要问每一个FPS游戏玩家心中的痛是什么？“知道对手开挂却又制裁不了”绝对算得上一个回答。例如，玩守望先锋时遇到锁头挂，无论怎么蛇皮走位，都会被外挂瞄准头部一顿扫射，凭人类的反应完全无法抗衡，简直叫人抓狂。

毫无疑问，一场精彩刺激的对局中如果出现了外挂、辱骂等恶意行为，必然会破坏玩家正常的游戏体验。AI可以通过图像识别或用户画像分析来打击游戏外挂，也能够基于语音语言识别技术过滤脏话等敏感信息，让游戏环境更加公平公正、清洁有序。

游戏外挂五花八门、层出不穷，比如竞技类游戏的全图作弊器、数值修改器等外挂，RPG游戏存在的自动挂机、自动刷野等外挂。传统应对方案就是在客户端打各种安全补丁，但道高一尺魔高一丈，外挂插件也会随之迭代，令各大游戏厂商苦不堪言。

比如吃鸡游戏的透视挂, 无论玩家躲在房间里还是掩体背后, 都会被开挂者一览无余。本质上，开挂者是对客户端进行了非法修改，使游戏画面展现了本不该被获知的信息。而AI能够定期或在满足特定条件时（如某位玩家在无视野情况下将对手枪枪爆头），对游戏画面进行检测，从而让外挂行为无处遁形。

利用AI进行图像识别打击外挂，其基本的原理结构是卷积神经网络(Convolutional Neural Networks, CNN)。CNN通常是一个多层的网络，能够通过卷积(convolution)这种数学操作来“观察”图像中的各个区域。而每块区域的计算输出会经过非线性的激活函数，并在更高层进行汇总，直到在最高层得到目标输出。针对反外挂，CNN的输出可以是一个二元判断，即游戏图像是否有外挂嫌疑。只要在训练时给AI看过足够多的外挂图片，AI就能记住这类图片的特点，并对于外挂进行无死角监控。

类似地，AI还可以对于玩家上传的图片如头像进行违规审核，阻止其中的色情暴力内容。未成年人防沉迷用的人脸识别同样是基于类似的原理，只需要将输入从一张图片变成两张图片，保证用户实时验证的人脸和注册人脸为同一个人即可。

游戏聊天公屏界面里不受控制的言论会带来很多潜在的风险，辱骂、色情、政治、暴力、广告破坏了游戏环境，影响玩家正常交流，困扰着很多游戏工作室。传统解决方案为采用关键字过滤，但是玩家的表达方式在不停演化。简单的关键字识别很容易利用字符填充、谐音、俚语等方法绕过。对于有利可图打广告的灰色产业工作室，更是新说法层出不穷。

在这种情况下，我们就可以借助AI模型强大的泛化能力来识别敏感信息，例如基于TextCNN和Transformer的分类器。TextCNN是卷积神经网络在文本分类上的应用，其结构简单、性能快，适用于聊天内容短，非法特征明显、信息集中的情景。

Transformer则是google在2017年提出的网络结构，相较于TextCNN它的结构更加复杂也更加灵活。Transformer的self-attention结构根据上下文内容的关联程度自动调节每个字的权重，使得特征信息得以凸显。Multi-head Attention将字向量分成多段，每一段分别与不同的Attention矩阵计算，允许模型捕捉更多样的语境信息。

游戏内的图文信息体量巨大且繁杂，传统方式或许难以有效识别和过滤敏感内容，但深度学习凭借极强的学习能力，能够从容做出应对，创造一个更有秩序的游戏世界。

关于AI如何改善游戏环境的一些技术分享到这里就结束啦，但游戏AI的更多干货分享还未结束，我们未来将为大家持续更新，带来更多深度内容。

欢迎大家积极留评，参与讨论！

👇相关阅读👇

AI改变游戏设计【游戏平衡篇】

游戏AI入门秘籍【画面质量篇】