Google Stadia 的自我對弈機器學習代理在數天內揭露並修正了一款卡牌遊戲的失衡

平衡一款線上多人遊戲通常意味著一個緩慢的循環：透過數千次真人試玩進行壓力測試、納入回饋、重新設計，如此反覆直到測試人員與設計師都滿意為止。Google 的 Stadia 工程師稱這個過程不僅耗時，而且並不完美——一款遊戲的角色、技能與相互牽連的機制越多，細微缺陷就越容易溜過去。

他們的對策是訓練機器學習模型來充當試玩員。Chimera 是一款數位卡牌遊戲原型，刻意設計成具有龐大的狀態空間與不完全資訊，好讓手工撰寫的 AI 難以寫成；他們訓練了一個卷積網路，從棋盤的影像編碼預測獲勝機率。代理一開始隨機出招，接著與自己對弈，每一次迭代都提升資料品質與對局強度。

模擬對戰累積達數百萬場，遠遠超出真人測試員所能產出的量。資料揭露了試玩時段所漏掉的問題：Evasion Link Gen 牌組對上 Damage-Heal 牌組的勝率達 60%，奇美拉演化的威力超出設計師預期，實際發生頻率卻低於預期，而 T-Rex 生物過強——代理無論在錯誤或過度擁擠的生物群系中會受到何種懲罰，都照樣打出它。設計師將演化的能量消耗從 3 點降到 1 點，並將 T-Rex 的冷卻時間加倍，但勝率仍維持在 60/40。

第二輪檢視遊戲日誌後發現，對戰仍然太過淺薄：起始生命值與治療量被調高以延長對局，生物群系放置懲罰加重，最強與最弱生物之間的差距也縮小了。在一百萬場最終對戰中，Evasion Link Gen 的勝率從 59.1% 降至 49.8%，Damage-Heal 則從 40.9% 升至 50.2%，而每場平均演化次數從 1.54 升至 2.16、從 0.86 升至 1.76。團隊表示他們在數天內就找出並修正了失衡，而過去動輒需要數個月的試玩。

自我對弈的機器學習代理能以人類無法企及的規模進行試玩

數百萬場模擬對戰把平衡變成統計問題：60/40 的牌組差距會顯現在彙總資料中，而不是只靠數十次試玩得來的直覺勉強留存。

自我對弈無需手工規則即可啟動：隨機出招啟動循環，每一代都改善自身的資料，而一個在影像狀態上運作的簡單 CNN 就能學會一款對傳統 AI 而言過於複雜的遊戲。

代理以行動而非報告來證明：它無視懲罰、總是打出過強的 T-Rex，讓設計師的盲點無從否認且可據以行動。

廉價的迭代正是關鍵所在：規則變更在數天內於百萬場對戰中重新測試，而同一個小型模型在客戶端內的 CPU 上運行，即時顯示獲勝機率。

當品質循環依賴緩慢的人工測試時，打造一個能跑數百萬次試驗的廉價合成使用者，再依據它揭露的模式調整規則；數個月的測試便壓縮成數天。

這項平衡工作以兩副牌組在一百萬場模擬對戰中接近勢均力敵作結，工程師表示，找出並修正問題的循環在數天內完成，而過去數個月的試玩才是常態。他們補充，一個簡單的神經網路在對抗人類與傳統遊戲 AI 時達到了高水準的對局表現，而同樣的代理日後還能指導新玩家，或發掘設計師未曾想像過的策略。這篇文章本身就是團隊的論點：機器學習屬於遊戲開發流程的一環，而不只是遊戲內部的一部分。