【TGS 25】在开发游戏时该如何活用 AI 才好？ 介绍最新 AI 现况的舞台讲座报导

　　在东京电玩展 2025 的 4Gamer 摊位上，举办了一场以“在制作游戏时能派上用场的生成式人工智能活用现场，以及使用起来方便并且（在权利上）安全的人工智能服务总整理”为题的舞台讲座活动。这场活动是由山本一郎和 TechnoEdge 编辑部资深编辑兼社群战略指导者松尾公也主讲，和观众解说生成式人工智能的近期动向，以及想要在开发游戏时采用生成式人工智能工具必须要注意的问题。

 

 

生成式人工智能的近期动向

 

　　在活动前半段，是由松尾编辑介绍生成式人工智能的近期动向。第一个提到的关键字，就是“终端装置大型语言模式（On-Device LLM）”。目前大部分的大型语言模型，需要连接云端才能使用，而这个终端装置大型语言模式，是直接在用户手上的终端装置里运作，所以利用时的延迟更少，也更能够保护用户的个人资料。

 

　　以这种终端装置大型语言模式概念打造的有 Google 旗下的 Gemini Nano 以及 Apple Intelligence 等的基础模型，都可以在完全不连上网络的状态下，执行比如说改写文章、校对和翻译等等的工作。

 

松尾公也

 

　　这些基础模型通常都会用来校对文章或者是改善查询照片功能等的方面上，基本上都是以让用户不会注意到的型式下去利用。只不过松尾编辑表示，其实这些基础模型也可以透过像是 ChatGPT 一样的对话方式下去利用。并且实际试着询问基础模型关于“在开发游戏时能派上用场的生成式人工智能使用法”这个问题，可以看到就像 ChatGPT 一样会列举不同方法并加以验证，看起来的确是可以正常利用。

 

　　松尾编辑解说道“终端装置大型语言模式，虽然是只有 30 亿参数的极小型大型语言模型，但如果都能够达成这些功能的话，应该会有人拿去运用在更多方面上才对”。过去想要在游戏开发工作中活用生成式人工智能，就一定得先连上云端服务器，如果必须要频繁执行的话，就有可能会因为网络延迟的关系而产生同步错误等等问题。只不过因为有像是 Google 旗下的 Gemini Nano 以及 Apple Intelligence 还有 Microsoft 旗下的 Copilot 等等，直接搭载在操作系统内的服务出现，所以在未来可能会有大幅度的变化产生。

 

　　第二个关键字则是“世界模型（World Model）”，这是一个在人工智能模型当中，假设有一个存在于实际世界当中的物理法则可以适用，比如说像是只要向前走就会看到风景出现变化，而向后退就会看到在前面的事物变得离自己更加遥远，透过这个方式来制造出虚拟空间。

 

　　最新技术是 Google 在 2025 年 8 月才刚公开的 Genie 3 模型，能够持续制造出需要花费数十分钟来移动的空间。过去使用一般 3DCG 制造出来的空间表现手法，会因为位在远方的景物是突然冒出来而让人感觉很不自然，但是使用 Genie 3 模型制作出来的空间，其反应速度就完全不会让人有这种感觉。

 

　　如果世界模型技术持续普及，甚至是被广泛利用的话，现在使用的游戏引擎等 3DCG 技术会不会变成一种落伍的手法，这一类讨论其实在 2023 年左右，就已经在松尾编辑参与的技术社群当中开始讨论，而实际上人工智能的进化速度，也和当时大家的预测相当吻合。只不过未来会发展到什么程度，目前还无法预测，到底可以信用到什么程度，还是个必须要考虑的问题。

 

　　另外 NVIDIA 也在研究在有人工智能技术支援之下自动生成神经渲染（Neural Rendering）的技术，只不过目前也有讨论是认为，就算没有这方面的技术，也应该大部分都可以直接交给人工智能来执行了吧。

 

 

　　第三个关键字则是“从 2D 到 3D 模型生成”，也就是可以从照片以及图片等 2D 画面，直接转换出 3D 模组的生成式人工智能。目前这类功能最具代表性的服务，应该就是“Hitem3D”，只要读取 2D 画面，就可以生成出就像有经过 3D 扫描一样精细的 3D 模组。

 

