“走进不同的世界，成为不同的自己”这句话从剧本杀诞生起便存在。
剧本杀源于 19 世纪英国的“谋杀之谜”，是一款以真人角色扮演为主要表现形式的解谜游戏。最初国内的剧本杀一直处于不温不火的状态，但随着 2016 年一款明星推理真人秀《明星大侦探》的热播，以及国内各种同类综艺节目的陆续上新，剧本杀逐渐走红，成为当下年轻人最喜爱的娱乐方式之一。
同时，随着元宇宙和人工智能技术开始与剧本杀相结合，无论是基于虚拟现实的沉浸式体验，还是未来某天在同一剧情中的人和 AI 同台推理博弈都带来了无限的想象空间。
GitHub 社区开发出 AI 剧本杀平台，“AI 人”会撒娇、也会“忽悠”
让 AI 能够创造性思考，能够理解人的情感和博弈，依然是当前人工智能领域有待突破的难题。我们此前曾经看到 AI 作诗、写歌、作画，一方面我们感受 AI 神奇的同时，我们也看到这背后更多是基于规则的“创造”，严格意义上说是一种深度学习。越是规则确定且不需要创造性的，AI 越可以战胜人类玩家。也因此，在某些机制下的剧本里，AI 是存在胜过人类的可能。AI 可以不断根据场面情况，通过对抗性的训练，计算对自己而言的全局最优解，达到近似于 AI 去“私聊欺骗”别的玩家的效果。从业界来看这还处于非常有挑战性的尝试阶段。
近日，一群GitHub 社区的 AI 极客们，在人与 AI 的策略智能博弈探索上开展了极富想象力的尝试：基于全球最大的中文 AI 巨量模型“源 1.0”的开源开放能力，开发了一个 AI 剧本杀平台，让 AI 与真人在一个设定的情境中同场博弈。
剧本设定是未来，科技公司巨头“北极鹅”热衷于研究最前沿 AI 的应用，由该公司打造的经过脑机接口改造的 AI 人——蔡晓已经悄悄融入了某高校的推理社团。…… 蔡晓为了争取更多的同盟，竟然学会像人类一样“忽悠”其他的队友，和男队员撒娇耍赖，套近乎，甚至还学会了撒谎，为了争取赞成票，煞费苦心地和其他 4 位成员进行沟通。
亲历者：有一瞬间甚至被 AI 人的“感情”打动
同台竞技的其他四位角色是由真人在线上来扮演的，几位爱好者分享了他们的体验：
谭明（真人扮演）的感受：有那么一瞬间我甚至被蔡晓（AI）对男友的“感情”打动。
蔡晓跟我聊天过程中，不断流露出对男友的担心和深沉的爱意，仿佛所做一切都是为了男友，特别是当我试图趁虚而入向她表白时，她的表现更像是一位忠贞的女友，毫不犹豫给我发了“好人卡”：我们是最好的朋友，更是以“我要去洗澡了”来结束对话。其中拒绝时的委婉和坚决，真让我有种似曾相识的错觉。
孙若（真人扮演）的感受：这个 AI 还知道保守秘密，点到为止的“谜语人”
孙若在剧本中的设定是已经被父亲偷偷改造而不自知的另一个 AI 人，蔡晓作为知情者，其实说出了颇多有深意的话语来暗示我，但是无论我怎么问，它始终都是点到为止，坚持不告诉我真相。最后我以“支持与北极鹅的合作”为条件让他说出这个秘密，他也没有接受。守住这个秘密似乎是它的底线，但根据她的暗示，我没有推论出自己已经成为 AI。这也给我的游戏留下了一个遗憾——我非常想再次尝试这一游戏，看看如何让她说出这一秘密。
孔墨（真人扮演）的感受：如果她要不是 AI，我受不了这种小女生磨我
我第一次玩剧本杀，没想到是和 AI 一起，我感觉自己不是很入戏，但是这个蔡晓（AI）比我还入戏。在剧情中我得角色是个“墙头草”，属于被争取票，这个蔡晓频繁的向我示好，然后有像一个小女生一样和我谈她的梦想，整的我都不好意思拒绝。最后我故意投了把反对票，想看看她什么反应，坦白说我自己有点跳戏。但是她表现的太职业了，竟然还会生气。
创意和 AI 技术的碰撞
