Mitä maailman suurin pelitutkimuskonferenssi kertoo siitä, miten suomalaiset pelistudiot voivat hyödyntää tekoälyä pelattavuudessa, NPC:issä ja analytiikassa?
Tekoäly pelialalla 2025: mitä maailman suurin pelikonferenssi opetti?
Tekoäly pelikehityksessä ei ole enää vain hype-sana – se on tämän hetken kilpailuetu. Syksyllä 2025 Lissabonissa järjestetty IEEE Conference on Games, maailman suurin akateeminen pelitutkimuksen konferenssi, näytti hyvin, mihin suuntaan älykkäät pelijärjestelmät ovat menossa seuraavan 3–5 vuoden aikana.
Tämä kirjoitus kuuluu sarjaan “Tekoäly suomalaisessa peliteollisuudessa”, ja tarkastelee konferenssin antia nimenomaan suomalaisen pelistudion näkökulmasta: mitä ideoita ja oppeja voit viedä omaan tiimiisi jo nyt, jos teet pelejä Suomessa – olit sitten mobiilin, PC:n, konsolin tai vakavien pelien parissa.
Käymme läpi konkreettisia tutkimusesimerkkejä Wordlesta Dark Soulsiin ja World of Tanksiin, mutta ennen kaikkea puramme ne käytännön ohjeiksi: miten parannat pelattavuuden personointia, NPC-käyttäytymistä, sisällöntuotantoa ja pelaaja-analytiikkaa omissa projekteissasi.
1. CoG 2025: 20 vuotta pelien tekoälyä – mitä se merkitsee Suomelle?
IEEE Conference on Games juhli 20. vuottaan – matkaa, joka alkoi puhtaasti tekoälypainotteisesta tapahtumasta (Computational Intelligence and Games) ja on kasvanut kattamaan koko pelitutkimuksen kirjon: pelianalytiikan, pelisuunnittelun, HCI:n, e-urheilun, vakavat pelit ja saavutettavuuden.
Miksi tällä on väliä suomalaiselle pelistudiolle?
Suomessa on totuttu ajattelemaan pelitutkimus ja pelibisnes erillisiksi maailmoiksi. Konferenssin kehitys kertoo kuitenkin selvästi: seuraavan sukupolven pelihitit syntyvät siellä, missä tutkimus ja tuotanto kohtaavat.
Suomalaiselle studiolle tästä seuraa kolme johtopäätöstä:
- Tekoälyn hyödyntäminen peleissä ei tarkoita vain "älykkäämpää vastustajaa" – kyse on koko pelin elinkaaresta: suunnittelusta, sisällöntuotannosta, mittaamisesta ja live-operaatioista.
- Pelitutkimusta tehdään juuri niistä ongelmista, joita sinä jo kohtaat: pelaajien käyttäytymisen ymmärtäminen, sisällön kustannustehokas tuotanto, vaikeustason säätö, huijareiden tunnistaminen.
- Edelläkävijät yhdistävät tutkimustulokset ja oman data-analytiikkansa ja rakentavat niiden päälle omia työkaluja.
Suomessa on vahva pelikulttuuri ja tekninen osaaminen – juuri nyt on hyvä hetki napata tutkimuksesta käyttökelpoisimmat ideat ja tuotteistaa ne omaksi kilpailueduksi.
2. Pelattavuuden personointi: mitä Wordle-botti opettaa suomalaisesta pelaajasta?
Yksi konferenssin kiinnostavimmista esimerkeistä käsitteli Wordlen ja sen variantin Fibblen pelaamista tekoälyllä. Tutkijat vertasivat kahta lähestymistapaa:
- vahvistusoppimista (reinforcement learning), joka oppii kokeilun ja erehdyksen kautta
- suurta kielimallia (LLM), jota pyydettiin ratkaisemaan sanapulmia.
Vahvistusoppimiseen perustuva agentti päätyi parempaan tulokseen sekä Wordlessa että Fibblessä – kunhan se sai pelata miljoonia kierroksia.
Mitä tästä voi soveltaa pelattavuuden personointiin?
