代表性的評估結果。而且，與人類不同的是，演算法可以全年無休 24 小時不間斷地玩遊戲。科技不需要休息，也不需要測試員所需的任何東西。因此，在我們睡覺、吃飯、工作的時候，都可以一直讓演算法玩遊戲。
Nunes 的第二項專案雖然與 ES 演算法不同，但也和遊戲的「健康狀況」指標有關。這是一種了解應用程式穩定性的嶄新方式。穩定性是影響使用者整體體驗的關鍵要素，因此了解穩定性相當重要。此外，如果穩定性不足，也會大幅阻礙使用者在遊戲應用程式內達成目標，進而損害他們對應用程式可靠性的信任感。100% 的穩定性是我們一直致力想實現的目標，但要做到這點其實極具挑戰。因此，在可接受的範圍內來評估這個關鍵品質因素，就顯得非常重要。利用存活分析概念，我們得以更全面地了解遊戲產品在整個生命週期內的健康狀況，還能讓我們深入了解穩定性。
上述複雜的做法可以解決一些非常基本的問題，讓開發人員能夠判斷遊戲何時能正式推出。這類自動化流程也可以迅速地讓開發人員獲得前所未有的信心與肯定，而且還能大規模運用。
幾年前，大多數的 QA 的執行依據僅限於測試員的資料。雖然單憑尖端科技發展已開始改變這樣的規則，但 Nunes 認為人類仍能扮演相當重要的角色。Nunes 提倡以互補的方式來使用自動化與人類測試員。
演算法即使再像人類，終究無法模擬人類才會犯的普通錯誤。最關鍵的是，演算法不會對煩人、令人分心或沮喪的遊戲元素提供回饋。同時，演算法也無法深深沉浸在一款精心開發的遊戲中，享受遊戲的美妙之處。這些特質都是人性的一部分，也是流程中非常重要的環節。
隨著品質保證流程迎向自動化，我們可以期待遊戲得以更快上市、開發效率獲得提升，並讓終端玩家享有更優質的整體體驗。這種自動化的運用方式相當新穎，變化無窮，而且發展快速。Nunes 期待繼續應對這些挑戰，並希望將這些新穎科技的應用轉化為業界標準，藉此提升整個產業的遊戲體驗。
