NPCهایی که شما را به خاطر می‌آورند: چطور هوش مصنوعی قابلیت‌های شخصیت‌های بازی را بازنویسی می‌کند

NPC همیشه یک سازش بوده. نویسندگان بازی ماه‌ها وقت صرف ساختن شخصیت‌هایی با تاریخچه، انگیزه و عمق احساسی می‌کنند – اما بازیکن‌ها بعد از چند بار ملاقات متوجه می‌شوند که هر مکالمه یک درخت از انتخاب‌های از پیش نوشته‌شده است که در سه ویزیت تمام می‌شود. شخصیتی که در اولین دیدار پیچیده به نظر می‌رسید، در دیدار چهارم مکانیکی می‌شود – همان پاسخ‌ها را تکرار می‌کند بدون اینکه متوجه گذر زمان یا کارهایی که بازیکن در دنیا انجام داده باشد.

Large Language Models محدودیت اصلی را تغییر می‌دهند. یک NPC اسکریپت‌شده تعداد محدودی پاسخ دارد که توسط نویسنده نوشته شده و با پرچم فعال می‌شود. اما یک NPC مبتنی بر LLM پاسخ‌هایی را از یک تعریف شخصیت محدود تولید می‌کند و از زمینه – وضعیت دنیا، تاریخچه روابط، محتوای مکالمه – استفاده می‌کند تا دیالوگ‌هایی بسازد که قبلاً نوشته نشده‌اند. نویسنده شخصیت را تعریف می‌کند؛ مدل حرف می‌زند.

بازی‌های منتشرشده واقعاً چه کار می‌کنند

واضح‌ترین شواهد تجاری برای NPCهای هوش مصنوعی در مقیاس بزرگ، یک بازی شبیه‌سازی اجتماعی به نام Status ساخته Wishroll است. این بازی در فوریه ۲۰۲۵ در نسخه بتا عمومی منتشر شد و به بازیکن‌ها اجازه می‌دهد با شخصیت‌های هوش مصنوعی که نماینده سلبریتی‌ها، شخصیت‌های تخیلی و انواع تیپ‌های اجتماعی هستند، مکالمات تولیدی داشته باشند. بازی در دو هفته اول به یک میلیون کاربر ثبت‌نامی رسید و ۵۰۰ هزار کاربر فعال روزانه را حفظ کرد، با میانگین زمان بازی روزانه یک ساعت و ۳۶ دقیقه – بیشتر از یک جلسه معمولی TikTok. بازیکن‌ها در حال مرور یک فید نیستند؛ آنها مکالمات طولانی و مداومی با شخصیت‌های هوش مصنوعی دارند که مکالمات قبلی را به خاطر می‌آورند.

چالش اقتصادی تقریباً محصول را نابود کرد. اجرای Frontier Language Models در مقیاس بزرگ هزینه‌ای به ازای هر تعامل دارد که دست‌کم گرفتن آن آسان است. زیرساخت اولیه هوش مصنوعی Wishroll برای هر کاربر فعال روزانه در روز ۱۲ تا ۱۵ دلار هزینه داشت در کیفیت سطح بالا – رقمی که اقتصاد واحد یک بازی Free-to-Play را فوراً غیرقابل دوام می‌کند. Inworld AI، پلتفرم NPC پشت این محصول، pipeline inference را بازسازی کرد و این هزینه را حدود ۹۵٪ کاهش داد بدون افت کیفیت قابل درک. مدل تجاری حالا کار می‌کند. اما مهندسی لازم برای این کار ساده نیست.

در حوزه بازی‌های اکشن، KRAFTON در مارس ۲۰۲۵ بازی inZOI را منتشر کرد – یک بازی شبیه‌سازی زندگی به سبک Sims که در آن هر شخصیت یک سیستم Smart Zoi دارد که به گفته توسعه‌دهندگان شخصیتی با ملاحظه ایجاد می‌کند که بر اساس تجربیات روزانه تنظیم می‌شود. در همان ماه، KRAFTON PUBG Ally را در PUBG: Battlegrounds راه‌اندازی کرد – یک همبازیکن هوش مصنوعی که توسط پلتفرم ACE انویدیا اجرا می‌شود و یک مدل Mistral-Nemo-Minitron 8 میلیارد پارامتری را روی GPU خود بازیکن اجرا می‌کند. Ally استراتژی ارتباطی، توزیع لوت، رانندگی وسایل نقلیه و درگیری با دشمنان را انجام می‌دهد. یک راه‌اندازی موازی در NARAKA: BLADEPOINT توسط NetEase یک تیم‌میت هوش مصنوعی معرفی کرد که آیتم‌ها را پیدا می‌کند، تجهیزات جابه‌جا می‌کند و تصمیمات تاکتیکی را کاملاً روی دستگاه محلی می‌گیرد، بدون latency استنتاج ابری.

