游戏开发者通过读取玩家记忆，设计出增强现实的恐怖游戏，让玩家在游戏中直面自己心底的深渊。这一黑科技事实上离我们不远。
《黑镜》第三季依旧由查理布鲁克担任编剧，尽管播放权转到奈飞手下，这一季依旧向观众展现了未来科技给世界带来的噩梦。在第二集《游戏测试》中，一个美国游客来到一家英国游戏开发工作室参与一款增强现实恐怖游戏的测试。游戏通过在玩家大脑内植入一个生化蘑菇控制玩家的感官，然后人工智能程序会自动发掘玩家心底最恐惧的东西，并将它们投影到现实中。于是恐惧、崩溃接踵而至。
会分析玩家性格并机灵地作出自我调整的游戏看起来不可思议，但这或许就是未来游戏的发展趋势。
分析你的游戏
恐怖游戏《寂静岭：破碎记忆》通过对玩家进行心理测试，之后根据结果调整游戏安排。
8年前，恐怖游戏设计者山姆巴罗想出一个把玩家吓破胆的办法。在《寂静岭：破碎记忆》中，他加入一个名为卡夫曼医生的角色，这个角色是一名心理治疗师，负责检查主角哈里曼森的心理状况。实际上，卡夫曼的设计目的是对玩家进行心理测试。
卡夫曼的测试利用了麻省理工心理学家采用的“大五类人格特征”性格测试，玩家会回答诸如：“你是注重隐私的人吗？”、“你经常倾听他人的话吗？”一类的问题。通过测试，游戏会得到玩家的心理档案。与此同时，游戏系统会记录玩家的行为，如在每个区域冒险的时间、是否会偏离明确标出的路线、是否会认真和NPC对话等。玩家的每个举动都会影响到故事的发展。
“大部分游戏场景设置都是可变的——从画面纹路到色彩、亮度等，” 巴罗说：“游戏角色也有不同的面孔和性格，玩家在游戏中接到的电话、语音邮件和可读信息都根据他们的档案进行调整，当玩家进入新房间时，系统将读取他们的档案，加载适合他们的内容包。”
这个点子依据玩家的心理特征吸引玩家，游戏角色、怪物和环境都会尽可能对应玩家内心的恐惧。它是个私人订制的噩梦。
从《龙与地下城》开始，游戏设计者就开始给玩家分类，为不同类玩家设置不同游戏体验。理查德·巴图是原始MUD角色扮演游戏的创始人之一，1996年他发明的玩家分类法：追求成就类、探索类、社交类和杀手类现已成为开放者吸引不同类型玩家的重要参考。
在过去的十年间，诞生了“玩家建模”的游戏概念，即游戏能从每个玩家身上学习，变成了人工智能和机器学习研究的重点。2004年，人工智能研究者Georgios Yannakakis和John Hallam在一场研讨会上发布了他们的研究成果Pac-Man。这是一款搭载了高级神经网络的街机游戏，游戏中的鬼可以根据玩家的战略调整自己的行动。同年，博士生Christian Thurau发布了他的建模系统，系统利用图案识别和机器学习技术，玩家在玩《雷神2》时，AI在一边看并学习玩法。
简单说来，这些技术都在帮助游戏学习玩家的行为。
更多的研究接踵而至。2007年埃博塔大学的智能推理学习小组在 Vadim Bulitko的带领下研发出了PaSSAGE（对应玩家自动生成事件系统），这是一款人工智能交互系统，通过在角色探险游戏中观察并学习玩家的活动，为玩家挑选他们最喜欢的故事线。系统按照罗宾的《龙与地下城》法则将玩家分成5类，从数据库中调取匹配不同类别玩家的任务。如果玩家喜欢寻宝，就会接到寻宝任务；喜欢战斗则会得到战斗任务。
超级马里奥变成私人订制的游戏
PaSSAGE系统虽然听起来很有趣，但它完全靠人手动设计，只能有限地把握玩家行为。乔治亚研究所交互计算机学院的博士生Matthew Guzdial正欲研发该系统的升级版——一款会分析玩家动作，并基于此设计全新游戏关卡的《超级马里奥》。
“我们已经成功地让系统生成匹配玩家风格的关卡，” Guzdial说：“如果玩家喜欢探索，系统就会设计出必须一探到底的关卡；如果玩家喜欢使用加速跑技能，系统就会给出适合加速跑的场地设计。”
