你以为看到的是一个赤裸的真人在玩剑吗？
实际上，有时候“眼见未必为实”。
这段视频的背后真相是：
你认为的真实，可能只是表象。
然而，视频中展现的效果令人叹为观止，吸引了众多网友的赞叹，在Twitter上获得了2399个赞。来感受一下这种氛围：
还有网友惊呼：有那么一瞬间，甚至分不清哪个是现实世界！
这位小哥所使用的技术，正是Epic Games的MetaHuman。
是的，依然是“Meta”，依然是虚实难辨……或许此时你已经想到了最近火爆的元宇宙（Metaverse）。
如果你的脑海中浮现出这些词汇，别急着吐槽。
实际上，让人虚实难辨的游戏技术，不仅是构建元宇宙的工具，更是推动现实科技进步、加速各行业发展的重要力量。
没错，玩游戏，真的能改变世界。
那么，游戏技术到底在改变什么呢？
我们可以从产业的角度来探讨这个问题。
如果问近年来科技领域中最热门的项目是什么，自动驾驶无疑是一个绕不开的话题。
而游戏技术正是在推动这一“集AI大成者”的快速发展。
在自动驾驶技术中，基于现实路面环境的测试是其上路的关键环节。
行业普遍认为，要达到上路的标准，需要积累177亿公里的测试数据，这大约相当于往返地球与太阳4.9次。
因此，虚拟仿真技术成为了推动自动驾驶落地的必要工具。
将现实路测的各种限制移至虚拟环境中，可以有效规避这些问题。这个过程类似于在游戏中创建与现实相似的场景：
显而易见，像这样的模拟仿真系统高度还原了现实场景，包括几何形态、物理规律以及运行逻辑等。
在这个过程中，一个关键点是逼真，模拟仿真系统需尽可能与现实世界“接轨”。
包括光线变化、恶劣天气等因素，这样才能精准测量这些因素对自动驾驶传感器的影响，以确保在现实中的安全性。
而游戏技术，尤其是游戏引擎，在这一过程中起到了至关重要的作用。
例如，虚幻引擎5（Unreal Engine 5）以其对细节的精准把握，让网友们不禁感叹：“虚拟？现实？傻傻分不清！”
因此，若能充分利用游戏技术在构建虚拟仿真系统中的优势，使其无限接近现实世界，无疑能够极大地推动自动驾驶的落地进程。
除了自动驾驶，游戏技术对影视行业的影响同样显著。
自虚幻引擎5发布以来，影视圈似乎迅速意识到游戏技术对电影可能带来的颠覆性影响。
在今年的上海电影节上，首次设立了“电影科技体验展区”，虚拟制片成为展会的焦点，虚幻引擎也首次受邀参展。
例如在电视剧《全职高手》中，首次在国内引入游戏引擎技术，使剧中男主（杨洋）在现实与游戏场景中的转换变得自然流畅：
这种虚拟制片对影视行业而言是一次技术上的重大变革，正如之前的有声电影、彩色影片、光学合成、运动控制、数字合成等。
虚拟制片不仅可以实现演员与虚拟角色的直接互动，拍摄团队还可以实时控场，并通过类似虚幻引擎的技术实现实时渲染，节省大量时间和资源。
此外，游戏技术也在推动科研的发展。
尽管“游戏”和“科研”看似背道而驰，但它们的结合确实在催化学术进步。
例如，北京大学信息科学技术学院的李文新教授与她的博士生们正利用《王者荣耀》进行科研。
他们的目标是在有限的时间和资源内，训练出最优决策模型，并将其部署到游戏AI对战服务器上。
这就像一个“炼丹”的过程，让他们的智能体通过训练掌握各种“功法”，然后与其他智能体对抗：
在他们看来，游戏AI才是真正的人工智能：
他们认为“游戏”是对“现实”的抽象和模仿，在游戏中可以获得与现实相近的成功体验，却又避免了现实中失误带来的真实损失。
因此，游戏成为了一个优秀的试错和迭代成长的虚拟环境。
将现实问题虚拟为游戏，通过大量试错来迭代优化解决方案，成为了一种重要的教育和研究手段。
总之，现今的游戏技术在产业与科研上都发挥着潜移默化的作用。
