چگونه هوش مصنوعی در حال تغییر اساسی در توسعه بازی است

از بین تمام موارد استفاده برای هوش مصنوعی مولد، نمی توانم یکی مهم تر از بازی های ویدیویی را در نظر بگیرم. مطمئناً، ما دیده‌ایم که مردم بازی‌های ساده‌ای را از GPT-4 می‌سازند – اما مطمئناً تصور می‌کردم که چنین فناوری قدرتمندی در سطوح بالاتر توسعه بازی مورد بحث قرار گرفته است.

برای اینکه بفهمم چقدر این تغییر می تواند بزرگ باشد، می خواستم با کسی صحبت کنم که واقعاً می داند بازی ها در سطح فنی چگونه ساخته می شوند. مارک ویتون، معاون ارشد و مدیر کل Unity Create، مطمئناً یکی از این افراد است. او به‌ویژه در مورد اینکه چگونه هوش مصنوعی می‌تواند توسعه بازی را متحول کند هیجان‌زده است و ما درباره ابزارهایی که می‌توانند این انقلاب را به وقوع بپیوندند صحبت کردیم. قبلا، پیش از این راه خود را به سوی سازندگان باز می کنند.

ایجاد زمان سریعتر

بازی‌ها زمان و تلاش زیادی را برای توسعه می‌طلبند، اما بیشتر آن زمان صرف ایجاد تمام محتوای بازی می‌شود. ویتن می‌گوید که اگر به یک استودیوی AAA با 300 نفر نگاه کنید، حدود 80 درصد از آنها به تولید محتوا اختصاص داده شده‌اند. هوش مصنوعی می تواند به طور چشمگیری سرعت این فرآیند را افزایش دهد.

Whitton مثال واضحی از این موضوع ارائه داد: Ziva Face Trainer. Ziva شرکتی است که در اوایل سال 2022 توسط Unity خریداری شد و بیش از دو سال است که روی ابزار Face Trainer خود کار می کند. یک مدل می گیرد، آن را بر روی مجموعه بزرگی از احساسات و حرکات آموزش می دهد و چیزی قابل استفاده تولید می کند.

این کار چقدر در زمان صرفه جویی می کند؟ ویتن می گوید که ساخت یک شخصیت رده بالا می تواند یک تیم چهار تا شش هنرمند چهار تا شش ماه طول بکشد: «راستش، [that’s] چرا کیفیت شخصیت‌های پیشرفته در ده‌ها سال گذشته واقعاً آنقدر پیشرفت نکرده است.»

با Ziva Face Trainer، توسعه‌دهندگان «شبکه‌ای می‌دهند و ما آن شبکه را در برابر یک مجموعه داده بزرگ آموزش می‌دهیم… بنابراین در عرض پنج دقیقه یک مدل پلت‌فرم را دریافت می‌کنید که به شما امکان می‌دهد آن را در زمان واقعی اجرا کنید.» از فناوری Ziva استفاده می‌شود. زیاد هم. این پشت تغییر شکل کت و شلوار است مرد عنکبوتی: مایلز مورالس، و همچنین ترول در حماسه Senua: Hellblade 2 تریلر. احتمالاً آن را در چندین فیلم و برنامه تلویزیونی دیده اید حتی… کاپیتان مارول، جان ویک 3، و بازی تاج و تخت در لیست هستند.

این نباید باعث شگفتی شود. یادگیری ماشین و تکنیک‌های رویه‌ای (مانند ابزارهایی مانند SpeedTree) برای دنیای توسعه بازی‌ها کاملاً جدید نیستند. درست است که تحقیقات بیشتر در مورد مدل‌های هوش مصنوعی می‌تواند منجر به ایجاد خطوط لوله کارآمدتر شود، اما ما شاهد تغییر در هوش مصنوعی مولد ما در مورد مدل‌های زبان بزرگ (LLM) مانند GPT-4 و مدل‌های انتشار مانند Midjourney صحبت می‌کنیم، و آن‌ها می‌توانند بازی‌هایی را که می‌بینیم را به طور اساسی تغییر دهند.

تغییر دهنده ی بازی

ویتن می‌گوید که امید با هوش مصنوعی این است که بازی‌ها را «ده برابر بهتر» کنیم، یعنی بازی‌هایی که توسعه ده برابر سریع‌تر، ده برابر آسان‌تر و ده برابر ارزان‌تر هستند. با این حال نتیجه این سیل همان بازی های ما نیست. ویتون معتقد است که نتایج این «جهان‌های وسیع‌تر، بزرگ‌تر، عمیق‌تر» است.

من مثالی پرسیدم و ویتون در مورد چه چیزی فکر کرد Skyrim اگر یک مدل هوش مصنوعی مولد پشت آن وجود داشته باشد، اینگونه به نظر می رسد. همه‌ی ما میم تند تند را از بازی شنیده‌ایم، اما ویتن بازی‌ای را تصور می‌کرد که در آن خط پرتاب معنای بیشتری داشت.

«خب، اگر هر یک از این نگهبانان واقعاً نموداری از نوع مایرز-بریگز داشته باشند، چه؟ کمی پیشینه، و صادقانه بگویم، پیشینه ای که می توانست تحت تأثیر این موضوع باشد. در طول راه چه اتفاقی برای قهرمان افتاد؟ و سپس یک مدل هوش مصنوعی برای ایجاد پاسخ منطقی ناشی از آن، با توجه به همه این رویدادهای خاص.