《超级马里奥》是非常流行的AI研究测试平台，因为多数人对它非常熟悉，玩家可以在一个局限的环境中做很多动作，且它的代码也很简单。哥本哈根大学的AI研究员Noor Shaker、Julian Togelius和之前提到的Yannakakis联手做了一个测试，玩家每次结束游戏后会提供自己的情绪信息，根据游戏过程中得到的愉悦感、挑战感和挫败感打分。AI将这些分数和玩家的游戏数据结合（躲避、奔跑、死亡次数以及杀敌人数等），最后生成新的关卡。
在过去的十年里，马耳他大学数字游戏学院的副教授Yannakakis和他的同事研发了很多方法探索玩家游戏时的行为、感官和情感模式。他们写出的深度学习程序从海量数据库中汲取玩家经验，挖掘玩家行为（如吃更多的补血包而忽略弹药）。他们也探索了优先学习技术，让AI学习不同关卡所需的技能（如优先学习跳跃技能，搁置杀敌技能）。
除了行为数据，他们还使用年龄、性别和其他个人信息。游戏不是他们唯一的研究对象，AI技术还可用于教育软件和精神疾病诊断软件的开发。
“通过分析玩家的游戏过程，AI可以自动或半自动地生成游戏关卡、地图、视频、音频、故事线甚至游戏规则，” Yannakakis说：“程序的预测能帮助设计者为玩家营造更好的游戏体验，通过跟踪玩家的喜好、目标和风格，AI可以帮助设计者创造出更让人耳目一新的游戏。”
Julian Togelius是纽约大学AI游戏研究最著名的教授之一，他试图设计出一个AI游戏开发员，这个AI不仅会对输入的玩家信息感兴趣，还会对玩家产生好奇，并试图了解更多。
“现在有一种机器学习技术叫做积极学习，程序会主动选择学习案例，” 他说：“利用这一技术，游戏可以选择学习玩家身上的某一方面，它对玩家感到好奇，会将他们置于不同的情况中，填补对玩家的了解死角。这对玩家来说很有趣，因为游戏了解他们的能力，且会创造对他们口味的新关卡。”
会察言观色的游戏
这种游戏模式早有先例，如Valve的《求生之路》。它采用的AI能根据玩家行为改变敌人类型和关卡的威胁级别，最后大受好评。通过分析玩家数据调整游戏的设计方法屡见不鲜，Zynga的《开心农场》和《黑手党战争》利用庞大的用户数据库，发现玩家的疲劳点，最终剔除不合理设计。数据分析随即变成了Zynga公司的业务分支，其下属的游戏咨询公司如Quantic Foundry和GameAnalytics都在为手游公司提供玩家信息。但这些系统都是纯粹商业驱动的，他们虽然能收集大量玩家的数据，但对每个玩家的个人特点并不了解。
一些AI开发者开始研究会捕捉玩家情感的AI，它们通过分析玩家动作知晓玩家情绪的波动，一些简单的动作，狂按跳跃键，逃避敌人，快慢速移动等都能透露玩家的状态。2014年，Julian Togelius 可以通过观察玩家在《我的世界》中的游戏行为推断他们的一些性格特征。他先询问玩家一些与他们个人性格相关的问题，并对比游戏记录，最后发现独立性和好奇心在游戏行为中体现的最为明显。
AI能否根据玩家的感受自动修改游戏呢？哥本哈根大学博士Noor Shaker说：“现在最大的挑战是让AI将游戏内容和玩家行为与情绪建立联系。我们要找出能影响玩家情绪的部分。” 他利用了多种方式帮助AI学习并适应玩家的行为模式。
“我正在建立更精确的模型，包括一种能具现化玩家情绪的交互工具，” Shaker说：“现在的工作主要是根据游戏难度和一些简单的玩家数据模型调整NPC的行为，相信除了调整难度和NPC，肯定还有其他手法能帮助改善玩家体验。最近的研究表明，挫折、认真和惊讶等情感可以由机器感应并学习到。”
Shaker现在的工作就是开发一款会读心的AI系统，玩家在游戏时它会察言观色，改变NPC和故事线，从而牢牢抓住玩家的心。“自动个性化游戏不是天方夜谭，” 他说。
跟踪你的游戏
游戏不是唯一可以收集玩家信息的地方。脸书、亚马逊、微软和谷歌能利用行为分析技术给用户推送广告和其他内容，我们的网络足迹被他们追踪，最后这些大公司对我们的偏好了如指掌。游戏设计师也可以从中学到一些套路。
AI研究者从一些大型网站上收集数据，Gabriella Barros 和 Julian Togelius 正在制作一个能从维基百科和开放式街道地图上收集信息的AI，为用户提供贴近他们生活习惯的游戏，这种数据游戏还处于起步阶段。