　　只不过因为比如说使用只有拍到正面的画面，那么物品的背面和侧面都只能以推测下去生成的关系，所以很难避免会有错误出现。能够化解这种问题的技术，就是可以使用正面图片为基础，下去生成输出侧面图和背景图的 Google Gemini 2.5 Flash Image 功能，也就是俗称的 Nano Banana 功能。根据松尾编辑表示，这个 Nano Banana 功能真的是非常划时代，甚至可以画出用户自己在二十分钟之前的画像，在运用方法上带有世界模型的属性。

 

　　把话题带回原本主题，这个 Nano Banana 功能只需要读取一张上面照到人的照片，就可以生成四个方向的图片，而且除了部分例外，生成出来的图片都相当正确。所以说只要使用生成出来的四方向图片，就可以再生成出相当正确的 3D 模组了。

 

　　但是在另一方面，松尾编辑也指出，目前这类功能在生成材质以及渲染上，仍然抱持功能性不足的缺点，只不过他也认为，这些问题应该都会在不久的将来被解决才对。

 

　　而在讨论到虽然目前还不存在，但如果出现的话就会对游戏开发造成极大幅度影响的功能时，则是举出了由人工智能来进行“索具（Rigging）”的功能。所谓的索具，就是指制造出为了让 3D 模组骨架移动用的规格（索），如果这部分也能靠人工智能来代劳的话，那就可以直接生成出各种素材，搞不好会打造出完全不需要游戏引擎也能开发游戏的环境。

 

　　最后一个关键字则是“氛围编码（Vibe Coding）”，虽然这个名词是在 2025 年 2 月左右才出现并且普及化，但其实（自从生成式人工智能出现后就）一直有许多人在实行。松尾编辑以自己为例，表示他就有透过和 Anthropic 公司推出的对话型生成式人工智能 Claude 绑定，在使用室内自行车软件“Zwift”骑自行车运动时，及时自动生成自行车路线。

 

想要在开发游戏时采用生成式人工智能工具必须要注意的问题

 

　　就和前面松尾编辑介绍的一样，目前的生成式人工智能工具，已经具备了在游戏开发工作的许多方面上，都有办法加以活用的功能。只不过在想要实际采用的时候，当然还是存在很多必须要考虑过的问题。

 

山本一郎

 

　　后半部分主讲者山本一郎，首先提出“实际上到底是要用生成式人工智能来做什么”这个问题。最主要的目的就是“降低成本”，就和上面提到的一样，把这些原本要由人手执行的工作都交给人工智能，就能够降低需要的人手，而且也能缩短作业所需要的时间。也因为现在人工智能真的非常流行，所以大家才会期待也能够应用在开发游戏上面，让创作者可以更加自由地发挥出自己的创意。

 

　　就企画与制作这两个方面来说，关于生成式人工智能的需求主要有两点，其一是“希望把人工智能纳入目前使用的开发产线当中”。不过山本一郎举出自己实际有参与的专案，表现因为原本产线规格的关系，所以即使想要让人工智能负责原本的外包工作，也必须要花费一定量的工程把人工智能纳入原本产线里，不然就无法提升整体效率。

 

　　另外一个需求，则是“想要在游戏内采用人工智能，以即时而且具有互动性的方式，表现出角色更有临场感的行动，或者是环境的变化。”

 

 

　　只不过想要达到这个目标的话，如果不先把握“生成式人工智能是学习过哪一些资料来生成最后产品”的话，之后很有可能会陷入相当不妙的情况。

 

　　为了避免这种事情发生，那就必须要在采用生成式人工智能工具之前，尽可能检讨过相关问题。会有许多在法规上的问题必须要事先排除，而且比如说 Nano Banana 这种工具，虽然在理论上可以直接把 2D 图片转换成 3D 模组，但因为中间有加入推测的过程，所以也得面对可能会产生“人工智能幻觉（Hallucination）”的问题。而以上这些问题，最终都会面临该如何确保人工智能的学习资料之可溯源性这个根本问题。

 

 

　　讲座中介绍了一个过去发生在制药业界，非常值得大家拿来参考的案例。简单来说就是有药厂利用了开发中国家产的基因或是天然产物，开发出药品获得利益，但是却没有将利益还原给原产国家（也就是所谓的“生物剽窃（Biopiracy）”），因此遭受到社会批判，于是在 1992 年制定了“生物多样性公约”，并且在 2010 年的“名古屋议定书”当中法制化，最终于 2014 年生效。

