مدل هوش مصنوعی بدون موتور بازی، DOOM قابل بازی در زمان واقعی تولید می کند

GameNGen، یک موتور بازی مبتنی بر مدل عصبی، پتانسیل ایجاد انقلابی در نحوه بازی‌های ویدیویی را نشان می‌دهد تولید و پخش می شوند. رویکرد نوآورانه‌ای که توسط Google Research و محققان دانشگاه تل‌آویو ایجاد شده است، امکان تعامل بی‌درنگ با محیط‌های بازی پیچیده را بدون اتکا به موتورهای بازی سنتی فراهم می‌کند.

همانطور که نویسندگان گزارش کردند، GameNGen می‌تواند بازی کلاسیک DOOM را با بیش از حد شبیه‌سازی کند. 20 فریم در ثانیه، دستیابی به کیفیت بصری قابل مقایسه با بازی اصلی.

هسته عملکرد GameNGen در استفاده از مدل‌های انتشار نهفته است، نوعی از هوش مصنوعی مولد که به یک استاندارد در تولید رسانه تبدیل شده است. این فرآیند با آموزش یک عامل یادگیری تقویتی (RL) برای انجام بازی، ثبت اعمال و مشاهدات آن آغاز می شود. سپس از این داده ها برای آموزش یک model برای پیش بینی فریم بعدی بر اساس دنباله ای از فریم ها و اقدامات گذشته. این روش به مدل اجازه می‌دهد تا به‌روزرسانی‌های پیچیده وضعیت بازی، مانند مدیریت سلامت و مهمات، حمله به دشمنان، و تعامل با محیط در طول مسیرهای طولانی را شبیه‌سازی کند.

رویکرد GameNGen به چالش‌های شبیه‌سازی جهان های تعاملی، که مستلزم شرطی کردن جریانی از اقدامات ورودی است که فقط در طول نسل این مدل با استفاده از تقویت‌های شرطی‌سازی، کاهش مشکلاتی مانند واگرایی نمونه‌گیری که می‌تواند در چنین شبیه‌سازی‌هایی ایجاد شود، در طول توالی‌های طولانی، به تولید رگرسیون خودکار پایدار دست می‌یابد.

آینده بازی‌ها می‌تواند با هوش مصنوعی تولید شود

با نگاهی به آینده، این اثبات مفهوم حاکی از چندین پیشرفت بالقوه در صنعت بازی است. مدل‌های هوش مصنوعی مانند GameNGen می‌توانند منجر به توسعه بازی‌هایی شوند که تولید شده به جای کدگذاری دستی، مشابه نحوه تولید تصاویر و ویدئوها توسط مدل های عصبی امروزی. این می‌تواند توسعه بازی را در دسترس‌تر و مقرون‌به‌صرفه‌تر کند، و به سازندگان اجازه می‌دهد تا بازی‌ها را از طریق توضیحات متنی یا تصاویر نمونه به جای برنامه‌نویسی سنتی، طراحی و اصلاح کنند.

به‌علاوه، توانایی مدل‌های هوش مصنوعی برای شبیه‌سازی محیط‌های تعاملی واقعی زمان می تواند واقع گرایی و تعامل بازی ها را افزایش دهد. همانطور که روش AI پیشرفت می کند، ممکن است باعث ایجاد تجربه های بازی همهجانبه تر و سازگارتر شود، جایی که NPC ها رفتارهای واقعی از خود نشان می دهند و محیط ها به طور پویا به اقدامات بازیکن پاسخ می دهند. این می‌تواند منجر به داستان‌گویی غنی‌تر و گیم‌پلی جذاب‌تر شود زیرا بازی‌های مبتنی بر هوش مصنوعی با اولویت‌ها و سطوح مهارت بازیکن سازگار می‌شوند.

به‌علاوه، ادغام هوش مصنوعی در توسعه بازی می‌تواند تولید رویه‌ای محتوا را تسهیل کند و به توسعه‌دهندگان این امکان را می‌دهد. برای ایجاد دنیای بازی های متنوع و گسترده با تلاش دستی کمتر. این می‌تواند منجر به قابلیت پخش مجدد بی‌پایان و تجربه‌های منحصربه‌فرد بازیکن شود زیرا مدل‌های هوش مصنوعی سطوح، ماموریت‌ها و چالش‌های جدیدی را بر اساس تعاملات و ترجیحات بازیکن ایجاد می‌کنند.

آینده هوش مصنوعی در بازی‌ها همچنین نویدبخش تجزیه و تحلیل بازی و بازیکن پیشرفته است. تجربه مدل سازی با استفاده از قابلیت‌های پیش‌بینی هوش مصنوعی، توسعه‌دهندگان می‌توانند بینشی در مورد رفتار و ترجیحات بازیکن به دست آورند و آنها را قادر می‌سازد تا مکانیک‌های بازی و سطوح دشواری بازی را در زمان واقعی تنظیم کنند. این رویکرد مبتنی بر داده‌ها می‌تواند منجر به تجربه‌های شخصی‌سازی و جذاب‌تر بازی و بهبود عملکرد بازی و حفظ بازیکن شود.

در حالی که GameNGen در حال حاضر در DOOM نشان داده شده است، سازندگان آن تصور می‌کنند که این فناوری را در بازی‌های دیگر و سیستم‌های نرم‌افزار تعاملی به کار ببرند. ، برجسته کردن پتانسیل برای کاربردهای گسترده تر در صنعت بازی الف>. هدف تحقیق در حال انجام، اصلاح قابلیت‌های مدل، مانند گسترش حافظه و بهبود توانایی آن برای مدیریت محیط‌های پیچیده‌تر، افزایش بیشتر واقع‌گرایی و تعامل بازی‌های تولید شده توسط هوش مصنوعی است.