Від Atari до Doom: як Google переосмислює відеоігри за допомогою ШІ

Індустрія відеоігор тепер варта 347 млрд доларів , став значним гравцем у світі розваг, залучаючи понад три мільярди людей у ​​всьому світі. Те, що починалося з простих назв, як Pong та Space Invaders еволюціонувала до більш складних ігор, таких як Doom, яка встановлює нові стандарти завдяки 3D-візуальним ефектам і домашній консолі. Сьогодні галузь стоїть на порозі нової ери під впливом прогресу штучного інтелекту (ШІ). Керівником цієї трансформації є Google, яка використовує свої обширні ресурси та технології, щоб переосмислити те, як створюються відеоігри, у них грають і як вони працюють. У цій статті досліджується шлях Google до переосмислення відеоігор.

Початок: штучний інтелект для гри в ігри Atari

Використання штучного інтелекту компанією Google у відеоіграх почалося з критичної розробки: створення штучного інтелекту, здатного розпізнавати ігрове середовище та реагувати як гравець-людина. У цій ранній роботі вони представили a агент навчання глибокого підкріплення які могли б вивчати стратегії керування безпосередньо під час гри. Центральне місце в цій розробці займала згортка нейронної мережі, навчена за допомогою Q-навчання, який обробляв необроблені пікселі екрана та перетворював їх у специфічні для гри дії на основі поточного стану.

Дослідники застосували цю модель до семи Atari 2600 ігор без зміни архітектури чи алгоритму навчання. Результати були вражаючими — модель перевершила попередні методи в шести іграх і перевищила продуктивність людини в трьох. Ця розробка підкреслила потенціал штучного інтелекту для обробки складних інтерактивних відеоігор лише з візуальним введенням.

Цей прорив заклав основу для наступних досягнень, таких як DeepMind AlphaGo перемога над чемпіоном світу з Го. Успіх агентів штучного інтелекту в освоєнні складних ігор з тих пір спонукав до подальших досліджень реальних програм, включаючи інтерактивні системи та робототехніку. Вплив цієї розробки все ще відчувається в області машинного навчання та ШІ сьогодні.

AlphaStar: AI для вивчення складної ігрової стратегії для StarCraft II

Спираючись на ранні успіхи ШІ, Google націлилася на більш складне завдання: StarCraft II. Ця стратегічна гра в реальному часі відома своєю складністю, оскільки гравці повинні контролювати армії, керувати ресурсами та виконувати стратегії в реальному часі. У 2019 році компанія Google представила Альфа зірка, агент ШІ, здатний професійно грати в StarCraft II.

Розробка AlphaStar використовувала суміш глибокого навчання з підкріпленням і імітаційне навчання. Спочатку він навчався, переглядаючи повтори професійних гравців, а потім удосконалювався за допомогою самостійної гри, проводячи мільйони матчів, щоб удосконалити свої стратегії. Це досягнення продемонструвало здатність ШІ керувати складними стратегічними іграми в реальному часі, досягаючи результатів, які відповідають гравцям-людям.

За межами індивідуальних ігор: на шляху до більш загального ШІ для ігор

Останнє досягнення Google означає перехід від опанування окремих ігор до створення більш універсального агента ШІ. Нещодавно дослідники Google представили SIMA, скорочення від Scalable Instructable Multiworld Agent, нової моделі ШІ, призначеної для навігації в різних ігрових середовищах за допомогою інструкцій природною мовою. На відміну від попередніх моделей, які вимагали доступу до вихідного коду гри або користувацьких API, SIMA працює з двома вхідними даними: зображеннями на екрані та простими мовними командами.

SIMA перетворює ці інструкції на дії клавіатури та миші для керування центральним персонажем гри. Цей метод дозволяє йому взаємодіяти з різними віртуальними налаштуваннями таким чином, щоб відображати процес гри людини. Дослідження показали, що штучний інтелект, навчений у кількох іграх, працює краще, ніж той, який навчений на одному матчі, що підкреслює потенціал SIMA започаткувати нову еру загального або базового штучного інтелекту для ігор.

