Pengarang: James Gwertzman & Jack Soslow
Disusun oleh: Kelinci Alpha
A16Z baru-baru ini menulis artikel yang sangat menarik, membahas tentang apa yang menurut mereka merupakan peluang untuk menggabungkan AI generatif dan game. Penulis menerjemahkan dan memberi anotasi pada sebagian konten. Artikel ini memiliki dua bagian utama: bagian pertama mencakup observasi dan prediksi A16Z terhadap AI generatif di bidang game; bagian kedua mencakup penilaian A16Z terhadap ekologi pasar di bidang game + AI generatif.
Kata pengantar
Apa hubungan antara bidang game dan kecerdasan buatan generatif? Ada segitiga mustahil dalam bidang desain game: biasanya hanya dua dari tiga item, biaya, kualitas, atau kecepatan, yang dapat dipilih. Namun kini, desainer dapat menggunakan alat AIGC ini untuk menghilangkan kebutuhan untuk menghabiskan banyak biaya produksi manual waktu dan hanya membutuhkan beberapa jam. Hal yang benar-benar transformatif dalam membuat gambar berkualitas tinggi adalah siapa pun dapat memperoleh kemampuan kreatif ini dengan mempelajari beberapa alat sederhana. Alat-alat ini dapat menciptakan variasi tanpa akhir dengan cara berulang yang cepat, dan setelah dilatih, seluruh proses dilakukan secara real-time, yang berarti bahwa hasilnya dapat segera tersedia. Sejak munculnya teknologi Real-time 3D, belum ada teknologi yang memiliki potensi untuk mengubah permainan sebanyak itu (dengan perangkat lunak 3D real-time, seluruh dunia virtual dapat dirender secara digital dengan kecepatan lebih cepat, memberikan pengguna lebih banyak pengalaman. kekuatan yang menarik dan pengalaman yang mendalam) Jadi, ke mana arah AI generatif? Bagaimana hal ini akan mengubah permainan? Pertama, mari kita tinjau konsep AI generatif. Apa itu AI generatif? AI Generatif adalah kategori pembelajaran mesin di mana komputer dapat menghasilkan konten baru yang asli berdasarkan masukan/perintah pengguna. Saat ini, penerapan paling matang dari teknologi ini terutama di bidang teks dan gambar, namun terdapat kemajuan serupa (aplikasi teknis AI generatif) di hampir semua bidang kreatif, meliputi animasi, efek suara, musik, dan bahkan untuk manusia. dengan kepribadian lengkap. Tentu saja, kecerdasan buatan bukanlah hal baru dalam game. Bahkan game awal seperti Atari's Pong sudah memiliki lawan yang dikendalikan komputer untuk melawan pemainnya. (Catatan Penulis: Atari, seorang pengembang game, didirikan tak lama setelah lahirnya mikroprosesor. Ia meluncurkan mesin arcade pertama Pong pada tahun 1972, mengukuhkan statusnya sebagai pencetus mesin arcade. Pada tahun 1974, Steve Jobs dari Apple bergabung dengan Atari dan menjadi bertanggung jawab untuk mengembangkan game elektronik. ) Namun, lawan virtual di komputer ini tidak sama dengan kecerdasan buatan generatif yang kita bicarakan saat ini. Lawan komputer ini hanyalah skrip yang dirancang dengan cermat oleh desainer game. tetapi mereka tidak dapat belajar dan mengulanginya, sebaik para insinyur yang menulisnya. Lantas, apa saja perubahan teknologi yang mendasari kombinasi AI generatif dan game? Mikroprosesor lebih cepat, komputasi awan dan berbagai kemampuan komputasi lebih kuat, serta berpotensi membangun jaringan saraf berskala besar, yang dapat mengidentifikasi pola dan representasi dalam bidang yang sangat kompleks. (Berkat mikroprosesor dan cloud yang lebih cepat. Dengan kekuatan ini, dimungkinkan untuk membangun jaringan saraf besar yang dapat mengidentifikasi pola dan representasi dalam domain yang sangat kompleks. Catatan Penulis: Artinya, kemampuan sebuah mikroprosesor dikalikan dengan lebih cepat dan mikroprosesor yang lebih cepat. Faktor skala komputasi awan memungkinkan pembentukan untuk mendukung pengenalan pola yang kompleks. Apa itu pengenalan pola? Pengenalan pola mengacu pada pemrosesan berbagai bentuk informasi (hubungan numerik, tekstual dan logis) yang mewakili sesuatu atau fenomena , proses menggambarkan, mengidentifikasi, mengklasifikasikan dan menjelaskan sesuatu atau fenomena, merupakan bagian penting dari ilmu informasi dan kecerdasan buatan) Bagian 1: Beberapa asumsi dan observasi industri