法尔茅斯大学研究员 Michael Cook 说：“现在研究者们对大型数据平台感兴趣，将来研究的触角可能会伸向人们的社交媒体，这样未来的游戏可能就以你的熟人、你的个人爱好和你去过的地方为蓝本展开，这听起来有点吓人，但可以肯定的是这就是未来游戏数据挖掘的发展方向。毕竟我们已经向那么多互联网公司出卖了自己，再和游戏公司签个约也不是不可能。”
Shaker 也指出隐私安全是获取社交媒体信息的瓶颈，但众多互联网公司都巧妙地绕开了这一瓶颈：“一旦我们获得了数据，就可以对用户进行分门别类的分析，比方说可以根据他们的社会、文化和政治观点了解他们的性情，我们也可以了解用户买的游戏、书和歌曲。之后再使用神经网络或标准分类技术，可发现同类人群并推测用户性格。”
现在我们接近《黑镜》第二集的概念了。想象一款类似《模拟人生》的游戏，虚拟的公寓墙上挂着从你的脸书上扒下来的生活照，虚拟的邻居是你在真实生活中的好友；再黑暗一点，想象一款和《黑镜》第二集差不多的恐怖游戏，它知道你的人际关系情况，你在推特上的发言，你在油管上看过的视频。“游戏数据可以与社交媒体数据结合，更好地分析玩家从而提供更好的游戏体验，” Yannakakis说。
会读心的游戏
研究者能根据玩家在游戏中的行为和网上足迹建立起他们的心理状况和社交信息库。《黑镜》中的那款恐怖游戏就是一个侵入玩家神经的黑客，但这种技术还属于科幻范畴。但我们已经能看到一些设备——如皮肤电导和心率仪可以帮助测量玩家对游戏内容的情绪波动。
科乐美1997年的约会游戏《告诉我吧你的心》采用了一款传感器测量玩家的心率和皮肤电导，以此获取每个浪漫环节的游戏效果。去年 Flying Mollusk 出品的《恐怖心跳》能根据玩家的精神压力反应调整游戏难度。Yannakakis和其他一些研究员在用市面上不出售的智能摄像机，如英特尔的RealSense和情绪测量软件Affectiva分析玩家的表情并监控他们的心率，两者都能有效地反映玩家情绪。Shaker甚至可以通过玩家玩游戏时头部的姿势推断出他们的游戏体验。
尽管这些研究现在还处于实验室阶段，但这并不意味着它们不会投入实用。成功开发了《半条命》和HTC Vive VR头盔的 Valve公司已经研究生物信息好几年了。2011年，公司创始人Gabe Newell预计终有一天依靠心律仪和皮肤传感器的游戏会出现，这样的游戏可以轻易地根据人体反应调整内容。现在我们已经有带传感器的VR头盔了，会读心的游戏已经离我们不远。
会爱上你的游戏
之前的介绍可能让你毛骨悚然，但会主动了解你的游戏不一定都那么可怕，它们可以非常友好善良，甚至给你美的体验，一家名为Mobius AI的初创公司就在开发这样的游戏。创始 Mitu Khandaker-Kokoris博士正在设计一款情境游戏，她希望AI对玩家的了解能帮助建立起良好的人机关系。
“游戏缺少的就是我们在真实生活中与人交往的自然感，” 她说：“AI可以通过了解玩家的表达方式达到这种效果。”
“想象你是一个AI机器人在这个世界上最信任的人，因为它非常了解你。之后这个AI会像人一样对待你，你的游戏体验是独一无二的。当然设计出这样的游戏挑战性很大。”
有趣的是，Khandaker-Kokoris 本人对玩家数据挖掘持怀疑态度，她说：“游戏时的我们和真实生活中的我们是不同的，但在游戏中我们也会表露出部分真实的一面。因此设计者们要搞清楚这对角色扮演游戏来说意味着什么，以及一个贴近真实的游戏情境究竟该是什么样的。”
可以确定的是，大多数游戏开发商们正往一个方向使力：基于个体玩家的偏好和活动设计出对应每个玩家需求的游戏，耗资百万、试图满足大多数玩家需求的单一叙述体验游戏与之相比太脆弱了。我们现在处于可以完成行为建模的数据科技时代，亚马逊能实时根据买家偏好建立起个性化广告库。在这种背景下，想了解你、学习你、对你好奇的游戏也不可避免地会诞生。