Поточна робота Google спрямована на розширення можливостей SIMA, досліджуючи, як можна розробляти такі універсальні, керовані мовами агенти в різноманітних ігрових середовищах. Ця розробка є значним кроком до створення ШІ, здатного адаптуватися та процвітати в різних інтерактивних контекстах.

Генеративний ШІ для ігрового дизайну

Нещодавно Google розширив свою увагу з покращення ігрового процесу на розробку інструментів, які підтримують ігровий дизайн. Цей зсув зумовлений прогресом у генеративному штучному інтелекті, зокрема у створенні зображень і відео. Однією з важливих подій є використання ШІ для створення адаптивних неігрові персонажі (NPC) які реагують на дії гравців більш реалістичними та непередбачуваними способами.

Крім того, Google дослідив процедурне створення контенту, де штучний інтелект допомагає проектувати рівні, середовища та цілі ігрові світи на основі певних правил або шаблонів. Цей метод може оптимізувати розробку та запропонувати гравцям унікальні, персоналізовані враження від кожного проходження, викликаючи почуття цікавості та очікування. Яскравим прикладом є джин, інструмент, який дозволяє користувачам створювати 2D відеоігри, надаючи зображення або опис. Такий підхід робить розробку ігор доступнішою навіть для тих, хто не має навичок програмування.

Інновація Genie полягає в його здатності навчатися на різноманітних відеоматеріалах двовимірних ігор-платформерів, а не покладатися на чіткі інструкції чи позначені дані. Ця здатність дозволяє Genie ефективніше розуміти ігрову механіку, фізику та елементи дизайну. Користувачі можуть почати з основної ідеї або ескізу, а Genie створить повне ігрове середовище, включаючи налаштування, персонажів, перешкоди та ігрову механіку.

Генеративний ШІ для розробки ігор

Спираючись на попередні досягнення, Google нещодавно представила свій найамбітніший проект, спрямований на спрощення складного та трудомісткого процесу розробки ігор, який традиційно вимагав значного програмування та спеціальних навичок. Нещодавно ввели GameNGen, генеративний інструмент ШІ, призначений для спрощення процесу розробки гри. GameNGen дозволяє розробникам створювати цілі ігрові світи та оповідання, використовуючи підказки природної мови, значно скорочуючи час і зусилля, необхідні для створення гри. Використовуючи генеративний штучний інтелект, GameNGen може створювати унікальні ігрові ресурси, середовища та сюжетні лінії, що дозволяє розробникам більше зосереджуватися на творчості, а не на технічних деталях. Наприклад, дослідники використовували GameNGen для розробки повної версії рок, демонструючи свої можливості та прокладаючи шлях до більш ефективного та доступного процесу розробки ігор.

Технологія, яка лежить в основі GameNGen, передбачає двофазний процес навчання. По-перше, агент ШІ навчається грі в Doom, створюючи дані ігрового процесу. Потім ці дані навчають генеративну модель ШІ, яка передбачає майбутні кадри на основі попередніх дій і візуальних елементів. Результатом є модель генеративної дифузії, здатна створювати ігровий процес у реальному часі без традиційних компонентів ігрового движка. Цей перехід від ручного кодування до генерації на основі штучного інтелекту знаменує собою важливу віху в розробці ігор, пропонуючи більш ефективний і доступний спосіб створення високоякісних ігор для невеликих студій і індивідуальних творців.

 Bottom Line

Нещодавні досягнення Google у сфері штучного інтелекту повинні докорінно змінити ігрову індустрію. Завдяки таким інструментам, як GameNGen, що дозволяє створювати деталізовані ігрові світи, і SIMA, що пропонує різноманітні ігрові взаємодії, штучний інтелект змінює не лише те, як створюються ігри, але й те, як вони використовуються.

Оскільки штучний інтелект продовжує розвиватися, він обіцяє підвищити креативність і ефективність розробки ігор. Розробники отримають нові можливості досліджувати інноваційні ідеї та надавати більш привабливий і захоплюючий досвід. Ця зміна знаменує собою важливий момент у поточній еволюції відеоігор, підкреслюючи зростаючу роль ШІ у формуванні майбутнього інтерактивних розваг.