 

　　但另一方面，开发新药需要大量研究过程，会花费包含电力在内的各种资源，所以不可能排除企业提供的投资。所以如何让产生的利益可以等量还原给这些开发成本，又或者是如何让所有利害相关人都可以获得利益，也是必须要讨论的问题。

 

 

　　山本一郎表示，就这些方面来说，其实制药业界过去走过的路，和现在的生成式人工智能领域是几乎一模一样。

 

 

　　接下来介绍了内容产业在利用人工智能时，必须要先检讨过的三个条件。

 

人工智能生成的产物是否拥有著作权（能不能主张自己拥有著作权）

生成式人工智能是否可能未经许可就利用学习资料

生成式人工智能生成的产物，是不是有侵犯到其他人持有的著作权

 

　　并且具体列举出“由生成式人工智能所生成的角色设计是否拥有著作权”这个案例来进行解说。比如说先由设计师画出草图，以此为学习资料在生成式人工智能工具中，生成出轻量化微调（LoRA）模型，然后以此模式生成出高阶模型，当作游戏中的主要角色，甚至是使用在游戏外盒图片、关键视觉设计以及广告上面。就目前来说，由人工智能生成出的第一张图片，的确会被承认拥有著作权或者是肖像权，但是以此图片为底下去衍生出的 3D 模组，是否会被承认是著作物，这可能就必须要打一个问号。

 

　　虽然因为还没有完善的法规来管制，所以很多地方都是大家默认出的共识，但现在的确对于以人工智能生成出来，实际上并没有著作权存在的角色，擅自宣告拥有版权底到有没有问题等等方面，都有许许多多的讨论存在。

 

　　另外还举出一个所谓的典型角色相关案例，比如说“双亲是资产家，留着一头金发卷卷头，语尾会加上‘就是啊（ですわ）’的千金小姐角色”，虽然的确已经是一个大部分人都有固定认知的角色典型，但也有许多讨论是关于，是不是真的能把这种典型设定，当作是一种非著作物拿来当人工智能的学习资料使用。山本一郎指出，对于构成人工智能工具的根源学习资料，必须要更进一步去检验在权利关系上是否有问题存在才行。

 

上图为开源影片生成模型 Wan 2.2 的工作流程。因为可以使用高阶模型和低阶模型两种不同模型，
甚至是界于两者之间的复数不同模型来生成影片，所以会造成到底哪些产物可以算是著作物的问题

 

　　至于谈到“当生成式人工智能工具的工作流程超越现有法规时的适法性问题”这个主题时，则是举出以两位实际存在的女星为基础，使用七比三的比例以生成式人工智能工具进行合成，生成出“虽然看起来像，但却又不太一样”的全新角色，在这种状况下，是不是就真的不会侵犯到对方的肖像权呢？又或者说该位女星的资料，是使用了拥有版权的实际图片时，这样子真的可以被容认吗？山本一郎表示这些应该是未来将会持续讨论到的问题。

 

　　另外最近可以看到很多像是“吉卡力风格图片”这种，冠有“○○风格”或是“○○类型”名词的人工智能生成产物，但是山本一郎指出，光是在指令提示上明确输入作品、作家或是公司名称，就已经有可能被视为侵犯著作权了。

 

　　而且像这类○○风格的人工智能生成产物，被现有的人工智能新创公司滥用的案例也在增加当中。在会场上提出了香港 PixAI 公司的实际案例，因为有明确表现出“想要生成这个现有角色的图片”，或者是说“知道原本角色存在，并且想要复制”的意图，所以恐怕是已经有侵犯到著作权等相关权利。

 

 

　　至少像是“Fotor”这个线上图片编辑网站，有提供把原始图片透过滤镜处理修改成○○风格的功能，就目前来说是比较接近白色的灰色地带。现在是借由在针对原始图片使用滤镜加工修改的时候，仍然是可以辨认出是该人物的手法来确保适法性，只不过未来这个理由是不是能够持续通用，就不是那么肯定的事情了。

 

 

