Fra Atari til Doom: Hvordan Google gendefinerer videospil med AI

Videospilindustrien, der nu er værd $347 milliarder, er vokset til en betydelig spiller i underholdningsverdenen, med over tre milliarder mennesker verden over. Det, der startede med simple titler som Pong og Space Invaders, er udviklet til mere avancerede spil som Doom, der satte nye standarder med sine 3D-visuelle effekter og hjemmeconsole-oplevelse. I dag står industrien på randen af en ny æra, påvirket af fremskridtene i kunstig intelligens (AI). Google (GOOGL ) leder denne transformation, ved at udnytte sine omfattende ressourcer og teknologi til at gendefinere, hvordan videospil skabes, spilles og opleves. Denne artikel udforsker Googles rejse i at gendefinere videospil.

Starten: AI til at spille Atari-spil

Googles brug af AI i videospil begyndte med en kritisk udvikling: at skabe en AI, der kan genkende spilmiljøer og reagere som en menneskelig spiller. I dette tidlige arbejde introducerede de en dyb forstærkninglæringsagent, der kunne lære kontrolstrategier direkte fra spillet. Centralt for denne udvikling var et convolutionelt neuralt netværk, der blev trænet ved hjælp af Q-læring, som behandlede rå skærmbilleder og omdannede dem til spilspecifikke handlinger baseret på den aktuelle tilstand.

Forskerne anvendte denne model på syv Atari 2600-spil uden at ændre arkitekturen eller læringsalgoritmen. Resultaterne var imponerende – modellen overgik tidligere metoder i seks spil og overgik menneskelig præstation i tre. Denne udvikling fremhævede AI’s potentiale til at håndtere komplekse, interaktive videospil med kun visuel input.

Denne gennembrud lagde grundlaget for senere præstationer, såsom DeepMinds AlphaGo, der besejrede en Go-verdensmester. Succesen med AI-agenter i at mestre udfordrende spil har siden ført til yderligere forskning i virkelige anvendelser, herunder interaktive systemer og robotteknologi. Indflydelsen af denne udvikling føles stadig i områderne maskinlæring og AI i dag.

AlphaStar: AI til at lære kompleks spilstrategi for StarCraft II

Bygget på deres tidlige AI-succeser, satte Google sigte på en endnu mere kompleks udfordring: StarCraft II. Dette realtidsstrategispil er kendt for sin kompleksitet, da spillere skal kontrollere hære, styre ressourcer og udføre strategier i realtid. I 2019 introducerede Google AlphaStar, en AI-agent, der kan spille StarCraft II på professionelt niveau.

AlphaStars udvikling anvendte en kombination af dyb forstærkninglærning og imitationslæring. Det lærte først ved at se optagelser af professionelle spillere, og derefter forbedrede det sig gennem selvspil, hvor det kørte millioner af kampe for at finjustere sine strategier. Denne præstation demonstrerede AI’s evne til at håndtere komplekse, realtidsstrategispil, og opnåede resultater, der svarede til menneskelige spillere.

Beyond Individual Games: Toward a More Generalist AI for Games

Googles seneste fremgang indikerer en bevægelse fra at mestre individuelle spil til at skabe en mere alsidig AI-agent. Nyligt introducerede Google-forskere SIMA, en ny AI-model, der er designet til at navigere i forskellige spilmiljøer ved hjælp af naturlige sprogkommandoer. I modsætning til tidligere modeller, der krævede adgang til spillets kildekode eller brugerdefinerede API’er, opererer SIMA med to input: skærmbilleder og enkle sprogkommandoer.

SIMA oversætter disse kommandoer til tastatur- og musbevægelser for at styre spillets centrale karakter. Denne metode tillader det at interagere med forskellige virtuelle miljøer på en måde, der minder om menneskeligt spil. Forskning har vist, at AI, der er trænet på tværs af multiple spil, performer bedre end de, der er trænet på ét enkelt spil, og fremhæver SIMA’s potentiale til at drive en ny æra af generalist- eller grundlæggende AI for spil.

