Читать книгу "Жизнь в мире компьютерных игр - Сид Мейер"

К счастью, зять одного из двух моих изначальных партнеров по Firaxis Джеффа Бриггса состоял в престижном гольф-клубе в Нью-Йорке. Джефф умудрился убедить его приехать в Мэриленд вместе со своими партнерами по клубу – профессиональными игроками. Изначальной целью их поездки, как я понял, было сыграть несколько раундов на поле в Кейвс-Вэли или в одном из загородных клубов в Бетесде, но они великодушно нашли время встретиться с нами за обедом и рассказать, за счет чего эти поля выгодно отличались от других.

– Поле должно быть простым, – заявил один из них. – Никто на самом деле не любит играть на трудных полях.

– Почему же тогда площадки не делают в форме огромной трубы? – спросил я. – Как ни ударь, мяч все равно закатывается в лунку.

– Ну да, – произнес задумчиво мой собеседник. – Действительно. Тогда так: надо, чтобы поле выглядело трудным, но играть на нем при этом было легко.

В течение следующего часа мы проговорили этот вопрос еще подробнее. Выяснилось, что больше всего этим ребятам нравится, когда лунка проста для них самих, но сложна для других. Например, если Джонатану особенно хорошо удавались подсечки, он получал больше всего удовольствия, играя по тем лункам, где нужно было использовать именно такие удары. Гольфисты хотели быть звездами в своем мире ничуть не меньше, чем геймеры – в своем.

Мало-помалу у меня в голове стал складываться образ будущей системы подсчета очков. Четыре условных игрока пройдут каждую из лунок. У одного из них все игровые навыки будут на среднем уровне, а каждый из оставшейся троицы будет обладать тем или иным особым талантом, будь то точность, дальность или умение придавать вращение мячу. По результатам каждой лунки мы сравним, насколько три игрока с уникальными способностями превзошли результат среднего игрока, и оценим проект участка поля на основе этой разницы. Если средний игрок отправляет мяч на 200 ярдов, а игрок с сильным ударом – на 250, то в идеале вы хотите сделать холм на расстоянии 225 ярдов от позиции начального удара. Так игрок с сильным ударом перебьет холм, а у среднего игрока он достигнет ближнего склона и скатится обратно – чем больше разница, тем больше вы получаете очков.

В этой системе было интересно то, что для нее не требовался искусственный интеллект. Мы должны были придумать сложные алгоритмы оценки, но компьютеру не нужно было самому создавать хорошие поля на их основе. В игре отсутствовали конкуренты, которые посягали бы на вашу землю, не было требующих расчета неприятностей вроде плохой погоды или финансовых передряг. Впервые со времен Solo Flight я делал игру, в которой не было ни намека на антагонизм. Впрочем, даже в Solo Flight был деморежим, в котором можно было наблюдать за полетом самолета без необходимости управлять им самим (в основной релиз игры этот режим, правда, не попал).

Railroad Tycoon был очень близок к тому, чтобы обойтись без ИИ, но ближе к концу работы над игрой мы решили, что ее можно улучшить, добавив фактор времени. Это происходило примерно в то же время, когда рабочее название The Golden Age of Railroads («Золотой век железных дорог») уступило место более агрессивному Railroad Tycoon. К сожалению, изменения в коде мы начали делать менее чем за месяц до релиза, и у меня не было времени проработать новые фрагменты до конца. Так что вместо того, чтобы сделать несколько версий ИИ и по мере роста сложности игры использовать все более и более умную версию, мы определяли уровень сложности тем, насколько компьютеру позволялось обходить правила. Прожженные капиталисты вроде Корнелиуса Вандербильта или Д. П. Моргана оправдывали свою репутацию, беря на один заем больше, чем мог себе позволить игрок, возводя станции на не подходящем для этого ландшафте и каким-то образом заставляя реки на подконтрольной им территории вести себя прилично даже тогда, когда расположенного выше их по течению игрока затопляло наводнением. Но в игре была возможность выключить соревновательный режим, и лишь немногие писали нам из-за всего этого возмущенные письма. В общем, люди, которым нравятся поезда, любят их всей душой, так что большинство игроков были в восторге от того, что получили возможность продемонстрировать свою увлеченность.

Даже если бы мы нашли каким-то образом время и проработали алгоритмы ИИ более детально, игра бы не сильно изменилась. Когда ИИ действует в полном соответствии с законами игровой реальности, его обвиняют в читерстве даже чаще, чем его жульничающих собратьев, ведь в той или иной степени большинство игроков расстраиваются, если понимают, что компьютер может их перехитрить. Часть удовольствия от игры состоит в том, чтобы разгадывать заложенные в ней шаблоны поведения ИИ и успешно их предсказывать. Когда же компьютер ведет себя не так, как от него ждешь, у нас остается лишь одно объяснение, не несущее угрозы нашему самомнению: у ИИ есть доступ к информации, которой он знать не должен. ИИ не разрешается рисковать, совершать случайные действия, ему не должно везти (хотя люди делают все это каждый день). И дело тут не в том, что мы не можем запрограммировать такое поведение, просто наш опыт свидетельствует: столкнувшись с ним, игроки часто расстраиваются и забрасывают игру. Когда люди играют друг с другом, этого не происходит, потому что они заранее предполагают вероятность сумасшедших действий со стороны оппонента. Компьютеры же слишком умны, чтобы сходить с ума, и если они начинают принимать безумные решения, мы не можем сбросить с себя подозрения, что они знают нечто такое, чего не знаем мы. Так что для гейм-дизайнера создать блестящий ИИ – далеко не самая важная задача.

Даже в Civilization, где искусственный интеллект был задействован в большей степени, чем в основной массе других игр, не реализовано и толики потенциальных возможностей ИИ. В 2011 году профессор Массачусетского технологического института использовал алгоритмы машинного обучения для обучения компьютера игре в Civilization II, не прописывая никаких базовых инструкций. Начав с произвольных нажатий клавиш и обратной связи от игры о том, принесло ли это нажатие результат, компьютер в итоге набрал достаточное количество шаблонов, чтобы выигрывать 46 % партий. Как только ему дали текстовую версию руководства для построения лексических ассоциаций, то есть поиска в руководстве кусков текста, отображаемых на экране, и выбора последующих действий в зависимости от того, какие слова расположены до и после этого куска, процент побед вырос до 79. Я мечтал о чем-то подобном в начале своей карьеры, но теперь, когда это стало реальностью, меня это, признаться, слегка пугает, и я рад, что могу вместо этого ориентироваться, как и раньше, на более простые ожидания игроков.

SimGolf была благосклонно принята фанатами, несмотря на то что почти в каждом обзоре отмечали ее необычность. Кто-то назвал ее «теплой, размытой и пастельной… перед нами мир, словно взятый из каталога универмага JCPenney». Думаю, впечатление автора было основано скорее на моем имени, чем на какой-то объективной шкале умилительности. Пользователи часто навешивают на мои игры ярлык классических стратегий, и разнообразие моего послужного списка тут не помогает. Но если SimGolf получилась более шутливой, чем несколько предыдущих моих игр, тем лучше! Это значит, я не зря на нее взялся, ведь делать что-то новое всегда интереснее, чем идти по проторенной дорожке.