最近我在游戏开发中大量使用AI，并开始觉得"游戏开发已无门槛"这句话只说对了一半。

AI在构建已有成熟模式的事物方面变得异常出色。

平台游戏、射击游戏、RPG系统、3D环境、对话、素材、动画、UI——存在大量现成范例供AI学习。生成式AI也正在迅速降低3D素材制作成本，而这曾是独立开发者和小团队面临的巨大障碍。

但我在小型解谜游戏方面却遇到了几乎相反的情况。

如果游戏机制是真正创新的，AI突然就没什么可借鉴的了。

难点不再是绘制UI或编写Swift/Kotlin/C++代码，而是诸如：

如何随机生成无限有效的关卡？

如何保证每个生成状态都可解？

如何避免出现"技术上有效"但策略上注定失败的关卡？

如何足够快速地生成关卡，让玩家不觉得游戏卡住了？

我在开发自己的《可玩图像》游戏时反复遇到这些问题。

在iaReveal中，如果我没有精确描述连锁反应初始化逻辑，AI就会自然地滑向更接近普通拼图/拼板游戏的实现方式。

在iaBrick中，从代码角度看随机生成可以完美运行，但如果没有明确的可解性约束，某些棋盘实际上会变得无法通关。

在iaStroke中，生成的棋盘可能有效，但朴素的搜索算法初始化新游戏所需时间太长。

那时我意识到：

AI消除实现门槛的速度，远快于消除创新门槛的速度。

如果某种机制已经存在，AI通常能出色地复现它。

但如果机制是新的，仍然需要有人定义状态空间、约束条件、不变性、可解性条件、搜索策略和优化方法。

而这部分往往比写代码难得多。

所以很奇怪，我开始认为对于一些微小的原创解谜游戏，AI反而可能比基于熟悉机制的视觉效果华丽的游戏更难做好。

不是因为它们需要更多代码。

而是因为可供复制的现有知识更少。

这是我用AI构建《可玩图像》/iaReveal过程中学到的最有趣的经验之一。

好奇其他使用AI的游戏开发者是否也遇到过同样的情况。

https://preview.redd.it/rdoa7c8nbaqh1.png?width=1672&format=png&auto=webp&s=3f925afbc22d75c9a9cbaa889a57595af4c40a11