Beberapa asumsi: Pertama, mari kita bahas beberapa asumsi yang menjadi dasar artikel ini: 1. Jumlah penelitian (yang berhasil) mengenai kecerdasan buatan secara umum akan terus bertambah, dan semakin banyak teknologi yang efektif akan bermunculan. Gambar di atas adalah jumlah makalah akademis tentang pembelajaran mesin atau kecerdasan buatan yang diterbitkan di arXiv setiap bulannya. Seperti terlihat pada gambar, jumlah makalah bertambah secara eksponensial dan tidak menunjukkan tanda-tanda melambat. Bagian data ini hanya mencakup makalah yang diterbitkan. Ada juga banyak penelitian yang tidak dipublikasikan secara publik tetapi langsung diterapkan pada model sumber terbuka atau Penelitian dan pengembangan produk, model dan produk sumber terbuka ini, telah menghasilkan inovasi yang luar biasa. 2. Di antara semua kategori hiburan, game akan menjadi area yang menerima dampak terbesar dari kecerdasan buatan generatif. Dalam hal jenis aset yang saat ini terlibat (seni 2D, seni 3D, efek suara, musik, dll.), game adalah kategori hiburan yang paling kompleks. Pada saat yang sama, game juga merupakan kategori hiburan yang paling interaktif dan kuat penekanan pada pengalaman real-time. Hal ini menciptakan hambatan masuk yang sangat tinggi bagi pengembang game baru, dan juga menciptakan biaya tinggi untuk membuat game mahakarya AAA yang sebenarnya. Hambatan dan masalah biaya yang ada ini telah membuka jalan bagi kehancuran kecerdasan buatan generatif di bidang inovasi seksual peluang besar (seperti yang ditunjukkan di bawah): Misalnya, game seperti "Red Dead Redemption 2" adalah salah satu game termahal yang pernah dibuat. Biayanya hampir $500 juta. Red Dead Redemption juga merupakan salah satu game dengan efek visual terbaik di pasaran. Butuh waktu hampir 8 tahun untuk memproduksinya dan memiliki lebih dari 1.000 karakter game (dan setiap karakter memiliki kepribadian dan pengisi suara eksklusifnya sendiri), a dunia game berukuran hampir 30 mil persegi, lebih dari 100 misi dalam 6 bab, dan hampir 60 jam musik yang disusun oleh lebih dari 100 musisi, produksi yang terlibat dalam semua hal yang melibatkan game ini sangatlah besar. Nah, jika kita membandingkan Red Dead Redemption 2 dengan Microsoft Flight Simulator, Microsoft Flight Simulator adalah game yang jauh lebih besar... karena pemain Microsoft Flight Simulator dapat terbang mengelilingi seluruh planet di dalam game, semuanya seluas 197 juta mil persegi.Jadi, bagaimana cara Microsoft membuat game sebesar itu? Hal ini terutama dilakukan melalui kecerdasan buatan. Microsoft bekerja sama dengan blackshark.ai untuk melatih kecerdasan buatan guna menghasilkan dunia tiga dimensi yang sangat realistis dari citra satelit dua dimensi. Perusahaan macam apa itu blackshark.ai? blackshark.ai adalah perusahaan yang mengekstraksi infrastruktur bumi global melalui teknologi pembelajaran mesin. Perusahaan ini mengekstraksi data dari citra satelit dan udara di seluruh dunia dan menggunakan kecerdasan buatan untuk membuat skenario kembar digital berdasarkan data geografis saat ini simulasi, pemetaan, lingkungan realitas campuran dan solusi perusahaan lainnya, dan kemampuan pembaruan komputasi awan dari