
新闻
GTA 6 中的 NPC 如何运作
发布 最后核实
图片: Rockstar Games
本页为英文原文的机器翻译。 阅读原文
行人现在会相互交谈、会对你的外观作出反应,并记得过去的接触。Rockstar 有一支团队专门负责他们——但"由 AI 控制的世界"是零售商的说法,而非 Rockstar 的说法。
行人是 Rockstar 在 GTA 6 中改动最大的部分,也是最容易被错误描述的部分。
以下是实际已经展示出来的内容,以及"AI"这个词在相关报道中究竟指什么。
现在可以和人对话了吗?
可以。对几乎任何平民保持目标锁定,都会打开情境选项——打招呼、恐吓、抢劫、嘲弄。该机制沿袭自 Red Dead Redemption 2。
在武器收起的情况下,选项是社交性的:打招呼或挑衅。在紧张情境中,选项会变为缓和或激化。
这使瞄准成为一种对话行为,而不仅仅是战斗行为,对本系列而言是一个低调但重要的转变。
行人会对你作出反应吗?
会,而且是持续性的。
他们会对你的外观、你的行为以及周围环境作出回应。拔出武器走过与不拔武器走过,会引发不同的反应。威胁某人,对方要么反击,要么逃跑。
天气、时间以及 NPC 自身的情绪状态都会影响他们说的话。
他们也会对被跟踪表示不满。跟踪某人太久,或是逗留偷听别人的谈话,他们会上前与你对质。
他们会记住吗?
据报道会。NPC 能够认出此前有过接触的 Jason,并根据他当时的行为区别对待。
这一点出自预览报道,而非 Rockstar 的技术说明,但它是影响最大的细节——在这样一个世界里,后果会留存在具体的行人身上,而不是在你走开后就被重置。
他们彼此之间会互动吗?
会。当附近发生某些情况时,行人之间会相互交谈,而不是在玩家上前接触之前一直闲站着。
Rockstar 还使用了一套名为 Focus 的系统,可在探索时高亮有用的物品和机会。结合工作室不在地图上标记每一个事件的决定,这意味着交谈和异常状况会自行发展成活动。
动物呢?
同样的互动逻辑也延伸到动物身上:抚摸、斥责、观察。你观察过的物种会被游戏记录。
这个世界是"由 AI 控制"的吗?
这正是报道出错的地方。
该说法可追溯到一条巴西零售商的商品信息,其中称 NPC 拥有基于先进 AI 的日常行程,会在地图各处生成有机的随机事件。Insider Gaming 指出,没有其他零售商采用这一描述,并且它可能会被修改。
这并非 Rockstar 的声明,其含义也不同于许多标题所暗示的那样。
有两种不同的东西都被称作 AI:
行为 AI——日常行程、反应、调度、随机事件。这属于常规的游戏编程,也是那条零售商品信息所描述的内容。
生成式 AI——在运行时由语言模型生成新对话。这是人们看到那些标题时所设想的内容。
Rockstar 已明确表示,在制作本作时没有使用生成式 AI。
冷静的解读是:这些行人复杂、经过脚本编写、具有反应性。他们并不是在即兴发挥。
为此投入了多少工作?
不成比例地多。据《纽约时报》报道,Rockstar 在洛杉矶有一支团队专门负责行人,单个角色由人工进行美术指导,而不是用零件拼装而成。
本作包含超过 600,000 个动画,相比之下 GTA V 约为 55,000 个,Red Dead Redemption 2 约为 300,000 个。
哪些内容尚未确认?
记忆系统的深度究竟如何。反应是否会带来持久的后果。社交媒体声望条、发布自己内容的能力,或网红养成路线——这些都有人讨论,但都未获官方公布。
Rockstar 也明确表示,这并非 RPG 规模的分支叙事。这些系统的存在,是为了让任务之间的空间显得不那么静止。
这会带来什么变化?
对大多数玩家来说,是在街头行走时的质感。
对于玩过 FiveM 上 GTA 5 角色扮演的人来说,还有另一层意义:GTA 5 的行人按固定的每日行程在可预测的循环中活动,其情境反应取自一个很小的库,没有持久记忆——目击你杀人的 NPC 在短暂冷却后就会忘记——彼此之间几乎不互动,并且只存在于你周围的即时范围内。
每一个 FiveM 角色扮演服务器继承的都是这些行人,因为它们运行在 GTA 5 之上。
一旦 GTA 6 发售,人们对一条街道应有的感觉的基准线就会上移。这一差距将会非常明显。
来源
- IGN 在 Rockstar North 的非上手预览——收起武器时的互动、跟踪与偷听、Focus
- Dot Esports 与 GINX——行人反应、情境对话、记忆
- 《纽约时报》经 GINX 转述——专职行人团队、动画数量
- Insider Gaming、MP1st 与 Knightli——巴西零售商品信息及其报道方式
- Rockstar Games 经 VGTimes 转述——开发中未使用生成式 AI
- GINX——Rockstar 对叙事规模的表述
- News on GTA——GTA 5 行人 AI 的局限