Suomalaisille F2P- ja premium-studioille tästä voi vetää ainakin kolme käytännön johtopäätöstä:
-
Simuloidut pelaajat ovat käyttökelpoinen työkalu tasapainotukseen
Jos sinulla on yksinkertaisempi pelilooppi (pulmapeli, idle, ARPG:n farmisegmentit), voit kouluttaa RL-agentteja pelaamaan peliäsi ja:- arvioida tasojen vaikeutta
- testata talousmekaniikkaa (valuuttavirrat, resurssit)
- löytää yllättäviä exploitteja ennen kuin pelaajat löytävät ne.
-
Kielimallit eivät yksin riitä pelilogiikan hallintaan
Kielimallit ovat hyviä selittämään, kuvailemaan ja luomaan tekstiä, mutta logiikan ja sääntöpohjaisten järjestelmien kanssa ne kompuroivat. Tämä tukee hybridimallia:- käytä klassista pelitekoälyä ja vahvistusoppimista pelilogiikan ytimeen
- käytä LLM:iä selittämään, opastamaan ja rikastamaan tarinallisuutta.
-
Personointi voidaan rakentaa agenttien ympärille
Kun ymmärrät, miten RL-agentti navigoi tasoissasi, voit mallintaa eri "pelaajatyyppejä" (varovainen, aggressiivinen, tutkiva) ja sovittaa:- viholliskokoonpanoja
- resurssipudotuksia
- vihjeiden näkyvyyttä pelaajaprofiilin mukaan.
Suomalaisessa peliteollisuudessa, jossa resurssit ovat usein rajalliset, tällainen simulaatiopohjainen testaus voi korvata osan kalliista A/B-testauksesta ja nopeuttaa kehitystä.
3. NPC-käyttäytyminen ja eettinen kumppani: Wargamingin ja Dark Soulsin opit
Konferenssissa nähtiin kaksi linjaa, jotka ovat erityisen tärkeitä suomalaisille AA- ja indie-tuottajille: realistinen taistelu-AI ja eettisesti suunnitellut tekoälykumppanit.
Dark Souls -botti: miksi 35 % voittoprosentti on oikeasti kova?
Tutkimusryhmä koulutti agentin pelaamaan Dark Soulsia Asylum Demon -pomotaistelussa käyttäen vain pikselidataa ruudulta. Agentti näki pelin 40×30 pikselin kokoisena värikehyksenä ja oppi tästä huolimatta voittamaan noin 35 % yrityksistä.
Tämä kertoo kahdesta asiasta:
- Nykyinen koneoppiminen pystyy toimimaan yllättävän hankalissa, reaaliaikaisissa 3D-tilanteissa pelkästä kuvadatasta.
- Silti agentti on kaukana "ylivoimaisesta" – Dark Souls -tasoinen reaaliaikainen taistelu on edelleen vaikea ongelma.
Sovellus suomalaiselle studiolle:
- Jos kehität toimintapeliä, jossa on bossitaisteluja tai areenakohtaamisia, pieni ML-kokeilu voi auttaa:
- tunnistamaan tilanteet, joissa pelaaja kuolee "epäreilusti"
- analysoimaan kamerakulmien, telegraphien ja animaatioiden selkeyttä
- tuottamaan automaattisia ehdotuksia helpommaksi tai vaikeammaksi säädöksi.
- Tärkeää on huomata, että tutkimuksessa ei korvattu designeria – tekoäly toimi analytiikkatyökaluna, ei pelin ohjaajana.
Wargaming ja eettinen tekoälykumppani
Toinen keskeinen puhe käsitteli tekoälykumppaneita, jotka on suunniteltu:
- generatiivisen tekoälyn avulla
- mutta eettisesti ja käyttäjäkokemuksen näkökulmasta.
Suomalaiselle studiolle tämä on ajankohtaista kahdesta syystä:
- Yhä useampi pelaaja odottaa "älykkäitä" NPC-kumppaneita – ei pelkkää skriptattua seuraajaa.
- Samalla pelaajat ovat huomattavan herkkiä sille, missä kohdin heitä huijataan tai heidän dataansa käytetään epäselvästi.