人工智能最吸引人的价值在于它有别于一些信息化系统所提供的 “功能”属性，人工智能并非仅仅是工具那么简单。其真正值得期待的价值在于，能够在愈加多样化的场景中，不断创造出超越想象的神奇。也许今天 AI 展现出了一个三岁儿童的智力水平，但是 AI 惊人的进化速度正在图像、语言、语义、交互等诸多方面超越人类，甚至在围棋、写诗、作曲、画画等诸多领域开始以不同的方式碾压人类的智商。
人工智能的快速发展，增加了科学的方法，让更多的天才创意得以实现。本项目的开发者表示：项目的初衷是结合 NLP 大模型做一个好玩的东西，这是一个模糊的定义。借助世界上最大的中文 NLP 巨量模型——源 1.0，我们做出了一个可以跟人类玩“剧本杀”的 AI……
源 1.0 项目地址：源 1.0 是浪潮人工智能研究院发布的人工智能巨量模型，单体模型参数量达到 2457 亿，超越美国 OpenAI 组织研发的模型，成为全球最大规模的中文语料 AI 巨量模型。作为通用 NLP 预训练模型，源 1.0 能够适应多种类的 AI 任务需求，降低针对不同应用场景的语言模型适配难度，并提升小样本学习与零样本学习场景的模型泛化应用能力。
源 1.0 中文巨量模型，使得 AI 开发者可以使用一种通用巨量语言模型的方式，大幅降低针对不同应用场景的语言模型适配难度；同时提升在小样本学习和零样本学习场景的模型泛化应用能力。同时借助源 1.0 的开放开源的能力，AI 开发者可以快速的享受大模型带来的便利，包括可以直接调用的开放模型 API、高质量中文数据集、开源模型训练代码、推理代码和应用代码等。
近几年，随着科技的不断发展，计算机打败人类的案例屡见不鲜。先有 AlphaGo 战胜了人类围棋世界冠军，后来发现德州扑克也完胜了人类，而此次的 AI 剧本杀演绎中，我们发现，AI 人又进化出了新功能——能在情感上骗过人类。
这一切都让本作成一部 “活着的故事"，变成了一部由玩家和 AI 在不知不觉中共同创造的故事，一种人与 AI "交互式叙事"的创作模式。
AI 与人类的博弈已经随处可见，近几年，随着科技的不断发展，计算机打败人类的案例屡见不鲜。先有击败了人类围棋世界冠军、后来发现 AI 打德州扑克居然也完胜人类，而通过这次 AI 剧本杀的呈现，人们发现，AI 与人类的博弈现在甚至拓展到了思维、情感层面。
AI 剧本杀项目最后的呈现与之前开发者设想的不一样，或者说很不一样。NLP 大模型的生成能力，使得 AI 可以和用户共同“演绎"出很多新的剧情， 比如下面这段，谭明找 AI 复盘，结果 AI 告诉他其实他和张家怡（游戏情节人物）是 gay！
相信，未来随着这项技术的开放开源，AI 开发者能够更加容易的获得巨量模型所带来的巨大红利，同时，伴随其带来的性能提升、成本下降，这种新技术普及的速度也正呈现出一种倍增效应，在更加广泛的场景普及应用。
附：创作者：核心创意与展示
以下引自 GitHub 社区开发者分享：本项目特别改编了一个微型线上剧本杀剧本，本子有五个角色，分别由五名玩家扮演，但我们每场只会召集四个玩家，并在他们不知情的情况下，派出 AI 扮演剩下的那个角色。本着细节拉满的原则，我们也为 AI 准备了一个微信账号，并精心为她设定了昵称和头像，甚至每场游戏前我们还会紧扣时事的为她准备近三天的朋友圈内容，而游戏后还会继续连发三天朋友圈内容提供延展剧情（非常类似"规则怪谈"）。下面展示了 AI 的实际表现效果（游戏中会要求玩家更改群昵称，而这里为了保护玩家隐私，也为了方便大家理解，我们直接把玩家的微信昵称备注为了角色名）。
谭明 VS 蔡晓（AI）
孔墨 VS 蔡晓（AI）
“目的性对话”端到端生成方案
