DeepMind让AI【当上帝】 导演一场只有AI演：员的西部!!世界

剧本杀大家都玩过吗？这是一种经典的桌上角色扮演游戏（TTRPG），游戏中的核心人物是游戏主持人（GM），相当于整个世界的「导演+编剧+旁白」，负责掌控游戏环境，讲述故事背景，并扮演所有非玩家角色（NPC）。

现在，想象一下，如果我们用一个强大的生成式AI来担任这个GM的角色，同时，桌子旁的「玩家」也换成一群各具头脑的AI，这会创造出一个怎样的世界？

这能实现以下应用：

科学模拟：构建虚拟社会，用于社会科学研究，观察群体行为的涌现。

互动叙事：创建互动故事或游戏，AI智能体扮演角色，共同演绎剧情。

AI评估：设计特定场景作为「考场」，来测试和评估AI智能体的各项能力（如推理、协作、沟通）。

美剧《西部世界》，未来的西部主题虚拟世界里，所有角色均是AI。

然而，这三种需求（科学性、戏剧性、公平性）差异巨大，甚至相互冲突。如何用一个统一的框架来满足所有需求？

来自GoogleDeepMind和多伦多大学的研究人员从TTRPG和现代游戏引擎中获取灵感，提出了他们的解决方案：一个名为Concordia的软件库。

论文标题：Multi-ActorGenerativeArtificialIntelligenceasaGameEngine

论文地址：https://arxiv.org/abs/2507.08892

项目地址：https://github.com/google-deepmind/concordia

传统上，游戏环境的逻辑是写死的程序。这里的主张是，不应该用一个硬编码的程序来充当GM，而应该把GM本身也设计成一个可配置的、由AI驱动的智能体。

Concordia的设计精髓，源自现代游戏引擎的「实体-组件」（Entity-Component）架构。在这个架构里，无论是AI玩家还是AI游戏主持人（GM），都只是一个基础的「实体」容器。它们具体拥有什么能力（比如记忆、目标或社交规则）则由一个个可插拔的「组件」来决定。

这种方式巧妙地将「工程师」和「设计师」的角色分开：工程师负责创造功能强大的组件，而设计师则可以像搭乐高一样，自由组合这些组件来快速构建和测试各种复杂场景，整个过程几乎无需编写底层代码。

实体、组件、引擎和游戏设计

实体-组件架构模式作为现代游戏开发的基石，为构建多角色生成式AI系统提供了强大而灵活的基础。

该框架采用组合而非继承机制，实体不再受限于僵化的类结构，而是携带唯一标识符的轻量级独立对象。实体的行为与属性完全由挂载的组件决定（即：实体本质是带有名称的组件容器）。引擎通过调用observe、act等函数处理实体，这些函数由实体所挂载的组件具体实现。

组件通过结合Python代码与LLM调用来实现，这种方式能提供最大的灵活性与表现力。当设计师掌握特定功能的编码方法时，可以自主实现；与此同时，同一环境中的其他功能可以通过让GM叙事型LLM来完成。这两种实现方式通常共存于同一环境中——开发者既可以让GM根据LLM的自由发挥来创造内容，也可以严格限制其行为，使其完全遵循预设的硬编码规则，或采用介于二者之间的任何约束程度。

实体主要支持两种调用方式：observe和act。

调用observe时，会触发所有组件的preobserve和postobserve函数，对每个实体的观察数据进行处理。调用act时，每个组件会扮演上下文和行动两种角色之一。

在实际开发Concordia组件时，开发者通常需要实现preobserve、postobserve、preact和postact四类方法中的部分或全部。常见做法是仅实现观察类方法或行动类方法，同一组件中同时实现两类方法的情况较为罕见。这种组件化模块设计允许通过自由组合不同组件，快速创建功能各异的实体——这与传统面向对象编程形成鲜明对比：后者在创建行为略有差异的新角色类型时，往往会导致复杂脆弱的继承链结构。

对于生成式AI智能体而言，这种架构优势尤为显著。一个智能体的思维可由多个组件构成：存储过往经历的Memory组件、调用大语言模型生成目标的Planning组件，以及表征世界认知的Beliefs组件。同理，一个组织实体可由代表其部门、政策及内部沟通结构的组件组合而成。只需配置不同的组件组合，就能为不同智能体赋予差异化的认知架构。

这一架构模式的灵活性同样体现在Concordia框架中的GM系统上。GM本身也是一个实体，与玩家实体（角色）一样可通过组件进行定制。这种设计使得GM的职能和逻辑能够根据多智能体系统的具体需求灵活调整——无论是执行严格的评估协议、引导叙事发展，还是维护因果一致性。

此外，Concordia框架还通过多种游戏引擎模式支持不同的交互动态。

游戏/模拟设计目标的全景图分析

根据Edwards（他是桌游角色扮演游戏理论的重要人物）的定义，TTRPG可以分为：（1）游戏型（Gamist），GM需设计难度适中的挑战以维持乐趣。（2）叙事型（Narrativist），GM需灵活调整剧情以回应玩家的创作输入。（3）模拟型（Simulationist），玩家希望沉浸在一个逻辑自洽的虚拟世界中。

本文认为将使用多角色生成式AI的动机分为以下几种类型是有帮助的：（1）评估型（Evaluationist），对应Edwards理论中的游戏型；（2）戏剧型（Dramatist），对于Edwards理论中的叙事型；（3）模拟型（Simulationist），Edwards同名分类。

生成式AI还有一个第四种动机，那就是创建合成训练数据的目标。

评估型的观点

游戏型玩家通常会寻求公平的竞争机会，并希望通过战略胜利来取得优势，而评估型用户则将多角色系统视为评估和比较的框架。

对于评估型用户来说，主要目标非常明确：确定哪些AI系统在指定维度和上下文中表现更好。这需要提供一个公平的竞争环境，并具有明确的成功指标。

评估型系统通常具有以下特点：

标准化场景——精心校准的环境，在多个评估运行中呈现一致的挑战；

明确的成功指标——可量化的性能衡量标准，允许对不同方法进行明确的排名；

受控变异性——战略性地引入新元素，以评估泛化能力；

跨角色互动机制——评估智能体在与不同合作伙伴群体互动时的表现的方法。

戏剧型视角

与评估型用户不同，戏剧型（Dramatist）用户主要将多角色生成式AI系统视为叙事引擎。

对于具有戏剧型的目标用户来说，核心关注点不是基准测试性能，而是通过多个AI角色的互动生成引人入胜的叙事。

从设计师的角度来看，针对戏剧型目标构建的系统将优先考虑叙事一致性、情感共鸣和动态人物发展，而不是标准化的评估。

主要关注以下特点：

丰富的角色模型——具有详细个性、明确目标、价值观和关系的角色，通常通过组合多个组件来构建；

叙事驱动的环境——旨在引发戏剧性有趣互动的场景设置；

灵活的解决机制——优先考虑叙事满足感而非程序一致性的系统；

涌现的故事情节——允许在没有预定结果的情况下发展引人入胜的叙事轨迹的框架。

在接下来的章节中，论文还讨论了模拟型视角、合成数据等方面的研究，感兴趣的读者，可以参考原论文，了解更多内容。