Googles fortsatte arbejde sigter mod at udvide SIMA’s kapaciteter, og udforske, hvordan sådanne alsidige, sprogdrevne agenter kan udvikles på tværs af diverse spilmiljøer. Denne udvikling repræsenterer et betydeligt skridt mod at skabe AI, der kan tilpasse sig og trives i forskellige interaktive sammenhænge.

Generativ AI til spildesign

Nyligt har Google udvidet sin fokus fra at forbedre spil til at udvikle værktøjer, der understøtter spildesign. Denne skift skyldes fremskridt i generativ AI, især i billed- og video-generering. En betydelig udvikling er brugen af AI til at skabe adaptive ikke-spiller-karakterer (NPC’er), der reagerer på spillerens handlinger på mere realistiske og uforudsigelige måder.

Derudover har Google udforsket proceduralt indholdsgenerering, hvor AI hjælper med at designe niveauer, miljøer og hele spilverdener baseret på bestemte regler eller mønstre. Denne metode kan strømline udviklingen og tilbyde spillere unikke, personlige oplevelser med hver spilgennemløb, og fremkalde en følelse af nysgerrighed og forventning. Et bemærkelsesværdigt eksempel er Genie, et værktøj, der ermögiller brugerne at designe 2D-videospil ved at give et billede eller en beskrivelse. Denne tilgang gør spiludvikling mere tilgængelig, selv for dem uden programmeringsfærdigheder.

Genies innovation ligger i dets evne til at lære fra forskellige videooptagelser af 2D-platformspil i stedet for at afhænge af eksplisitte instruktioner eller mærkede data. Denne evne tillader Genie at forstå spilmechanik, fysik og designelementer mere effektivt. Brugere kan starte med en grundlæggende idé eller skitse, og Genie vil generere en komplet spilverden, herunder indstillinger, karakterer, hindringer og spilmechanik.

Generativ AI til spiludvikling

Bygget på tidligere fremskridt, har Google nyligt introduceret sit mest ambitiøse projekt endnu, med det formål at simplificere den komplekse og tidskrævende spiludviklingsproces, der traditionelt har krævet omfattende kodning og specialiserede færdigheder. Nyligt introducerede de GameNGen, et generativt AI-værktøj designet til at simplificere spiludviklingsprocessen. GameNGen tillader udviklere at bygge hele spilverden og narrativer ved hjælp af naturlige sprogkommandoer, og reducerer betydeligt den tid og indsats, der kræves til at skabe et spil. Ved at udnytte generativ AI kan GameNGen generere unikke spilaktiver, miljøer og historier, og ermögille udviklere at fokusere mere på kreativitet end på tekniske detaljer. For eksempel har forskere brugt GameNGen til at udvikle en fuld version af Doom, og demonstrere dets kapaciteter og baner vejen for en mere effektiv og tilgængelig spiludviklingsproces.

Teknologien bag GameNGen involverer en to-faset træningsproces. Først trænes en AI-agent til at spille Doom, og derefter trænes en generativ AI-model, der forudser fremtidige frames baseret på tidligere handlinger og visuelle effekter. Resultatet er en generativ diffusionsmodel, der kan producere realtids-spil uden traditionelle spilmotor-komponenter. Denne skift fra manuel kodning til AI-dreven generering markerer et betydeligt skridt i spiludvikling, og tilbyder en mere effektiv og tilgængelig måde at skabe højkvalitets-spil for mindre studier og enkeltudviklere.

 Den endelige konklusion

Googles seneste fremskridt i AI er sat til at fundamentalt omdefinere spilindustrien. Med værktøjer som GameNGen, der ermögiller skabelsen af detaljerede spilverden, og SIMA, der tilbyder alsidig spilinteraktion, transformerer AI ikke kun, hvordan spil skabes, men også hvordan de opleves.

Da AI fortsætter med at udvikle sig, lover det at forbedre kreativitet og effektivitet i spiludvikling. Udviklere vil have nye muligheder for at udforske innovative idéer og levere mere engagerende og immersive oplevelser. Denne skift markerer et betydeligt øjeblik i den fortsatte udvikling af videospil, og understreger AI’s voksende rol i at forme fremtiden for interaktiv underholdning.