Van Atari tot Doom: hoe Google videogames opnieuw definieert met AI

De videogame-industrie, nu de moeite waard $ 347 miljard, is uitgegroeid tot een belangrijke speler in de entertainmentwereld, die wereldwijd meer dan drie miljard mensen aanspreekt. Wat begon met eenvoudige titels als Pong en Space Invaders heeft zich ontwikkeld tot geavanceerdere games zoals Doom, die nieuwe standaarden zetten met hun 3D-beelden en de ervaring op de thuisconsole. Vandaag de dag staat de industrie aan de vooravond van een nieuw tijdperk, beïnvloed door de vooruitgang in kunstmatige intelligentie (AI). Google loopt voorop in deze transformatie en gebruikt zijn uitgebreide middelen en technologie om de manier waarop videogames worden gemaakt, gespeeld en ervaren opnieuw te definiëren. Dit artikel onderzoekt Google's reis in het herdefiniëren van videogames.

Het begin: AI om Atari-games te spelen

Google's gebruik van AI in videogames begon met een cruciale ontwikkeling: het creëren van een AI die spelomgevingen kan herkennen en kan reageren als een menselijke speler. In dit vroege werk introduceerden ze een diepe versterkingsleeragent die controlestrategieën rechtstreeks van gameplay konden leren. Centraal in deze ontwikkeling stond een convolutioneel neuraal netwerk, getraind met behulp van Q-leren, die ruwe schermpixels verwerkte en deze op basis van de huidige status omzette in spelspecifieke acties.

De onderzoekers pasten dit model toe op zeven Atari 2600 games zonder de architectuur of het leeralgoritme aan te passen. De resultaten waren indrukwekkend: het model presteerde beter dan eerdere methoden in zes games en overtrof de menselijke prestaties in drie. Deze ontwikkeling benadrukte het potentieel van AI om complexe, interactieve videogames te verwerken met niets meer dan visuele input.

Deze doorbraak legde de basis voor latere prestaties, zoals DeepMind's AlphaGo een Go-wereldkampioen verslaan. Het succes van AI-agenten bij het beheersen van uitdagende games heeft sindsdien geleid tot verder onderzoek naar toepassingen in de echte wereld, waaronder interactieve systemen en robotica. De invloed van deze ontwikkeling is nog steeds voelbaar op het gebied van machine learning en AI.

AlphaStar: AI leert complexe spelstrategieën voor StarCraft II

Voortbouwend op hun eerdere successen op het gebied van AI, richtte Google zich op een complexere uitdaging: StarCraft II. Deze real-time strategy game staat bekend om zijn complexiteit, aangezien spelers legers moeten besturen, middelen moeten beheren en strategieën in real-time moeten uitvoeren. In 2019 introduceerde Google AlphaStar, een AI-agent die StarCraft II professioneel kan spelen.

Bij de ontwikkeling van AlphaStar werd gebruikgemaakt van een mix van diepgaand versterkingsleren en imitatie lerenHet leerde eerst door herhalingen van professionele spelers te bekijken en verbeterde vervolgens door zelf te spelen, waarbij het miljoenen wedstrijden speelde om zijn strategieën te verfijnen. Deze prestatie toonde aan dat AI complexe realtime strategiespellen aankan en resultaten behaalt die vergelijkbaar zijn met die van menselijke spelers.

Verder dan individuele games: op weg naar een meer generalistische AI ​​voor games

De nieuwste ontwikkeling van Google markeert een stap van het beheersen van individuele games naar het creëren van een veelzijdigere AI-agent. Onlangs introduceerden Google-onderzoekers SIMA, een afkorting voor Scalable Instructable Multiworld Agent, een nieuw AI-model dat is ontworpen om door verschillende game-omgevingen te navigeren met behulp van instructies in natuurlijke taal. In tegenstelling tot eerdere modellen die toegang vereisten tot de broncode van een game of aangepaste API's, werkt SIMA met twee invoerbronnen: afbeeldingen op het scherm en eenvoudige taalopdrachten.

SIMA vertaalt deze instructies naar toetsenbord- en muisacties om het hoofdpersonage van de game te besturen. Deze methode maakt het mogelijk om met verschillende virtuele omgevingen te interacteren op een manier die de menselijke gameplay weerspiegelt. Onderzoek heeft aangetoond dat AI die in meerdere games is getraind, beter presteert dan AI die in één wedstrijd is getraind. Dit onderstreept SIMA's potentieel om een ​​nieuw tijdperk van generalistische of fundamentele AI voor games in te luiden.

