在Google AI游乐场，我做出一堆烂游戏

当生成式 AI 能写代码、画像素、配音乐时，做一款电子游戏似乎只剩下“输入提示词”这一步。WIRED 记者 Boone Ashworth 决定花一整天泡在 Google 的 AI Playground 里，看看这个被寄予厚望的 AI 实验场究竟能变出什么。结果并不意外：他做出了一堆糟糕游戏，并把自己的经历形容为“在电子游戏垃圾矿里挖了一整天”。

把游戏开发变成聊天

Google AI Playground 并不是传统游戏引擎，而更像一个面向大众的 AI 沙盒：用户用自然语言描述想要的小游戏、角色、规则和美术风格，后台模型便生成可运行的原型。理论上，这能大幅降低游戏制作门槛——不会写代码、不会画画的人，也能在几分钟内得到一个“能玩”的作品。Ashworth 尝试了平台跳跃、射击、解谜、点击放置等类型，AI 每次都能迅速给出可运行的 HTML5 小游戏，速度惊人。

“在视频游戏垃圾矿里挖了一整天，收获颇丰。”——原文摘要

但生成速度快，不等于游戏好玩。作者很快发现，这些 AI 游戏往往只有“游戏的样子”，没有游戏的灵魂。操作手感僵硬，碰撞检测诡异，关卡设计像随机拼接，美术风格高度雷同：明亮渐变、圆角按钮、廉价像素和无处不在的紫色光晕。玩上 30 秒，新鲜感耗尽，只剩重复点击和无聊劳动。

AI 能生成，但不会设计

这背后是当前生成式 AI 的典型局限。大模型擅长从海量数据中总结模式，再组合出看似合理的内容。它知道平台跳跃通常有跳跃、平台、敌人和终点，也知道射击游戏需要准星、子弹和血条。但游戏设计的核心不是元素清单，而是节奏、反馈、挑战曲线和惊喜。为什么《超级马力欧》第一关让人忍不住向前跑？为什么《俄罗斯方块》方块下落速度必须逐渐加快？答案来自人类设计师对玩家心理的反复打磨，而非统计概率。

因此，AI 生成游戏常常陷入“平均化陷阱”。它不会做出真正糟糕到有趣的作品，也很难做出真正好玩到难忘的作品。它只是把训练数据中的常见套路重新排列，生产出大量安全、平庸、似曾相识的“电子泔水”。Ashworth 的经历并非孤例。过去两年，随着生成式 AI 工具普及，Steam 等平台上的 AI 生成游戏数量激增，许多被玩家标记为“AI slop”，挤占曝光位，稀释了独立游戏的多样性。

游戏行业的 AI 焦虑

游戏行业对 AI 的态度一直分裂。大厂把 AI 用于概念图、代码辅助、NPC 对话和测试，希望压缩成本、加快迭代。独立开发者则担心，如果玩家可以在游乐场里免费生成“差不多”的游戏，谁还愿意为精心打磨的小而美作品付费？更现实的威胁是，平台可能被海量 AI 内容淹没，真正有创意的作品反而更难被看见。Google AI Playground 这类工具越易用，这种焦虑就越强烈。

不过，把 AI 游戏工具一棍子打死也不公平。对原型设计来说，它确实有用。开发者可以在几分钟内验证玩法概念，快速试错；教育场景中，学生也能通过自然语言理解游戏循环和碰撞等基础概念。如果创作者本身有清晰的设计意图，AI 可以成为放大器，而不是替代品。问题在于，当工具被用来“批量生产内容”而非“表达创意”时，结果就是 Ashworth 所体验的垃圾矿。

编者按：别让游乐场变成垃圾场

Google AI Playground 展示了 AI 生成游戏的潜力，也暴露了它的天花板。它让“做游戏”变得像发一条提示词一样简单，但游戏终究是交互艺术，快乐来自精心设计的挑战与反馈。AI 可以帮你生成 100 个原型，却不能替你决定哪一个值得留下。对平台而言，标记 AI 内容、加强策展和推荐机制，是避免垃圾淹没社区的必修课。对创作者而言，AI 不是捷径，而是又一件工具：用得好，它是画笔；用不好，它就是泔水机。

至少就目前而言，Ashworth 的结论很明确：Google 的 AI 游乐场是个有趣的玩具，但还不是一间游戏工作室。它能让想法快速成形，也能让平庸快速堆积。真正的游戏，仍然需要人类告诉机器：什么才叫好玩。

本文编译自WIRED