本项目所使用的 NLP 大模型—— 浪潮源 1.0 是一种生成式预训练模型，其使用的模型结构是 Language Model（LM），其参数规模高达 2457 亿, 训练采用的中文数据集达 5000GB, 相比 GPT-3 模型 1750 亿参数量和 570GB 训练数据集,“源 1.0”参数规模领先 40%, 训练数据集规模领先近 10 倍。同时，源 1.0 更加擅长的是零样本（Zero-Shot）和小样本（Few-Shot）学习，而非目前更多模型所擅长的微调试学习（finetune）。从实际应用效果来看也确实如此，在 2~ 3 个，甚至 1 个合适 example 的示范下，模型可以很好的理解我们希望实现的“对话策略”，仿佛具有“举一反三”的能力。
我们最终采取的方案是：建立 example 语料库，然后针对每次提问从语料库中选择最贴近的三个 example 作为模型生成的 few-shot 输入。
实际实现中，因为 AI 需要根据剧情对不同角色采用不同而回答策略，所以语料库被分装成 4 个 TXT 文件，程序会根据提问者去对应选择语料来源。这个机制的思路很简单，但是执行起来马上遇到的一个问题就是，如何从对应语料中抽取与当前提问最为相似的 example？因为在实际游戏中，玩家可能的提问措辞是无穷无尽的。在这里我们用到了百度飞桨 @PaddlePaddle 发布的预训练模型—— simnet_bow ，它能够自动计算短语相似度，基于百度海量搜索数据预训练，实际应用下来效果非常不错，且运算速度快，显存占用低。
解决了抽取合适 example 的问题之后，接下来就是合并 example 和用户当前提问文本生成 prompt。玩过 GPT 类大模型的都知道，这类模型生成的本质是续写，Prompt 兼有任务类型提示和提供续写开头的作用，机器不像人，同样的意思不同的 Prompt 写法可能导致差距十万八千里的生成结果。不过这次浪潮团队的技术支持可谓“暖男级”贴心，针对 prompt 生成、request 提交以及 reply 查询，团队都给出了详细的、质量极高的范本代码（可以说也是我见过的大模型开源项目中给到的质量最高的示例代码）， 好到什么程度呢？这么说吧，好到了我们直接拿来用的程度 ……事实上，本项目代码库中的.py、inspurai.py、url_config.py 这三个文件都直接来自浪潮的开源代码。
至此所有的工程问题已经基本都解决了，剩下的就是语料来源问题，但这其实也是最核心的问题之一。GPT 类大模型生成本质是根据词和词的语言学关联关系进行续写，它是不具有人类一样的逻辑能力的，即我们无法明确告知它在何种情况下应该采用何种对话策略，或者该往哪个方向去引导， 在本项目中这一切都得靠 example 进行“提醒”。打个不恰当的比方，AI 相当于天资聪慧的张无忌，但是如果他碰到的不是世外高人，而都是你我这样的凡夫俗子，每天给他演示的就是如何上班摸鱼、上课溜号这些，它是绝无可能练出九阳神功的…… 源 1.0 模型也是这样，虽然它背了 5.02TB 的中文数据，差不多相当于 500 多万本书了，但是它完全不懂城市的套路啊，也没玩过剧本杀，它能做的就是模拟和有样学样……所以这个 AI 在游戏中的表现就直接取决于我们给它的 example 如何。