ما شاهد تلاش هایی در آنجا با بازی هایی مانند این هستیم پرونده قتل سریالی پورتوپیا، که صادقانه بگویم، بهترین حالت برای هوش مصنوعی در بازی ها نیست. با این حال، دیدن پتانسیل آن کار سختی نیست، به خصوص در بازی های بزرگتر با NPC که ماموریت های مجموعه یا دیالوگ های گسترده ندارند.

در بازی های سبک sandbox نیز پتانسیل زیادی وجود دارد. Wheaton یک بازی به سبک GTA را تصور می کرد که در آن “شما وارد گروفروشی می شوید و مرد پشت میز را استخدام می کنید و می دانید، شاید سازنده بازی هرگز به دلیل اتفاق دیگری که در بازی رخ داده است به آن فکر نکرده باشد.” هم فکر کرد اسکریبلنات، مگر در دنیایی که واقعاً می توانید هر کاری انجام دهید و هر خاصیتی را به آن اختصاص دهید.

مشکل در حال حاضر این است که این کار همانطور که توسط سازمان دیده می شود پرونده قتل سریالی پورتوپیا ویتن یکی از بنیانگذاران تیم ایکس باکس در مایکروسافت بود و به رهبری کینکت کمک کرد. ویتن در مورد کینکت گفت: «به همه می‌گفتم که اگر کنار شما بنشینم، کار فوق‌العاده‌ای بود.» شما باید آن را به روشی خاص راهنمایی می‌کردید، و اگر منحرف می‌شدید، کار نمی‌کرد.

این مشکل بزرگی است که به طور کلی با هوش مصنوعی مواجه است، زیرا دستیارهای هوشمند مانند الکسا فقط در محدوده محدودی کار می کنند. LLM ها این پویایی را تغییر می دهند و انواع درخواست ها را امکان پذیر می کنند، و این چیزی است که در ایجاد دنیای بازی های عمیق تر هیجان انگیز است. با این حال، راهی برای رسیدن به آنجا وجود دارد.

«اگر ساز را آنجا بگذاری… [creators will] هر محدودیتی که هست را بزنید و بگویید “خب، این جالب نیست.” اما پس از آن آنها در واقع به دنبال فضایی هستند که هیچ کس حتی به آن فکر نمی کند.

با انتشار ابزارهای بیشتر، ممکن است در سال آینده شاهد آزمایش های اولیه با هوش مصنوعی باشیم. ما قبلاً در برخی موارد، مانند موارد بسیار محبوب، داریم AI Dungeon 2. اما برای امکان پذیر ساختن این نوع دنیای غوطه ور در مقیاس، به یک واسطه نیاز دارید. و برای یونیتی، آن واسطه باراکودا است.

باراکودا

Unity شامل یک کتابخانه استنتاج برای شبکه های عصبی به نام Barracuda است. همانطور که Whitten توضیح می دهد، “این یک موتور استنتاج است که به شما امکان می دهد تا انتشار یا سایر اشکال محتوای تولیدی را در زمان اجرا روی دستگاه، بدون رفتن به فضای ابری و با سرعتی با کارایی بالا، مدیریت کنید.”

اوه بله، عملکرد. همانطور که ما دوست داریم در مورد اینکه چگونه هوش مصنوعی می تواند محتوا را برای همیشه تغییر دهد صحبت کنیم، هزینه محاسباتی هنگفتی وجود دارد (دلیلی وجود دارد که ده ها هزار پردازنده گرافیکی برای ساخت ChatGPT صرف شده است). Barracuda به این مدل‌ها اجازه می‌دهد تا روی CPU یا GPU شما اجرا شوند، بنابراین نیازی به رفتن به فضای ابری ندارید، که برای توسعه‌دهندگان هدر دادن پول زیادی خواهد بود.

یونیتی در حال کار بر روی ویژگی‌های بیشتری برای Barracuda است، و Whitten می‌گوید: “علاقه جامعه توسعه‌دهندگان بازی بسیار زیاد است.” این کلیدی است که هوش مصنوعی مولد را در توسعه و طراحی بازی امکان پذیر می کند، به خصوص بدون نیاز به سخت افزار خاص.

ویتن می‌گوید که تیم می‌خواهد «تکنیک‌هایی بسازد که به سازندگان اجازه می‌دهد تا واقعاً بخش بزرگ و اصلی طراحی بازی خود را هدف قرار دهند، نه اینکه «اوه، اگر من برای آن طراحی کنم، این واقعاً مخاطبان من را کاهش می‌دهد.» Unreal Engine. به نوبه خود، ابزار مشابهی دارد (ابزار NeuralNetworkInference یا NNI).

به گفته ویتن، وقتی این کتابخانه‌ها با مدل‌های بزرگ هوش مصنوعی و تسریع در توسعه محتوا مواجه می‌شوند، می‌توانند منجر به «انفجار خلاقیت» شوند. و این چیزی است که باید در مورد آینده بازی هیجان زده شود.

این مقاله بخشی از ReSpec است، یک ستون دوهفته‌ای در حال انجام که شامل بحث‌ها، نکات و گزارش‌های عمیق درباره فناوری پشت بازی رایانه‌های شخصی است.

توصیه های سردبیران