Kun rakennat tekoälykumppania (esimerkiksi tarinallisessa mobiilipelissä, co-op-shooterissa tai oppimis- /hyvinvointipelissä):
- määrittele selkeästi, mitä dataa keräät ja miten sitä käytät personointiin
- huolehdi, että NPC ei anna sellaista ymmärtää, mitä se ei oikeasti "osaa" (esim. ei esiinny ihmisenä)
- pidä pelaaja aina kuskin paikalla: tekoäly ehdottaa, pelaaja päättää.
Näin vältät tilanteet, joissa pelaaja kokee, että peli tai sen NPC:t "manipuloivat" häntä – riski, joka kasvaa generatiivisen tekoälyn käyttöönoton myötä.
4. Pelaaja-analytiikka ja käyttäytymisen ennustaminen: World of Tanks -case
Yksi konferenssin suorimmin sovellettavista töistä käsitteli yhteistyötä Wargamingin kanssa: tavoitteena oli ennustaa pelaajien sijaintia 15–90 sekuntia tulevaisuuteen World of Tanks -peleissä.
Tutkijat hyödynsivät:
- 2,2 miljoonan pelin dataa
- 29 eri karttaa
- tietokonenäköön perustuvaa mallia, joka ennustaa lämpökarttoja tulevista sijainneista.
Tulos oli lupaava, ja studio harkitsee mallin käyttöä bottien päätöksenteossa.
Mitä vastaava ajattelu voisi tarkoittaa suomalaisessa pelissä?
Pelaajan tulevan sijainnin tai toiminnan ennustaminen on hyödyllistä monessa tilanteessa:
- PvP- ja co-op-peleissä: älykkäämpi matchmaking ja reilu tasapaino, kun ymmärretään eri pelaajatasojen tyypilliset reittivalinnat.
- Live-operaatioissa: voidaan ennustaa, mille alueille tai pelimodeihin pelaajat seuraavaksi siirtyvät ja ajoittaa tapahtumat sinne.
- Huijarien tunnistuksessa: erikoinen liikkumiskäyttäytyminen tai epänormaalit reaktiot voivat paljastaa skriptit ja botit.
Suomalaisittain erityisen kiinnostavia ovat:
- battle royale -tyyppiset pelit ja taktis-strategiset tittelit
- isometriset toimintaroolipelit ja co-op-mobiilipelit
Näissä voidaan jo suhteellisen pienellä datajoukolla rakentaa prototyyppimalli, joka tuottaa lämpökarttoja tulevista pelaajavirroista. Mallia ei tarvitse siirtää heti peliin – sen voi ensin ottaa käyttöön suunnittelutyökaluna, joka auttaa:
- etsimään kuolleita kulmia kartoista
- havaitsemaan liiallisen leiriytymisen paikat
- varmistamaan, että "golden path" ei ole liian ilmeinen tai liian vaikea.
5. Sisällöntuotanto ja tarinankerronta: LLM ei yksin pelasta narratiivia
Konferenssissa esiteltiin myös tutkimusta siitä, miten hyvin suuret kielimallit pystyvät luomaan loogisesti johdonmukaisia tarinoita verrattuna perinteisiin suunnittelupohjaisiin (planner) menetelmiin.
Kun LLM:ää verrattiin suunnittelu-TAI:hin:
- LLM pystyi tuottamaan rikasta, elävää kieltä
- mutta teki helpommin logiikkavirheitä tarinan tapahtumaketjussa
- suunnittelu-TAI tuotti kuivempaa tekstiä, mutta pysyi paremmin sisäisesti johdonmukaisena.
Mitä tämä tarkoittaa suomalaiselle narratiiviselle pelille?
Jos teet:
- tarinavetoista mobiilipeliä
- visual novelia
- laajaa RPG:tä tai seikkailupeliä
…kielimallin päälle ei kannata rakentaa koko narratiivista logiikkaa. Toimivampi malli on:
-
Rakenna tarinan "luuranko" perinteisillä työkaluilla
Käytä suunnittelumenetelmiä, quest-graafeja ja selkeää tilakonetta pitämään huolen siitä, että:- juonen haarat pysyvät järkevinä
- valinnat johtavat loogisiin seurauksiin
- peli ei riko omaa maailmalogikkaansa.
