Искусственный интеллект завоёвывает индустрию видеоигр

Долгое время искусственный интеллект ассоциировался в индустрии видеоигр с персонажами, которые являются неигровыми и был разделён между структурами управления и поиска путей. Если игрок находится в состоянии преследования, он использовал алгоритм поиска пути, чтобы попытаться найти кратчайший путь к игровому персонажу. Если играющий находится в состоянии патрулирования, то он, по сути, выполняет фиксированный набор движений. Традиционно, почти во всех видеоиграх есть все эти простые, символические методы искусственного интеллекта, которые существуют в той или иной форме с 1980-х годов. Это произошло потому, что, когда разрабатывались большинство современных игровых жанров, таких как ролевые игры, шутеры от первого лица и стратегии, у разработчиков не было более совершенных современных алгоритмов искусственного интеллекта, и уж точно не было таких мощных серверов и дата-центров, которые могли бы это всё обрабатывать, хранить и запускать.

Современное развитие искусственного интеллекта приведёт к ещё большей фрагментации в разработке игр. Найдутся дизайнеры, которые посмотрят на новые методы и скажут: «давайте начнём разрабатывать новые дизайны с учётом инноваций и посмотрим, что сможем из этого получить». По сути, то, что сейчас называется компьютерной игрой, будет трансформироваться, расширяя свои возможности. Открытая инициатива по исследованиям и разработкам «Ubisoft La Forge» уже более десяти лет изучает применение машинного обучения в производстве видеоигр. ИИ работает лучше всего, когда доступно много данных, представляющих задачи, на которые нацелены разработчики. А поэтому, повторяющиеся задачи особенно подходят для обобщения и автоматизации. Используя данные захвата движения (Motion Capture) для обучения моделей, будет сгенерирована реалистичная и плавная анимация персонажей. Искусственный интеллект также потенциально может помочь в автоматизации рабочего процесса анимации, сокращая время и усилия, требуемые аниматорам. Хорошим примером этого является Choreograph, технология, которая помогла создать анимацию в игре с помощью управляемой технологии, известной как «согласование движений».

Ещё одним прототипом, который помогает создавать 3D-анимацию персонажей животных из видео с использованием машинного обучения. Используется генеративный искусственный интеллект DeepMotion для синтеза голоса, а также речевой генерации из текстовых блоков. Созданы модели ИИ, помогающие даже сценаристам. При разработке идей или концепт-арта наблюдается быстрый прогресс в плане внутреннего внедрения. Ожидается наращивание аналогичной тенденции в написании части кода при программировании или поиска потенциального источника ошибок, с предложениями по их исправлению.

Уже разрабатываются настоящая инновации с точки зрения построения нейронных сетей в индустрии. Да, создавать их достаточно сложно, но потом можно развернуть их на всех различных устройствах с использованием всевозможных ускорителей и API-интерфейсов. Несомненно, что пока этот процесс является дорогостоящим для небольшой команды разработчиков игр. Но, по сути, это будущие среды выполнения для различных устройств, которые позволят развернуть одну из нейронных сетей для определённой команды производителей. Наверняка, скоро ожидается снижение затрат, что позволит использовать процессорные мощности серверов, в меру их возможностей. Прямо сейчас, если вы хотите запустить нейронную сеть на устройстве IOS или Android, вам уже нужно создать две разные версии. Есть ПО, которое позаботится об этой проблеме.

В 2019 году NVIDIA представила Deep Learning Super Sampling (DLSS) - модель искусственного интеллекта, обученную на суперкомпьютерах NVIDIA, которая детализирует данные и повышает производительность. С тех пор уже более 300 игр и приложений внедрили эту технологию, а компания продолжила совершенствовать возможности рендеринга, внедрив DLSS 3, который генерирует целые кадры и увеличивает производительность. Этот успех вдохновил других представителей игровой индустрии на создание собственных решений, повышающих производительность. Переложив работу по рендерингу на ИИ, DLSS позволила разработчикам добиться большего в своих играх - от повышения точности графики до увеличения геометрической плотности. Запуск ChatGPT вызвал всплеск приложений, работающих на базе стабильного распространения и больших языковых моделей (LLMS). NVIDIA создали Audio2Face для голосовой анимации, и Avatar Cloud Engine [ACE] для создания интеллектуальных NPC игр. Это область значительных исследований и разработок, поскольку генеративный искусственный интеллект изменит сам способ производства в индустрии.

Автоматическое тестирование игр - наиболее логичное место для эксплатации возможностей искусственного интеллекта. При производстве видеоигр на тестирование тратится от 10% до 20% бюджета. Ещё огромным ограничителем выступает то обстоятельство, что тестировать игры на самом деле достаточно скучное занятие. Приходится воспроизводить одни и те же действия снова и снова. Вот такие процессы и надо автоматизировать, предоставляя инструкции, как и что конкретно необходимо исследовать. Кроме того, существуют возможности использовать глубокое машинное обучение, когда дело доходит до масштабирования игры или создания другого визуального стиля, например, аниме или диснеевского фильма 1960-х годов. А можно улучшить моделирование игроков и фиксацию стилей игры.

Генеративный искусственный интеллект предоставляет множество игровых уровней, которые поддаются управлению, подходят для конкретных игроков (или типов игроков), а также имеют конкретные задачи. 10-15 лет назад вся анимация моделировалась и использовалась каждый раз. По мере совершенствования процедурной анимации, разработчики получают больше плавности.

Наконец, то, о чём все сейчас говорят, воспроизвести в играх не так просто – это динамическое дерево диалогов, генерируемое посредством больших языковых моделей. Несмотря на то, что эти процедуры пока ненадёжны, со временем модели станут более управляемыми и с меньшей вероятностью будут произносить нерелевантные случайные слова. Это может помочь создать ещё более правдоподобные миры для исследования игроками, с потенциалом для раскрытия более сложных процедурных сюжетов для всех NPC, независимо от того, насколько они вспомогательные, по отношению к основной истории.

Количество вариантов взаимодействия игрока с NPC увеличилось, а анимация лиц стала более реалистичной. Ожидания геймеров, когда дело доходит до принятия повествовательных решений, продолжают расти, и искусственный интеллект может значительно увеличить количество взаимодействий пользователя с историей и обеспечить более быстрое внедрение новых повествований. Всё дело в создании целой экосистемы инструментов искусственного интеллекта, а также в чёткой классификации их для сообщества разработчиков, как возможностей взаимодействия.