Googles voortdurende werk is gericht op het uitbreiden van de mogelijkheden van SIMA en onderzoekt hoe dergelijke veelzijdige, taalgestuurde agents ontwikkeld kunnen worden voor diverse gameomgevingen. Deze ontwikkeling is een belangrijke stap in de richting van AI die zich kan aanpassen en gedijen in verschillende interactieve contexten.

Generatieve AI voor game-ontwerp

Onlangs heeft Google zijn focus verbreed van het verbeteren van gameplay naar het ontwikkelen van tools die gamedesign ondersteunen. Deze verschuiving wordt aangestuurd door vooruitgang in generatieve AI, met name in het genereren van afbeeldingen en video's. Een belangrijke ontwikkeling is het gebruik van AI om adaptieve niet-spelerpersonages (NPC's) die op een meer realistische en onvoorspelbare manier reageren op de acties van de speler.

Daarnaast heeft Google procedurele contentgeneratie onderzocht, waarbij AI helpt bij het ontwerpen van levels, omgevingen en hele gamewerelden op basis van specifieke regels of patronen. Deze methode kan de ontwikkeling stroomlijnen en spelers unieke, gepersonaliseerde ervaringen bieden bij elke playthrough, wat een gevoel van nieuwsgierigheid en verwachting opwekt. Een opmerkelijk voorbeeld is Geest, een tool waarmee gebruikers 2D-videogames kunnen ontwerpen door een afbeelding of beschrijving te geven. Deze aanpak maakt game-ontwikkeling toegankelijker, zelfs voor mensen zonder programmeervaardigheden.

De innovatie van Genie ligt in het vermogen om te leren van verschillende videobeelden van 2D-platformgames in plaats van te vertrouwen op expliciete instructies of gelabelde data. Dit vermogen stelt Genie in staat om gamemechanica, fysica en ontwerpelementen effectiever te begrijpen. Gebruikers kunnen beginnen met een basisidee of schets, en Genie genereert een complete gameomgeving, inclusief instellingen, personages, obstakels en gameplaymechanica.

Generatieve AI voor game-ontwikkeling

Voortbouwend op eerdere ontwikkelingen heeft Google onlangs zijn meest ambitieuze project tot nu toe geïntroduceerd, gericht op het vereenvoudigen van het complexe en tijdrovende game-ontwikkelingsproces dat traditioneel uitgebreide codering en gespecialiseerde vaardigheden vereiste. Onlangs introduceerden ze GameNGen, een generatieve AI-tool die is ontworpen om het game-ontwikkelingsproces te vereenvoudigen. GameNGen stelt ontwikkelaars in staat om hele gamewerelden en verhalen te bouwen met behulp van natuurlijke taalprompts, wat de tijd en moeite die nodig zijn om een ​​game te maken aanzienlijk verkort. Door generatieve AI te benutten, kan GameNGen unieke game-assets, omgevingen en verhaallijnen genereren, waardoor ontwikkelaars zich meer kunnen richten op creativiteit dan op technische details. Onderzoekers hebben GameNGen bijvoorbeeld gebruikt om een ​​volledige versie van Ondergang, waarmee de mogelijkheden ervan worden gedemonstreerd en de weg wordt vrijgemaakt voor een efficiënter en toegankelijker game-ontwikkelingsproces.

De technologie achter GameNGen omvat een trainingsproces in twee fasen. Eerst wordt een AI-agent getraind om Doom te spelen, waarbij gameplay-data wordt gecreëerd. Deze data traint vervolgens een generatief AI-model dat toekomstige frames voorspelt op basis van eerdere acties en beelden. Het resultaat is een generatief diffusiemodel dat in staat is om realtime gameplay te produceren zonder traditionele game engine-componenten. Deze verschuiving van handmatige codering naar AI-gestuurde generatie markeert een belangrijke mijlpaal in game-ontwikkeling en biedt een efficiëntere en toegankelijkere manier om games van hoge kwaliteit te creëren voor kleinere studio's en individuele makers.

 The Bottom Line

De recente ontwikkelingen van Google op het gebied van AI zullen de game-industrie fundamenteel veranderen. Met tools als GameNGen die de creatie van gedetailleerde gamewerelden mogelijk maken en SIMA die veelzijdige gameplay-interacties biedt, transformeert AI niet alleen de manier waarop games worden gemaakt, maar ook de manier waarop ze worden ervaren.

Naarmate AI zich blijft ontwikkelen, belooft het de creativiteit en efficiëntie in game-ontwikkeling te verbeteren. Ontwikkelaars krijgen nieuwe mogelijkheden om innovatieve ideeën te verkennen en meer boeiende en meeslepende ervaringen te leveren. Deze verschuiving markeert een belangrijk moment in de voortdurende evolutie van videogames en onderstreept de groeiende rol van AI in het vormgeven van de toekomst van interactief entertainment.