※ 引述《midas82539 (喵)》之銘言： : 標題: Re: [新聞] 勇者鬥惡龍之父用AI僅30分鐘作出遊戲 : 時間: Thu Oct 15 12:00:17 2026 : : -- : 一樣，我盡量簡單地說明。有興趣的人可以看我引用的研究連結。嫌太長可先離開。 : : 網路上一直都會有一種人，就是擁護AI的人大多會立個反AI的稻草人在打。 : 但你只要有很基礎的模型概念，那麼你就會知道模型與工具本身不是萬能的。 : 而大多數公司倒閉的問題也不是「做不出商品」，而是「管理出了很大的問題」 : 而只要是牽涉到人與價值觀衝突的問題，就算你用AI也無法改善。 : : : 佐證這方面命題的質化研究，例如Politowski, Petrillo, Ullmann, Guéhéneuc, : 的《遊戲產業問題：基於業界文獻的全面分析》(2021) : https://arxiv.org/abs/2009.02440 : : Politowski(2021)認為：在研究多達200多篇的遊戲專案事後檢討，這些還存活出版的 : 遊戲大多經歷以下和人有關的問題。 : : : -- : : 1. 範圍控管(Scope Management)失效：也就是遊戲本身應該含那些功能、發多少平台 : 、要不要配音、要不要多聘用美術與作者做劇情與背景設定建議、要不要有DEI顧問。 : 這些只要有一個環節不斷膨脹，就會導致內容和實作的失衡，想做的東西太多 : 能做的時間卻越少。 : : 2. 功能蔓延(Feature Creep)：開發過程中不斷想增加新功能，然後又要不斷修改， : 故完成日不斷展延。 : : 3. 砍功能(Cutting Features)：發現時間不夠，預算隨人事薪資、辦公室租金 : 營業費用而不斷減少，那麼要避免做不出來無收入公司倒閉的情境下， : 只能妥協砍功能，試著趕鴨子上架再把畫大餅的功能砍掉，只求能在底線前出版。 : : 畢竟這邊是C_chat版，那我就舉一個遊戲有特地做個關卡自嘲的例子。 : XGP有一款今天下架的遊戲，叫做《Crime Scene Cleaner》，最近免費更新關卡 : 有一關叫做開發地獄(Development Hell)，就是一個很經典的例子： : : A公司本來只想做一個異世界農夫模擬器，品質是像素風格。然後大概發現這遊戲很無聊 : 所以開始新增打怪、更大的開放地圖，現實的畫面，完整的世界設定背景。 : (功能蔓延)，所以他們請了專門的作家，物理動態擷取的程式設計師。 : 另一方面，老闆去找金主開發商，然後開會討論出：「應該加上多人線上和課金DLC」 : -- : : 此外又雇用了各種人力，例如撰寫背景與主線的作家，人資與顧問。 : 公司不斷在支出上燒錢，開發的程式設計師還跟老闆吵起來說這些新增功能根本做不完； : 發現難產後的老闆要人資砍人，人資決定把程式設計師解雇，最終悲劇就發生了。 : : 這種開發與發行(金主)的價值衝突問題也是老問題了，像是Ergin Bulut(2020) : 《岌岌可危的遊戲：遊戲產業工作的幻象》針對一家開發工作室的訪談就提到， : 原本工作室被併購進入母公司後，母公司就空降了「管理顧問」評估內容與生產力， : 結果是開發內容的限制與以「開發遊戲很好玩應該盡可能去做」理由要工作室超時加班。 : : https://academic.oup.com/cornell-scholarship-online/book/34161?login=false : : 回顧Politowski的研究也有提出類似問題：「開發者與發行商溝通不良」(10件)、 : 「發行商設定過緊的期限」(5件) : : 所以產出的東西多半不是工作室原本計畫想做的，產出的內容也包含了發行商的"要求" : 最後就是那種你看到那種被罵翻的遊戲。 : : 「阿你也只是挑個案講啊？只會挑爛的誰不會啊？」 : 嗯，那麼我們就從量化統計研究來看吧。 : : -- : : 遊戲開發者大會(GDC State of the Game Industry)是一個從1980年代，也就是 : 骨灰老遊戲時代就有的開發者聚會，2000年以後隨著工作室成員規模增加， : 開始有有定期的年度統計資料，它已經做13屆了。 : 你懶得看研究全文可以看新聞摘要： : https://h1.nu/1Ac5I : : 以2025年裁員的統計量，裁員原因：營收下滑(18%)、工作重整(22%)、市場變化(15%) : 貪婪(13%)、過度招募(13%)。 : : 砍掉的職業部門分類：敘事(19%)、製作與團隊管理(16%)、美術(16%)、 : 程式(12%)、設計(9%)。 : : 你單純看統計可能看不懂貪婪和過度招募是三小，但回頭比照上一頁的質化文獻/訪談 : 研究就可以知道原因了。 : : 必須注意的是，任何的研究都存在著「倖存者偏差」，因為你能訪談的從業人員， : 代表他們都是經歷過但活下來發行遊戲的人，而且他們大多是具經驗的老手了。 : 所以相對業餘或是撐不過問題倒閉的公司或員工應該會更多。 : : : -- : 這些管理問題基本上都涉及到人類本身的貪婪、價值衝突，以前人會碰到，不代表AI化 : 就不會有這類破事。 : : 所以像是「當初擁抱AI就不會有這些問題」，只是癡人說夢的幻想而已。 : : 原因很簡單：模型只是單純執行人類的提示，它就像鏡子一樣忠實反映你的回答。 : 所以如果你要一個有包山包海的遊戲功能，那也只是讓AI帶你進去功能蔓延的問題。 : 問題本質並不會解決。 : : 那最後你做不出來不是你被裁員，就是母公司為了停損把你"獨立"出來。 : : 另外，GDC的統計也有提到所謂AI產出的內容品質問題，這塊則是從另一方面來佐證 : 「為何AI代勞後工時沒有減少」的原因。 : : Joel Becker, Nate Rush, Elizabeth Barnes, David Rein的《衡量人工智慧對 : 開發老手的生產力影響》(2025)論文 : (原文連結：https://arxiv.org/abs/2507.09089) : : 這個研究是用雙盲測驗(RCT)的方法，研究與受試者都不會知道被分到哪一組， : 實驗組可以用AI、對照組不能用AI，結果很有趣：受試者認為有省20%時間，但 : 研究以螢幕錄影時間做基準比照，結果工時反而增加19%。 : -- : : 為什麼？ : : 這是一個很簡單的概念問題，你只要有創作的經驗，那就會知道創作的本質是把 : 「原本虛無飄渺的概念變成實際的東西」，但概念要怎麼做不見得有清楚，明確的路徑。 : : 所以不論是靠人類自己還是AI，本質上工作流程不會改變， : 一樣是需要撰寫、校正、重修、測試、以及是否和專案其他項目衝突。 : : 加上模型本身寫作的邏輯不會跟人類一樣，所以在模型撰寫省下的時間， : 人類事後審核看腳本與校正的時間還是會多花回來，實際上沒省到工時是很平常的結果。 : : 就我個人經驗能唯一節省的情境，只有：「我已經有自己做過成功的專案了，我知道 : 怎麼做，所以我只要把全部框架叫AI做就好。」那的確可以縮短到非常快。 : : 但這是先射箭後畫靶的謬論。如果你是要從無生出有，那你基本上無法靠模型省時。 : 因為模型很可能會骰出不符合你預期的東西。或者你以為很好結果它在細項動到 : 其他專案的規則，或者無視了原本的規則限制，或者寫的方式在計算上效率很差， : 所以你還是要審核重寫，或者你要花時間等模型重骰，基本上你躲不掉的。 : : : -- : : 所以才會出現研究發現的：開發者只能接受不到44%的模型生成內容、 : 75%訪談者要逐行閱讀AI程式碼、56%的人還有要大改的經驗、 : 開發者最終都要花時間改AI產出的東西。而且程式碼撰寫邏輯和風格還要花時間理解 : 與整理。 : : 那麼有可能會出現「AI代勞後結果產出一個你覺得不好玩的遊戲」嗎？ : 當然有可能會阿，那你要不要花時間改？所以問題的本質一直都不是 : 「當初失敗者靠AI骰出來就好了」，而是從無到有的創作試錯本身就是花時間的。 : 你很可能會失敗很多次，而這些沉默成本時間你心態上選擇不計算而已。 : : 不過對於那種腦袋只有Null什麼都只想靠ai骰出來就好的人，我想從價值觀就不同了 : 大概一輩子也不會懂吧(笑) : 雖然但是 最近看一些新Model的測試 主要是看對岸某個屎山測試 常看到某句 "這個Model已經是兩個月前的老將了" 25年的論文 24年的Model 我覺得應該是過時了 畢竟今年速度差不多是工具書寫好出版直接過氣的等級 給幾個時間表 2024/5 ChatGPT 4o 2024/12 ChatGPT o1 2024/6 Claude 3.5 這時間點主要是Code Complete 一個更好用的Github / Stackoverflow 2025/8 GPT 5 2025/8 Claude 4.1 這時間點對開發影響大概是可以工程師拆Function 讓AI完成Function內容 同時期生圖主流是SDXL 影片生成此時還在AnimateDiff 2026/2 Opus 4.6 2026/2 GPT Codex 2026/2 Seedance 2.0 2026/2 Nano Banana 2 2026/4 GPT Image 2 正式進入Agent時代 這時間點已經不再透過Web而是直接讓LLM修改Project 也差不多是這時間點工程師寫Code的量降低了95%以上 Seedance 2.0也造成AI影片大量產生 這時間點才有真正能作二創影片等級的模型 但此時大約15秒上限 香蕉2和GPT Image 2直接改變生圖生態圈 差不多這時間點廣告宣傳新聞大量使用AI直出 2026/9 Claude Opus/Sonnet 5.5 Fable 5.1 震驚癱坐核爆 前端之神 2026/9 GPT Astra 我的天啊群星大人 後端與科研之神 2026/9 OAI宣布解出其中一個千禧年難題 2026/10 OAI直接丟出722篇數學論文 數學界遭受地毯式核打擊 2026/7 Seedance 2.5 30秒長度 更強的Prompt Follow 而今年紅果日活也超越抖音日活 捷運上三不五時都能聽到AI短影片的聲音= = 今年我自己也有下班時開發遊戲來玩玩 年初差不多是還要搞一堆Workflow 定義好大量Function之後拆分工作給AI做 能得到40分的結果 現在Sonnet5.5 Max Opus5.5 High這等級 是能直接把想法轉換成POC 一天就能做出30%完成度的Demo來驗證想法可行性 而美術部分靠Agent去控制GPT Image2.5可以直接把想法轉成幾十個方案 再挑其中幾個實裝看效果 原PO提到的功能蔓延 在Opus/Sonnet 5.5大人面前 是直接能把Feature完成看效果決定要不要實裝 去年是功能做不完 今年是怕想不到功能給AI做 而現在用AI開發遊戲當然還是有很多限制以及需要調整的部分 但要說沒省下時間? 9月之後開發速度說10倍都叫太保守了 最大的改變大概是 過去需要人先決定哪些要做 哪些不做 因為做的成本高 驗證成本低 但是做完驗證OK就做完了 要改十之八九工時爆炸 而現在則是讓AI直接把所有Feature通通做下去 因為做的成本低到比驗程成本還低了 所以現在是做完了才真正開始 後面要大量反覆驗證 再從成品中去增減功能 *以上指小型遊戲的情況 較大型專案的話 目前直接操作Blender生成一些幾何物件還行(雖然年初是完全不行) 複雜的人物要串其他東西不能單靠LLM 至於明年進化程度? 我是真的不敢想像 畢竟現在是AI自己訓練自己 今年下半年這推出速度太瘋狂了 ------ https://i.imgur.com/3AFFiKH.png https://i.imgur.com/wSK7twm.png --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.230.59.171 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/C_Chat/M.1792160158.A.2BD.html