حافظه ویژگی‌ای است که همه چیز را تغییر می‌دهد

چیزی که یک تجربه NPC واقعاً جدید را از یک چت‌بات پاسخ‌گو جدا می‌کند، حافظه دائمی است. بخش فنی ساده یک NPC هوش مصنوعی تولید دیالوگ مناسب زمینه در یک جلسه است. بخشی که سرمایه‌گذاری واقعی بازیکن را ایجاد می‌کند زمانی است که شخصیت – به‌طور دقیق و طبیعی – اتفاقاتی را که هفته‌ها پیش افتاده به خاطر می‌آورد.

معماری Inworld AI هر تعامل بازیکن و NPC را در یک پایگاه داده برداری ذخیره می‌کند و هر تبادل را در قالبی جاسازی می‌کند که با شباهت معنایی قابل بازیابی باشد، نه تطابق دقیق. وقتی یک بازیکن بعد از یک ماه برمی‌گردد، NPC می‌تواند خاطرات مرتبط را به سطح بیاورد – قولی که داده شد، خیانتی که دیده شد، لطفی که باید جبران شود – و آنها را در دیالوگ طبیعی بافته کند، نه به‌صورت یک بازبینی. شخصیت نمی‌گوید «دفعه قبل که اینجا بودی به من در X کمک کردی». شخصیت با وزن احساسی انباشته شده از X به بازیکن واکنش نشان می‌دهد که از طریق کلمات بداهه بیان می‌شود.

بازیکن‌ها گزارش می‌دهند این چیزی کیفی متفاوت ایجاد می‌کند. تاپیک‌های Reddit از بازی‌های دارای NPC هوش مصنوعی دائماً لحظاتی را توصیف می‌کنند که یادآوری شخصیت از یک تعامل گذشته باعث واکنش احساسی غیرارادی در بازیکن شده – «وقتی در مورد اتفاقی که در غار سه جلسه پیش افتاد حرف زد، لرزیدم». مکانیزم‌های درگیری که روابط انسانی را جذاب می‌کند – تداوم، شناخت، حافظه – حالا با هزینه مهندسی معقول در یک شخصیت بازی قابل تکرار هستند.

چطور workflowهای توسعه در حال تغییر هستند

تأثیر هوش مصنوعی مولد بر توسعه بازی فقط به NPCهای زمان اجرا محدود نیست. یک نظرسنجی Google Cloud از توسعه‌دهندگان بازی که در آگوست ۲۰۲۵ منتشر شد نشان داد هوش مصنوعی قبلاً در بیشتر استودیوهای بزرگ ادغام شده است، با ۴۷٪ استفاده از هوش مصنوعی برای تست پلی‌های بازی و تست تعادل، ۴۵٪ برای بومی‌سازی و ۴۴٪ برای تولید کد و پشتیبانی اسکریپت نویسی. Agentهای هوش مصنوعی مستقل که دنیاهای باز را کاوش می‌کنند، با NPCها تعامل دارند، در نبرد شرکت می‌کنند و روی زمین حرکت می‌کنند، در حال اجرای چرخه‌های QA هستند که قبلاً به ارتش‌هایی از تسترهای انسانی نیاز داشت.

تولید دارایی (Asset Generation) زمان‌بندی‌ها را به‌طور چشمگیری فشرده کرده است. کانسپت آرت که قبلاً دو هفته طول می‌کشید، حالا با کمک هوش مصنوعی دو روز طول می‌کشد. پر کردن محیط بازی – پر کردن دنیای بازی با شاخ و برگ متنوع، آوار، مبلمان و وسایل – تا حدی خودکار شده که زمان مورد نیاز را ۶۰ تا ۸۰٪ کاهش می‌دهد. اثر بعدی در توسعه مستقل قابل مشاهده است: تیم‌های کوچک ارزش تولیدی را ایجاد می‌کنند که قبلاً نیاز به استودیوهایی یک مرتبه بزرگتر داشت.

