游戏开发中的生成式人工智能：一项定性研究综合

文献标题

Generative AI in Game Development: A Qualitative Research Synthesis

出版信息

• 主题领域: 生成式人工智能在游戏开发工作流程中的采用与影响。
• 关键词: 生成式人工智能、游戏开发、定性研究综合、元民族志、人机协作、创意构思、生产管线、作者身份、治理、伦理。

背景与问题

• 问题/挑战: 现有关于生成式人工智能在游戏开发中的定性研究分散且缺乏整合，未能全面呈现其采用、使用和影响的整体图景。
• 意义: 理解生成式人工智能在游戏生产中的角色对于塑造可持续实践、支持创意工作流程以及应对快速发展的行业中的伦理和劳动问题至关重要。
• 动机与相关工作: 先前的综述主要集中于人工智能在游戏中的技术应用，但尚无系统性地综合开发者对生成式人工智能体验的定性见解的研究。本文通过整合2020年至2025年间的10项研究结果填补这一空白。

解决方案

• 提出的方法: 使用元民族志进行定性研究综合（QRS），以解释和整合现有关于生成式人工智能在游戏开发中研究的发现。
• 创新性:
  1. 首次对生成式人工智能在游戏生产中影响的定性研究进行系统性综合。
  2. 确定了九个总体主题，包括精炼实践、创意构思、效率、治理、作者身份和伦理等方面。
  3. 为研究人员、从业者和政策制定者提供指导未来实践和治理的建议。
• 程序与关键技术:
  • 按照PRISMA-S指南进行系统文献检索。
  • 使用互译和论点综合法进行元民族志分析。
  • 使用CASP检查表对主要研究进行质量评估。
  • 提取并映射二阶解释以得出三阶概念性见解。

结果

• 具体发现:
  • 生成式人工智能主要在创意构思和原型设计中具有价值，而非自主创作。
  • 人类干预对于在生产中纳入前精炼输出至关重要。
  • 效率提升具有情境依赖性，收益集中在早期工作流程中。
  • 集成挑战包括管线不匹配和产出物限制。
  • 伦理问题包括原创性、作者身份争议和劳动不稳定性。
• 相较基线的优势:
  • 提供了定性见解的全面综合，弥合了分散研究之间的差距。
  • 提供了改进生成式人工智能在游戏生产中采用和治理的可操作建议。
• 实验/评估:
  • 分析了10项研究的语料库，涵盖多样化的背景（教育、专业工作室、独立开发者）。
  • 通过CASP评估和eMERGe报告标准确保方法学严谨性。
• 局限性与未来工作:
  • 样本规模有限，且在资产类型和生产阶段上的实证覆盖不均。
  • 缺乏纵向研究以跟踪生成式人工智能的采用和长期保留。
  • 需要更详细地报告模型配置和游戏开发实践中的情境差异。

总结

本文综合了关于生成式人工智能在游戏开发中采用与影响的定性研究，确定了其在创意构思、精炼、效率、治理和作者身份等方面的九个关键主题。研究发现生成式人工智能在工作流程中扮演了临时性和辅助性的角色，人类干预仍然是其融入生产管线的核心。伦理和劳动问题以及管线限制影响了其采用和使用。本研究为研究人员、从业者和政策制定者提供了可操作的见解，同时指出了实证覆盖和方法学实践中的空白，未来研究应予以关注。