Od Atari do Doom: Jak Google przedefiniowuje gry wideo za pomocą sztucznej inteligencji

Przemysł gier wideo, którego wartość wynosi obecnie 347 miliardów dolarów, stał się znaczącym graczem w świecie rozrywki, angażując ponad trzy miliardy ludzi na całym świecie. Od prostych tytułów takich jak Pong i Space Invaders ewoluował do bardziej zaawansowanych gier jak Doom, który ustanowił nowe standardy dzięki swoim wizualizacjom 3D i doświadczeniu konsoli domowej. Dziś przemysł stoi na progu nowej ery, pod wpływem postępów w dziedzinie sztucznej inteligencji (AI). Przewodzącą tę transformację jest Google (GOOGL ), wykorzystujący swoje ogromne zasoby i technologię do przedefiniowania, w jaki sposób gry wideo są tworzone, grane i doświadczane. Artykuł ten opisuje podróż Google’a w przedefiniowaniu gier wideo.

Początek: AI do gry w Atari

Użycie AI w grach wideo przez Google rozpoczęło się od kluczowego rozwoju: stworzenia AI, która może rozpoznać środowiska gier i reagować jak gracz. W tym wczesnym stadium wprowadzono głębokiego agenta wzmocnienia, który mógł uczyć się strategii kontroli bezpośrednio z gry. Centralnym elementem tego rozwoju była sieć neuronowa convolutional, trenowana przy użyciu Q-learning, która przetwarzała surowe piksele ekranu i konwertowała je w działania specyficzne dla gry na podstawie bieżącego stanu.

Badacze zastosowali ten model do siedmiu gier Atari 2600 bez modyfikowania architektury lub algorytmu uczenia. Wyniki były imponujące – model przewyższył poprzednie metody w sześciu grach i przekroczył ludzkie wyniki w trzech. Ten rozwój podkreślił potencjał AI do radzenia sobie z złożonymi, interaktywnymi grami wideo za pomocą wyłącznie wejścia wizualnego.

Ten przełom położył podwaliny pod późniejsze osiągnięcia, takie jak zwycięstwo AlphaGo nad mistrzem świata w Go. Sukces agentów AI w opanowaniu wymagających gier spowodował dalsze badania nad zastosowaniami w świecie rzeczywistym, w tym systemami interaktywnymi i robotyką. Wpływ tego rozwoju jest nadal odczuwalny w dziedzinach machine learningu i AI.

AlphaStar: AI do nauki złożonej strategii gry dla StarCraft II

Rozwijając swoje wczesne sukcesy AI, Google skierowało swoją uwagę na bardziej złożone wyzwanie: StarCraft II. Ta gra strategiczna w czasie rzeczywistym jest znana ze swojej złożoności, ponieważ gracze muszą kontrolować armie, zarządzać zasobami i wykonywać strategie w czasie rzeczywistym. W 2019 roku Google wprowadziło AlphaStar, agenta AI, który może grać w StarCraft II na poziomie profesjonalnym.

Rozwój AlphaStar wykorzystywał mieszankę głębokiego wzmocnienia i nauki naśladowczej. Najpierw uczył się, obserwując powtórki gier profesjonalistów, a następnie doskonalił się poprzez samą grę, prowadząc miliony meczów, aby udoskonalić swoje strategie. To osiągnięcie pokazało możliwość AI do radzenia sobie z złożonymi, strategicznymi grami w czasie rzeczywistym, osiągając wyniki, które odpowiadają graczom ludzkim.

Poza Indywidualnymi Grami: Ku Bardziej Ogólnemu AI dla Gier

Najnowszy postęp Google oznacza przejście od opanowania indywidualnych gier do stworzenia bardziej wszechstronnego agenta AI. Niedawno badacze Google wprowadzili SIMA, czyli Scalable Instructable Multiworld Agent, nowy model AI zaprojektowany do nawigowania w różnych środowiskach gier za pomocą instrukcji językowych. W przeciwieństwie do wcześniejszych modeli, które wymagały dostępu do kodu źródłowego gry lub niestandardowych API, SIMA działa z dwoma wejściami: obrazami na ekranie i prostymi poleceniami językowymi.

SIMA tłumaczy te instrukcje na działania klawiatury i myszy, aby kontrolować postać gry. Metoda ta pozwala mu interaktywnie oddziaływać z różnymi wirtualnymi środowiskami w sposób podobny do gry ludzkiej. Badania wykazały, że AI trenowany na wielu grach działa lepiej niż ten trenowany na jednej grze, podkreślając potencjał SIMA do napędzania nowej ery ogólnego AI dla gier.

