تريد Microsoft استخدام أداة الذكاء الاصطناعي للمساعدة في عمل ألعاب الفيديو

يمكن لنموذج الذكاء الاصطناعي من Microsoft إعادة إنشاء لقطات واقعية لألعاب الفيديو التي تقول الشركة أنها تساعد المصممين على صنع الألعاب ، لكن الخبراء غير مقتنعين بأن الأداة ستكون مفيدة لمعظم مطوري الألعاب.

الشبكات العصبية التي يمكن أن تنتج لقطات متماسكة ودقيقة من ألعاب الفيديو ليست جديدة. أنشأت منظمة العفو الدولية التي أنشأتها Google مؤخرًا نسخة قابلة للتشغيل بالكامل من لعبة الكمبيوتر الكلاسيكية الموت دون الوصول إلى محرك اللعبة الأساسي. الأصل الموت، ومع ذلك ، تم إصداره في عام 1993 ؛ تعد الألعاب الأكثر حداثة أكثر تعقيدًا ، مع الفيزياء المتطورة والرسومات المكثفة الحسابية ، والتي أثبتت أنه أكثر صعوبة في إعادة إنشاء AIS بأمانة.

الآن ، طورت Katja Hofmann في Microsoft Research وزملاؤها نموذج AI يسمى Muse ، والذي يمكنه إعادة إنشاء تسلسلات كاملة من لعبة المعركة متعددة اللاعبين عبر الإنترنت حافة النزيف. يبدو أن هذه التسلسلات تطيع الفيزياء الأساسية للعبة وتبقي اللاعبين والأشياء داخل اللعبة متسقة مع مرور الوقت ، مما يعني أن النموذج قد فهم فهمًا عميقًا للعبة ، كما يقول هوفمان.

تم تدريب Muse على سبع سنوات من بيانات اللعب البشري ، بما في ذلك كل من وحدة التحكم والفيديو ، التي توفرها حافة النزيفمطور Microsoft المملوك ، Ninja Studios. إنه يعمل بشكل مشابه لنماذج اللغة الكبيرة مثل ChatGPT ؛ عند إعطاء إدخال ، في شكل إطار لعبة فيديو وإجراءات التحكم المرتبطة به ، يتم تكليفه بالتنبؤ باللعب الذي قد يأتي بعد ذلك. يقول هوفمان: “إنه أمر محير تمامًا ، حتى بالنسبة لي الآن ، من نماذج التدريب للتنبؤ بما سيظهر بعد ذلك … إنه يتعلم فهمًا عميقًا وعميقًا لهذه البيئة ثلاثية الأبعاد المعقدة”.

لفهم كيفية استخدام الأشخاص لأداة AI مثل Muse ، قام الفريق أيضًا بمسح مطوري الألعاب لمعرفة الميزات التي سيجدونها مفيدة. ونتيجة لذلك ، أضاف الباحثون القدرة على التكيف بشكل تكراري مع التغييرات التي تم إجراؤها على الطيران ، مثل تغيير شخصية اللاعب أو الكائنات الجديدة التي تدخل مشهدًا. هذا يمكن أن يكون مفيدًا للتوصل إلى أفكار جديدة وتجربة سيناريوهات ما إذا كان للمطورين ، كما يقول هوفمان.

لكن موس لا يزال يقتصر على توليد تسلسلات داخل حدود الأصل حافة النزيف اللعبة – لا يمكن التوصل إلى مفاهيم أو تصميمات جديدة. يقول مايك كوك في كينغز كوليدج لندن إن هذا غير واضح ما إذا كان هذا قيودًا متأصلة للنموذج ، أو شيء يمكن التغلب عليه من خلال المزيد من بيانات التدريب من ألعاب أخرى. “هذا بعيدًا ، بعيدًا عن فكرة أن أنظمة الذكاء الاصطناعى يمكنها تصميم الألعاب بمفردها.”

يقول كوك: في حين أن القدرة على توليد تسلسلات اللعب المتسقة أمر مثير للإعجاب ، فإن المطورين قد يفضلون تحكم أكبر. “إذا قمت بإنشاء أداة تقوم بالفعل باختبار لعبتك ، وتشغيل رمز اللعبة نفسها ، فلن تحتاج إلى القلق بشأن الثبات أو الاتساق ، لأنها تدير اللعبة الفعلية. لذلك هذه هي حل المشكلات التي أدخلتها الذكاء الاصطناعى التوليدي. “

يقول جورجيوس ياناكاكيس في معهد الألعاب الرقمية بجامعة مالطا ، لكن قد لا يكون ذلك ممكنًا بالنسبة لمعظم المطورين الذين ليس لديهم الكثير من بيانات التدريب. “يتعلق الأمر بسؤال هل يستحق القيام به؟” يقول ياناكاكيس. “أمضت Microsoft سبع سنوات في جمع البيانات وتدريب هذه النماذج لإثبات أنه يمكنك فعل ذلك بالفعل. ولكن هل سيحمل استوديو اللعبة الفعلي [to do] هذا؟”

حتى Microsoft نفسها تعتبر ملائمة على ما إذا كانت الألعاب المصممة من الذكاء الاصطناعى يمكن أن تكون في الأفق: عندما سئلوا عما إذا كان المطورون في قسم الألعاب Xbox الخاص بها قد يستخدمون الأداة ، رفضت الشركة التعليق.

في حين أن Hofmann وفريقها يأملون في أن تكون الإصدارات المستقبلية من Muse قادرة على التعميم بما يتجاوز بيانات التدريب الخاصة بهم – التوصل إلى سيناريوهات ومستويات جديدة للألعاب التي يتم تدريبها عليها ، وكذلك العمل في ألعاب مختلفة – سيكون هذا أمرًا مهمًا يقول كوك ، التحدي ، لأن الألعاب الحديثة معقدة للغاية.

“إحدى الطرق التي تميزها اللعبة هي عن طريق تغيير الأنظمة وإدخال أفكار مفاهيمية جديدة. هذا يجعل من الصعب للغاية على أنظمة التعلم الآلي الخروج من بيانات التدريب الخاصة بهم والابتكار والابتكار بما يتجاوز ما رأوه “، كما يقول.