-
Anna LLM:n kirjoittaa lihaa luiden ympärille
Hyödynnä kielimallia:- dialogiversioiden tuottamiseen
- paikallisen kulttuurin ja puhekielen luontevaan sävyttämiseen (esim. savolainen NPC, stadilainen sivuhahmo)
- nopeaan iterointiin ja A/B-testattaviin repliikkeihin.
-
Valvo laatua suunnittelijan ja työkalujen avulla
Rakenna yksinkertainen tarkastusvaihe (säännöt, testiajo, designer-review), joka karsii logiikkavirheet ja sävylipsahdukset.
Näin saat tekoälyavusteisen sisällöntuotannon, mutta säilytät kontrollin maailman sääntöihin ja brändiin – kriittistä etenkin suomalaisille studioille, joilla on tunnistettava tyyli tai vahva IP.
6. Pelaajakokemus, häirintä ja etiikka: kaikki struggle ei näy datassa
Yksi konferenssin avainviesteistä oli, että kaikki pelaajan kamppailu ei näy telemetriassa. Dr. Alena Denisovan työ pelaajien kokemasta haasteesta – niin mekaanisesta, emotionaalisesta kuin moraalisesta – korosti kahta asiaa:
- Pelidatan (kuolemat, yritykset, sessiopituus) lisäksi tarvitset subjektiivista palautetta. Pelaaja voi kokea tilanteen epäreiluksi, vaikka tilastot sanoisivat päinvastaista.
- Haaste voi olla myös moraalista tai emotionaalista – esimerkiksi päätös uhrata NPC tai liikkua harmaalla alueella moninpelissä. Tätä on vaikeampi mitata puhtaasti numeroin.
Lisäksi palkituksi tullut tutkimus verkkohäirinnästä ja sukupuolittuneesta kohtelusta muistuttaa, että etiikka ja turvallinen pelikokemus ovat osa tekoälysuunnittelua:
- moderointibotit
- chattiä suodattavat mallit
- matchmaking, joka rajoittaa toistuvia toksisia kontakteja
Suomalaisessa peliteollisuudessa, jossa monilla studioilla on globaali yleisö, tämä tarkoittaa:
- panosta siihen, että tekoälypohjaiset työkalut tunnistavat häirinnän myös monikielisessä ympäristössä
- suunnittele järjestelmät niin, että pelaajalla on aina selkeä keino hakea apua tai reportoida käytöstä
- yhdistä pelianalytiikka ja kvalitatiivinen tutkimus (kyselyt, haastattelut, yhteisömanagerien havainnot).
Yhteenveto: miten suomalainen pelistudio hyödyntää nämä opit 2026 mennessä?
IEEE Conference on Games 2025 osoitti, että pelien tekoäly kehittyy tällä hetkellä neljällä rintamalla samaan aikaan: pelattavuuden personointi, NPC-käyttäytyminen, sisällöntuotanto ja pelaaja-analytiikka. Kaikki nämä ovat suoraan relevantteja suomalaisille studioille.
Käytännön askeliksi vuosille 2025–2026:
-
Ota yksi pienen riskin tekoälykokeilu per projekti
- RL-agentti tasosuunnittelun tukena
- prototyyppi ennustavasta lämpökartasta
- LLM-avusteinen dialogigeneraattori, jota designer kuratoi.
-
Rakenna oma "tekoälytyökalupakki" studion sisään
Älä tähtää heti täysautomaattiseen ratkaisuun. Tee ensin sisäisiä työkaluja suunnittelijoille, analyytikoille ja kirjoittajille. -
Pidä etiikka ja pelaajakokemus keskiössä
- ole läpinäkyvä datan keruusta
- vältä äänen ja persoonan luvattomia AI-replikoita
- varmista, että moderointijärjestelmät tukevat turvallista ilmapiiriä.
Sarjassamme “Tekoäly suomalaisessa peliteollisuudessa” palaamme seuraavaksi konkreettisiin case-esimerkkeihin siitä, miten suomalaiset studiot jo nyt hyödyntävät tekoälyä – ja missä ovat vielä tyhjät kohdat, jotka odottavat ensimmäisiä rohkeita kokeilijoita.
Mihin osa-alueeseen sinä haluaisit tuoda tekoälyn ensimmäisenä: pelattavuuden personointiin, NPC-käyttäytymiseen, sisällöntuotantoon vai pelaaja-analytiikkaan?