Trwające prace Google mają na celu rozszerzenie możliwości SIMA, badając, w jaki sposób tak wszechstronne, sterowane językowo agenty mogą być rozwijane w różnych środowiskach gier. Ten rozwój reprezentuje znaczący krok w kierunku stworzenia AI, które mogą adaptować się i prosperować w różnych kontekstach interaktywnych.

Generatywny AI dla Projektowania Gier

Ostatnio Google rozszerzył swoje zainteresowanie od poprawy gry do tworzenia narzędzi wspierających projektowanie gier. Ten zwrot jest napędzany przez postępy w generatywnym AI, szczególnie w generowaniu obrazów i wideo. Jednym z ważnych rozwojów jest użycie AI do tworzenia adaptacyjnych postaci niezależnych (NPC), które reagują na działania gracza w bardziej realistyczny i nieprzewidywalny sposób.

Ponadto Google zbadał generatywną generację treści, gdzie AI pomaga w projektowaniu poziomów, środowisk i całych światów gier na podstawie określonych reguł lub wzorców. Metoda ta może usprawnić rozwój i zapewnić graczom unikalne, personalizowane doświadczenia przy każdym przejściu, wywołując poczucie ciekawości i oczekiwania. Godny uwagi przykład to Genie, narzędzie, które umożliwia użytkownikom projektowanie 2D gier wideo, dostarczając obraz lub opis. Ten podejście sprawia, że rozwój gier staje się bardziej dostępny, nawet dla tych bez umiejętności programistycznych.

Innowacja Genie leży w jego zdolności do uczenia się z różnych filmów wideo 2D gier platformowych, a nie poleganiu na wyraźnych instrukcjach lub oznaczonych danych. Ta zdolność pozwala Genie lepiej zrozumieć mechanikę gry, fizykę i elementy projektowe. Użytkownicy mogą zacząć od podstawowej idei lub szkicu, a Genie wygeneruje pełne środowisko gry, w tym ustawienia, postacie, przeszkody i mechanikę gry.

Generatywny AI dla Rozwoju Gier

Rozwijając wcześniejsze osiągnięcia, Google niedawno wprowadziło swoje najambitniejsze przedsięwzięcie, mające na celu uproszczenie złożonego i czasochłonnego procesu rozwoju gier, który tradycyjnie wymagał obszernego kodowania i specjalistycznych umiejętności. Ostatnio wprowadzono GameNGen, narzędzie AI generatywne zaprojektowane do uproszczenia procesu tworzenia gier. GameNGen pozwala twórcom budować całe światy gier i narracje za pomocą naturalnych poleceń językowych, znacznie redukując czas i wysiłek potrzebny do stworzenia gry. Wykorzystując generatywny AI, GameNGen może generować unikalne aktywa gier, środowiska i fabuły, umożliwiając twórcom skupienie się bardziej na kreatywności niż na technicznych aspektach. Na przykład, badacze użyli GameNGen do rozwoju pełnej wersji Doom, demonstrując jego możliwości i otwierając drogę do bardziej wydajnego i dostępnego procesu tworzenia gier.

Technologia za GameNGen obejmuje dwuetapowy proces szkolenia. Po pierwsze, agent AI jest trenowany do gry w Doom, tworząc dane gry. Następnie dane te trenują model AI generatywny, który przewiduje przyszłe klatki na podstawie poprzednich działań i wizualizacji. Wynikiem jest model dyfuzji generatywny, który może wytwarzać gameplay w czasie rzeczywistym bez tradycyjnych składników silnika gry. Ten zwrot od kodowania ręcznego do generacji AI oznacza znaczący kamień milowy w rozwoju gier, oferując bardziej wydajny i dostępny sposób tworzenia wysokiej jakości gier dla mniejszych studiów i indywidualnych twórców.

 Podsumowanie

Ostatnie postępy Google w dziedzinie AI mają fundamentalnie zmienić przemysł gier. Z narzędziami takimi jak GameNGen, umożliwiającymi tworzenie szczegółowych światów gier, oraz SIMA, oferującą wszechstronne interakcje gry, AI przekształca nie tylko sposób tworzenia gier, ale także sposób, w jaki są one doświadczane.

Podczas gdy AI będzie nadal ewoluować, obiecuje poprawić kreatywność i efektywność w rozwoju gier. Twórcy będą mieli nowe możliwości eksplorowania innowacyjnych pomysłów i dostarczania bardziej angażujących i immersyjnych doświadczeń. Ten zwrot oznacza znaczący moment w ciągłej ewolucji gier wideo, podkreślając rosnącą rolę AI w kształtowaniu przyszłości interaktywnej rozrywki.