قد يسمح نموذج الذكاء الاصطناعي لمطوري الألعاب بإنشاء حركات متحركة واقعية

قام فريق من الباحثين في إلكترونيك آرتس مؤخرًا بتجربة خوارزميات الذكاء الاصطناعي المختلفة، بما في ذلك نماذج التعلم التعزيزي، لتحسين جوانب إنشاء ألعاب الفيديو. يأمل الباحثون أن تقوم نماذج الذكاء الاصطناعي بحفظ وقت المطورين والمنشئين في المهام المتكررة مثل برمجة حركة الشخصيات.

تصميم لعبة فيديو، خاصة الألعاب الكبيرة من فئة triple-A التي صممها شركات كبيرة، يتطلب آلاف الساعات من العمل. مع زيادة قوة أجهزة ألعاب الفيديو وأجهزة الكمبيوتر والأجهزة المحمولة، تصبح ألعاب الفيديو أكثر تعقيدًا. يبحث مطورو الألعاب عن طرق لإنشاء المزيد من محتوى اللعبة بجهود أقل، على سبيل المثال، غالبًا ما يختارون استخدام خوارزميات التوليد الإجرائي لإنشاء المناظر والبيئات. وبالمثل، يمكن استخدام خوارزميات الذكاء الاصطناعي لإنشاء مستويات ألعاب الفيديو، وتحسين اختبار الألعاب، وحتى تحريك حركات الشخصيات.

غالبًا ما تكتمل تحريك الشخصيات في ألعاب الفيديو بمساعدة أنظمة التقاط الحركة، التي تتبع حركات الممثلين الحقيقيين لضمان تحريك أكثر واقعية. ومع ذلك، فإن هذا النهج له قيود. لا يزال يتعين كتابة الشفرة التي تدفع التحريكات، كما أن المنشئين مقيدون فقط بالactions التي تم التقاطها.

كما ذكرت Wired، خرج الباحثون من إلكترونيك آرتس لتحسين هذه العملية وتوفير الوقت والمال على هذه التحريكات. أظهر فريق الباحثين أن خوارزمية التعلم التعزيزي يمكن استخدامها لإنشاء نموذج بشري يتحرك بطرق واقعية، دون الحاجة إلى تسجيل وتحريك الحركات يدوياً. استخدم فريق البحث “Motion Variational Autoencoders” (Motion VAEs) لتحديد الأنماط ذات الصلة من حركة البيانات التي تم التقاطها. بعد استخراج أنماط الحركة بواسطة Autoencoders، تم تدريب نظام التعلم التعزيزي على البيانات، مع هدف إنشاء تحريكات واقعية بناءً على أهداف معينة (مثل الجري بعد كرة في لعبة كرة قدم). كانت خوارزميات التخطيط والتحكم التي استخدمها فريق البحث قادرة على إنشاء الحركات المرغوبة، وحتى إنتاج حركات لم تكن موجودة في مجموعة البيانات الأصلية التي تم التقاطها. هذا يعني أنه بعد تعلم كيفية سير موضوع ما، يمكن لنموذج التعلم التعزيزي تحديد ما يبدو عليه الجري.

أقتبس Julian Togelius، أستاذ جامعة نيويورك وزميل مؤسس شركة Modl.ai، عن قوله لويرد أن التكنولوجيا يمكن أن تكون مفيدة جدًا في المستقبل ومن المحتمل أن تغير كيفية إنشاء محتوى الألعاب.

“سيكون التحريك الإجرائي أمرًا كبيرًا. إنه يؤتم أعمال كثيرة من بناء محتوى اللعبة،” قال togelius لويرد.

وفقًا لأستاذ ميشيل فان دي بان من جامعة كولومبيا البريطانية، الذي كان على صلة بمشروع التعلم التعزيزي، يبحث فريق البحث في اتخاذ المفهوم إلى أبعد من ذلك من خلال تحريك التماثيل غير البشرية بنفس العملية. قال فان دي بان لويرد أنه على الرغم من أن عملية إنشاء تحريكات جديدة يمكن أن تكون صعبة، إلا أنه يثق في أن التكنولوجيا سوف تكون قادرة على تقديم تحريكات جذابة في يوم ما.

تتضمن تطبيقات أخرى للذكاء الاصطناعي في تطوير ألعاب الفيديو إنشاء ألعاب أساسية. على سبيل المثال، تمكنت الباحثون في جامعة تورونتو من تصميم شبكة عصبونية توليدية عدوية يمكنها إعادة إنشاء لعبة Pac-Man دون الوصول إلى أي من الشفرة المستخدمة في تصميم اللعبة. في مكان آخر، استخدم الباحثون من جامعة ألبرتا نماذج الذكاء الاصطناعي لإنشاء مستويات ألعاب الفيديو بناءً على قواعد ألعاب مختلفة مثل Super Mario Bros. و Mega Man.