　　并且在讲座中也指出，未来应该会有更多关于“生成式人工智能做到什么程度要算是剽窃”的讨论。光是就现况来说，就已经有朝日新闻和日经新闻对于人工智能搜寻服务提告未经许可就使用旗下报导，以及迪士尼控告中国生成式人工智能公司等等的案件存在。

 

还介绍了经过非法音乐串流服务出现并且官司败诉的流程，让有合法处理权作权的正规音乐串流服务诞生的案例

 

　　那么就日本国内来说，目前做到什么程度算是合法呢？因为参考日本著作权法第 30 条第 4 项，原则上将解析情报视为合法的关系，所以到生成轻量化微调（LoRA）模型为止都还算是安全，只不过如果以全球范围来说的话，能不能通用就是另外一回事了。

 

　　另外如果是因为想要画某一个特定角色，所以使用人工智能来生成图片的话，由于用户已经知道该角色存在，所以不适用日本著作权法第 30 条第 4 项，在生成产品的时候必须要特别注意才可以。

 

 

　　接下来以“生成式人工智能利用的最终防卫战”为题，谈到实际上有“明确可以使用的产物”和“不能使用的产物”存在，而且未来关于后者的标准应该会变得更加严格才对。特别是有“享受目的”这个界线存在，比如说很明显是以特定角色为目标生成的产物，已经原则上都不算合法，而且这点不光是日本国内，在海外其他国家也都在开始依照这个标准行事。

 

不算享受目的的利用法，以及将来可能会被视为享受目的的利用法

 

投影片文字：生成式人工智能利用的最终防卫战   以日本国内法来说是否会被视为“享受目的”的未来可能界线   基本上不会被视为享受目的： 树木或是建筑物等物件、不会感受到作风及个性的路人人物、不依照特定著作的修辞、可以确定是以旁观者角度看到的景观，以及爆炸和声响等特效与音效   今后可能会被视为是享受目的： 典型角色与修辞的组合利用、服装设计，以及穿着特定服装的角色等等

 

　　关于类似著作物和依据性，就会产生必须要透过生成式人工智能工具生成产物时使用的工作流程，下去验证相关事项的必要性。简单来说就是必须要能够说明，自己到底是使用什么样的提示，才能够生成出这个最终产品。

 

 

　　根据以上的说明，山本一郎对于想要在游戏开发工作当中活用生成式人工智能技术的想法，给出“绝对不能利用目前已经在提供服务的生成式人工智能新创公司提供的工具”这个结论。这是因为虽然最终应该也是会有一些生成式人工智能新创公司会去取得授权，但是同样会有问到“原始学习资料是什么”这个问题时，根本就无法好好说明的案例存在。

 

　　而且最近一些生成式人工智能工具，虽然在计算过程中会显示所有的资料来源，但通常都没有办法去检验这些提供的资料是否正确。所以说除非是能够完全回溯，有办法调查什么指令会去参考哪些原始学习资料的案例，不然除此之外就不该去使用这类生成式人工智能工具。

 

　　另外关于人工智能生成出来的产品，为了能够主张“并不带有著作性质（并非以享受目的下去生成）”，最好不要使用特定角色名称、作者名称以及作品名称，并且尽可能保留制作过程的所有履历。

 

　　然而“会要求具有即时性的人工智能利用目的”，因为至少就目前来说，根本就不可能保证输出的产品有保够安全性以及品质，所以就现况来说还不太可能办到。山本一郎表示，虽然他现在就已经有接到不少企画案，是表示想要使用生成式人工智能工具来制作开放世界游戏，但是因为无法保证玩家在游戏中会有什么行动的关系，所以最后几乎都是放弃制作。

 

 

　　就结果来说，目前如果想要在游戏开发工作中活用生成式人工智能工具，最理想的手法大概是在地端准备私人用大型语言模型，以此来控制上面提到的各种风险，但即使是如此，能不能确保最后生成产品的品质也是一个问题。

 

　　讲座最后，山本和松尾根据各自展示的案例等进行了讨论，表示如果想要真正实现能够活用生成式人工智能工具的游戏开发方式，那应该必须要建构一个有办法采纳用户回馈，同时安全而且富有效率的环境才行。

 

还有提到任天堂与 Pocketpair 公司对簿公堂的《幻兽帕鲁（Palworld）》官司最新情报