这正是近期在由腾讯游戏学堂举办的2021腾讯游戏开发者大会（TGDC）上热议的话题。
比如，不制造汽车的腾讯，利用游戏技术打造了自动驾驶虚拟仿真系统TAD SiM，以提高自动驾驶模拟仿真的真实性。
TAD SiM不仅支持场景编辑和路采数据回放式仿真，还能利用类似游戏智能体AI的技术，通过大量路采数据训练交通流AI，生成真实度高、交互性强的交通场景。
再如，运用MetaHuman技术生成高保真的数字人；“绝悟”、“开悟”等AI智能体或平台对强化学习和策略训练的发展带来的帮助……
与此同时，腾讯游戏副总裁、腾讯游戏学堂院长夏琳也介绍了游戏、技术与学术圈“交织”所带来的成果。
例如，腾讯游戏学堂已与国内外16所高校展开科研合作，发表了30个课题成果、8项国家专利和5篇报告。
腾讯与清华大学联合共建的国内首个“互动媒体设计与技术”硕士专业，已经迎来了第二学年。
在夏琳看来：
游戏作为一个高度跨学科的产业，处于数字虚拟与现实世界交汇的节点。
伴随全球游戏市场的显著变化，游戏产业的精品化、全球化和多元化趋势将愈发显著。
读到这里，或许有人会奇怪，为什么一家游戏公司要投入跨领域的技术研发和应用。
但深入挖掘游戏与技术发展的历史，我们不难理解腾讯如此重视的原因。
游戏一直以来都是前沿技术的最佳“试验田”。
这一说法绝非虚构。
最有力的证明便是如今蓬勃发展的AI技术。
当提到AI时，很多人可能会想到IBM的“深蓝”或谷歌的AlphaGo，它们曾在棋局中击败人类。
事实上，下棋是电子游戏最早的形式之一。
早在1950年——通用计算机问世不久，人类便已与人工智能进行对弈。
当时，计算机多用于实验室，如果它能够执行其他一些简单任务，人们便会感到十分新奇。
在计算机上下棋，甚至与计算机对抗，这一概念早已超出了大众的想象。因此，当《大脑伯蒂》在加拿大国家展览会上亮相时，吸引了众多目光。
这是一个类似于井字棋的游戏，玩家可以通过一个九宫格来出棋，电脑“思考”片刻后落子，棋局情况会同时显示在大屏幕上，游戏难度也可调节。
根据“人工智能之父”艾伦·图灵对机器智能的定义：
如果一台机器能够与人类进行对话（通过电信设备），且无法被辨认出其身份，则该机器被视为智能。
因此，《大脑伯蒂》或许正是人工智能早期发展的缩影。
这种基于游戏的形式，实际上也是许多科学家探索AI的途径。
1944年，冯·诺依曼在《博弈论与经济行为》中首次提出了两人对弈的miniMax算法；
1947年，图灵编写了第一个下棋程序；
1950年，香农发表《计算机下棋程序》，开启了计算机下棋的理论研究。
1951年，图灵的好友克里斯托弗·斯特拉切（Christophe Strachey）开发了世界上第一个视觉游戏checkers。
与《大脑伯蒂》不同，checkers是一个类似于跳棋的游戏，难度更高；但它们的共同点在于都是人机对战。
后来，曾于1959年推广“机器学习”一词的人工智能先驱亚瑟·塞缪尔（Arthur Samuel），在IBM的一台商用电脑上编写了一个跳棋游戏。
此时的跳棋游戏已经有所不同，因为机器不再仅仅按照程序落子，而是可以通过自主学习来应对挑战，塞缪尔还在程序中设置了奖励机制。
在这里，我们已经看到了强化学习的萌芽。
在接下来的几十年里，AI领域的科学家们似乎与下棋结下了不解之缘，尝试了跳棋、象棋、围棋等多种形式。
Unix之父肯·汤普森（Ken Thompson）也曾开发了一个国际象棋计算机Belle，这也是……
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