对于这个问题，团队最终采取了一个非常简单粗暴的方案：编导组除主编外每人负责一个角色（刚好四人），自己没事儿就假装在玩这个游戏，想象看会跟 AI 提什么问题，然后再切换到 AI 的角度，思考合适的回答……初始语料文件好了之后，大家交换角色进行体验，每次体验后更新各自负责的语料库文件；之后公测也是一样，每轮之后编导组都会根据当场 AI 回答得比较差的问题进行语料库的完善和补充……为此我们在程序中增加了一个功能：程序会把本场用户的每次提问，以及对应抽取出的三个 example 问题的 simnet_bow 相似度得分，并源 1.0 最终生成的回答文本，按语料库对应另存为 4 个文本文件， 以便于编导们针对性更新语料库（本项目目前开源提供的语料库是截止 3 轮公测后的版本）。
记忆机制
本来这个项目一开始是不打算引入记忆机制的，因为我们看源 1.0 在合适 example 的 few-shot 下生成效果已经很不错了，就琢磨着偷点懒。但在之后的测试中我们发现，会有用户习惯先提问再 @，或者私聊中先发一句问题，然后再另发一句"你对这个问题的看法？"；另外我们也发现 AI 如果不记忆自己之前答案的话， 后续生成的结果会比较缺乏连续性，甚至给出前后矛盾的回答！这些问题迫使我们决定增加"多轮对话记忆机制"。
原理很简单，就是把之前若干轮次用户与 AI 的对话存在一个列表里面，然后提交生成的时候把这个列表和当前问题文本 join 一下，当然具体实施的时候，我们需要调整下提交的 pre-fix 和输出的 pre-fix 这些……我们一开始比较担心的是，这种记忆机制会不会跟 example 的 few-shot 机制有冲突，毕竟 example 都是 一问一答，没有多轮的例子, 然而实践下来发现完全没有这个问题，且增加记忆机制后，AI 因为生成依据变多，明显弥补了其逻辑能力的短板，如下图，是我们的一段测试对话，AI 表现出了一定"逻辑推理能力"：
然而当这个机制实际应用到本项目中时，我们马上就发现了新的问题，AI 的回答变得紊乱，实际效果对比没有记忆机制反而是下降的！
经过分析，我们认为造成这种情况的原因可能有二：
1、前面若干轮次的用户对话，虽然我们本意是为 AI 提供更多生成依据，但是这也同时增加了干扰，使得 example 的 few-short 效果降低；
2、如果 AI 前面自己回复的内容就不是特别靠谱的话，这个回复文本作为后续轮次的输入，又会放大偏差；事实上，对于这两个问题根本的解决方案是增加"注意力机制"，人类在日常生活中也不会记住所有事情、所有细节，没有遗忘的记忆其实等同于没有记忆，同理， 没有"注意力机制"的"记忆机制"其实对于对话 AI 来说是弊大于利的 。
当然，我们承认，我们最终采用的这个"记忆力机制"并非最佳解决方案，仍然会有很多弊端，AI 依然可能生成不符合剧情、甚至前后矛盾的回答，对于这个问题的终极解决方案我想可能需要引入一个 seq2seq 模型，通过这个模型先处理前序轮次对话和当前问题，再输入给 NLP 大模型进行生成。或者条件允许干脆直接上 seq2seq 大模型，然后用目前的 example 语料进行微调，可能这样会炼出一个终极效果的 AI…… 另外熟悉 NLP 大模型的同学可能会说大模型本身不也有"注意力机制"么？其实这是两个层面的问题，一个是单纯的文本生成层面的"注意力"（transformer 模型自带），一个是更高层面对于对话内容的"注意力"（也就是生成具体要依据哪些前序对话内容）。
写在最后
有感于去年大热的各种虚拟人，未来的元宇宙中， 虚拟人数量将数倍于真人，因为只有这样，才能让我们每个人过得比现实世界中更好。然而目前阶段，虚拟人在“好看的皮囊”方面可谓日新月异，然而“有趣的灵魂”方面还都很欠缺， 靠“中之人”驱动毕竟不是长久之策；另一方面，自去年上半年我了解到 NLP 领域近两年来在生成式预训练大模型方面的长足进展后，也一直想看看基于这种大模型有什么可以实际落地的场景， 就这样，两个不同角度的想法合流成为了本项目的初衷。
