Josh Fonseca 讓《動物森友會》NPC 用 LLM 生成對話效果驚人，引發外掛式生成套用，從遊戲、元宇宙到金融的 AI 應用想像
（前情提要：OpenAI幫打造動畫電影！馬斯克不輸：xAI和「星戰前夜」談合作AI遊戲開發 ）
（背景補充：股癌謝孟恭成立肖楠資本，要復興台灣遊戲產業！創投結合社群影響力 ）
工程師 Josh Fonseca 把大型語言模型移植到 GameCube 版《動物森友會》，讓 20 多年前的村民不再重複台詞，而是能即時生成符合個性的對話，為懷舊遊戲帶來嶄新沉浸感，也為生成式 AI 在金融與元宇宙服務的應用投下震撼彈。
懷舊市場遇上雲端生成式 AI
Fonseca 的實驗正好踩在全球復古遊戲熱潮之上，透過雲端串流科技，玩家在原硬體性能受限的情況下，仍能體驗近乎無限的即時對話。這種動態內容改寫了傳統 NPC 靜態、可預測的互動模式，突顯生成式 AI 在提升沉浸感方面的優勢，也替 IP 與遊戲互動創造了長尾經濟價值。
過去業界往往以重製或高清化方式復刻經典作品，如今「AI 重新賦能」可能成為另一種新路徑，將玩家黏性與討論度同步攀升，而懷舊遊戲內容創作者也找到了與版權方、串流平台都能看見了新的收益模型。
透過非侵權方式呈現：記憶體掃描
將舊遊戲加入AI功能沒有侵犯版權嗎？此挑戰難度在於讓 2001 年的遊戲硬體GameCube與 2025 年雲端 LLM 對話，同時又不涉及盜版遊戲軟體層級。工程師直播主 Fonseca 沒有動到遊戲原始碼，而是採用行程間通訊技術，直接透過外部機制掃描 GameCube 模擬器的記憶體，讀取原有的系統腳本內容，進行LLM生成。
更重要的是，動物森友會其實是一款非常重視對話節奏與音效、節奏的遊戲，但 Fonseca 展示的結果就像任天堂原生的一樣沒有延遲，展現了外掛套用AI的泛用性。
為何AI生成的流程能及時趕上遊戲的對話效果？他在技術部落格透露，Python 腳本每 0.1 秒定位並寫入對話位址，並插入暫停碼爭取 AI 生成時間，系統以「寫作者」模型生成內容，再由「導演」模型加入表情與停頓指令，維持並區分角色語氣和節奏，整體架構避開硬體限制，卻保留遊戲原本的美術、音效與節奏，整體看起來就像原生的遊戲
展示互動潛力
該直播也出現了不少有趣的橋段，例如裡面的動物NPC 偶爾會「打破第四面牆」，以哲學、道德評論奸商NPC狸克放貸是否有利他人，或是談到不屬於遊戲的國際政治，凸顯生成內容的不可預測性，但同時也增加了人與NPC互動的樂趣。
在直播中與更多 NPC 聊天後，就能看到遊戲人物談論的話題與深度越來越廣，這是LLM學習的結果，呈現出一個一開始從村民不太講話，到每個人都能大聊的過程，這在動物森友會或許是剛剛好的過程，但或許在其他遊戲會出現出現違和感，但若在預訓練、甚至遊戲公司握有完整版權的情況下，就可以掌握每個角色的個性與回答範圍，呈現出更符合遊戲原設定的方式。
外掛腳本系統潛力
未來元宇宙的發展也可能出現新路徑與規模化可能，一個舊有大遊戲IP的廠商除了專作炒作懷舊與畫質翻新以外，透過 AI 來重新翻新遊戲，甚至在在系統更新層級上圍繞 AI ，或許能創造永遠也玩不完的內容。
而Fonseca 的成果在於，能直接為複雜且不易變動的舊有系統上，在一切不變的前提下提供直接升級，例如同樣系統甚至可以移植到金融科技、教育系統身上，若虛擬互動介面（例如電話客服）能依照與客戶的上下文、個體戶的交易歷史、風險偏好與語氣，提供量身打造的財富建議，而非制式 FAQ，高度沉浸的互動體驗，可能改寫用戶對數位金融服務的期待。
不過對話越逼真，資料管理責任也越重。如何在保護隱私的前提下，讓 AI 使用必要數據，同時避開偏見與攻擊性建議，成為科技與技術團隊共同面對的課題。
Fonseca 為整條 AI 產業鏈帶來想像：底層 ASIC 與 GPU 供應商提供算力，中層雲端平台負責模型訓練與推論，上層則由遊戲、金融與元宇宙應用串接終端用戶。資本正關注這三層可能出現的新利基。