نگرش استودیوها نسبت به هوش مصنوعی در طرف نیروی کار سخت شده است. گزارش GDC 2026 درباره وضعیت صنعت بازی نشان داد ۵۲٪ از حرفه‌ای‌های صنعت بازی حالا به هوش مصنوعی مولد نگاه منفی دارند، که از ۳۰٪ سال قبل افزایش یافته است. نگرانی‌ها مربوط به مالکیت داده، جابجایی شغل و عدم قطعیت درباره تألیف محتوای تولیدشده توسط هوش مصنوعی است – سوالات مشروعی که صنعت هنوز حل نکرده است. پذیرش فناوری و مقاومت فرهنگی به‌طور همزمان پیش می‌روند.

استودیوهای بزرگ تماشا می‌کنند، آرام حرکت می‌کنند

Ubisoft فعال‌ترین استودیوی AAA در این فضا بوده است. نمونه اولیه NEO NPC آن که در سال ۲۰۲۴ نشان داده شد، استدلال هم‌زمان NPC در موتورهای بازی Ubisoft را به نمایش گذاشت. پروژه بعدی به نام Teammates شامل یک همراه هوش مصنوعی به نام Jaspar در یک تیراندازی اول شخص است – شناسایی بازیکن، شناسایی تهدید و راهنمایی مأموریت در زمان واقعی. تاریخ انتشار اعلام نشده، اما استودیو از همکاری فعال با Inworld AI خبر داده و استقرار ربات‌های QA داخلی با استفاده از Agentهای هوش مصنوعی مستقل برای تست دنیاهای باز خود را توصیف کرده است.

CD Projekt Red در گزارش هیئت مدیره ۲۰۲۵ خود تأیید کرد که یک تیم تحقیقاتی اختصاصی هوش مصنوعی در حال تست ابزارهایی برای The Witcher 4 و دنباله Cyberpunk است، با اهدافی شامل «جمعیت‌های واقع‌گرایانه از شخصیت‌های غیربازیکن». EA بیش از ۱۰۰ پروژه فعال هوش مصنوعی در استودیوهای خود دارد، Mass Effect را به‌عنوان یک کاربرد آینده برای دیالوگ‌های سفارشی NPC هوش مصنوعی نام برده و Project Air را راه‌اندازی کرده – یک تجربه موبایلی که کاربران شخصیت‌های هوش مصنوعی می‌سازند و با آنها تعامل دارند. Rockstar به‌طور رسمی چیزی نگفته، هرچند بهبود رفتار NPC در GTA 6 به‌طور گسترده به‌عنوان هوش مصنوعی رفتاری پیشرفته مورد بحث قرار می‌گیرد، نه دیالوگ مولد.

چیزهایی که واقعاً حل نشده باقی مانده‌اند

Latency استنتاج محدودیت فنی قابل‌رؤیت‌ترین است. تولید LLM مبتنی بر ابر بین ۰.۸ تا ۲.۵ ثانیه برای یک پاسخ منسجم طول می‌کشد – به‌اندازه‌ای که بیشتر شبیه مکث است تا مکالمه. رویکرد NVIDIA ACE که استنتاج را به‌صورت محلی روی GPUهای سری RTX 40 و 50 اجرا می‌کند، این مشکل را حل می‌کند اما ویژگی را به سخت‌افزار بالا محدود می‌کند. Inworld پاسخ‌های ۲۰۰ میلی‌ثانیه‌ای را در استقرارهای بهینه‌شده نشان داده، اما با هزینه مهندسی که هر تیمی نمی‌تواند تکرار کند.

انسجام در طول جلسات طولانی بدون معماری دقیق کاهش می‌یابد. LLMها می‌توانند با lore دنیا تناقض داشته باشند، از شخصیت خارج شوند یا پاسخ‌هایی ناسازگار با آنچه شخصیت قبلاً تأسیس کرده تولید کنند. هر استقرار جدی NPC این موضوع را از طریق توضیحات (prompt) گسترده شخصیت، فیلتر کردن خروجی و معماری ترکیبی اسکریپت‌شده-تولیدی که مدل را در ریل‌های روایی تعریف‌شده محدود می‌کند، مدیریت می‌کند.

عمیق‌ترین مشکل حل‌نشده در Ubisoft یک نام دارد: «مشکل روح». دیالوگ تولیدشده رویه‌ای می‌تواند از نظر زمینه درست، از نظر عاطفی مناسب و از نظر زبانی روان باشد – اما همچنان توخالی احساس شود. شخصیت به‌درستی به آنچه بازیکن گفته پاسخ می‌دهد اما حس نمی‌شود که واقعاً چیزی برایش مهم است. دادن کیفیتی به شخصیت‌های هوش مصنوعی که شخصیت‌های انسانی را ارزشمند می‌کند یک مشکل مهندسی نیست. یک مشکل تألیف است و هیچ پلتفرمی هنوز آن را حل نکرده است.