teknologi itu sendiri dapat memperbarui data ini secara real-time. Ini hanyalah salah satu contoh saja. Tanpa penggunaan teknologi kecerdasan buatan, game "Microsoft Flight Simulator" sebenarnya tidak mungkin dibuat. Selain itu, kesuksesan game ini disebabkan oleh fakta bahwa model ini dapat terus ditingkatkan seiring berjalannya waktu. Misalnya, model "jalan layang daun semanggi" dapat ditingkatkan, dengan kecerdasan buatan yang menjalankan seluruh proses konstruksi, dan semuanya. seluruh planet dalam permainan. jalan layang bisa segera diperbaiki. 3. Setiap aset yang terlibat dalam produksi game akan memiliki model AI yang dihasilkan. Sejauh ini, generator gambar 2D seperti Stable Diffusion atau MidJourney telah menempati pasar kecerdasan buatan generatif saat ini karena gambar menarik yang dapat mereka hasilkan kegembiraan. Sekarang ada model AI generatif yang digunakan untuk hampir semua aset dalam game, mulai dari model 3D, animasi karakter, hingga dialog dan musik. (Artikel selanjutnya akan membahas tentang Peta Pasar ekologis pasar dari perusahaan tertentu) 4. Biaya konten akan terus menurun, dan dalam beberapa kasus, biaya konten akan turun hingga nol ketika kami mencoba mengintegrasikan kecerdasan buatan AI generatif ke dalam produksi adegan Saat berbicara dengan pengembang game, kegembiraan terbesarnya adalah waktu dan biaya pembuatan game akan sangat berkurang. Salah satu pengembang memberi tahu kami bahwa waktu untuk membuat peta konsep untuk sebuah gambar berkurang dari 3 minggu menjadi 1 jam. Kami percaya bahwa "pengurangan biaya dan peningkatan efisiensi" serupa dapat dicapai di seluruh proses produksi game. Patut dicatat bahwa seniman tidak berada dalam bahaya digantikan, yang berarti bahwa seniman tidak perlu lagi melakukan seluruh pekerjaannya sendiri: seniman dan desainer dapat menentukan arah kreatif awal dan kemudian menghabiskan sebagian besar waktu dan teknologi. Serahkan pada pelaksanaannya. kecerdasan buatan. Pada titik ini, seperti para pelukis animasi gambar tangan awal, "ahli melukis" yang sangat terampil menggambar garis besar animasi, dan kemudian pelukis berbiaya rendah menyelesaikan pekerjaan mewarnai dan mengisi film animasi yang memakan waktu , tapi kita berbicara tentang aplikasi di bidang pembuatan game. 5. Kita masih dalam masa-masa awal dalam bidang perubahan industri ini, dan masih banyak bagian yang perlu disempurnakan. Meskipun banyak orang yang bersemangat akhir-akhir ini, kita masih berada di garis awal. Masih banyak pekerjaan yang harus dilakukan sebelum kita mengetahui bagaimana menerapkan teknologi baru ini ke dunia game, dan akan ada peluang besar bagi perusahaan yang telah memasuki bidang baru ini sebelumnya dan dengan cepat. Bagian Kedua: Prediksi Masa Depan Mengingat asumsi di atas, artikel ini memprediksi dan menyimpulkan bagaimana industri game akan bertransformasi.
1. Mempelajari cara menerapkan AI generatif secara efektif dapat menjadi keterampilan yang berharga.
Sudah ada pionir yang menerapkan AI generatif dengan lebih efektif dibandingkan siapa pun. Untuk memanfaatkan teknologi baru ini sebaik-baiknya, Anda juga perlu memahami berbagai alat dan teknik serta mengetahui cara menggabungkannya. Kami memperkirakan penerapan AI generatif yang efektif akan menjadi keterampilan yang sangat menjanjikan, karena dapat menggabungkan visi kreatif seorang seniman dengan kemampuan teknis seorang programmer. Chris Anderson memiliki pepatah terkenal: "Setiap kelimpahan menciptakan kelangkaan baru." Ketika konten menjadi lebih kaya, artis yang memahami cara bekerja paling efektif dengan alat AI akan menjadi yang paling diminati. Misalnya: Penggunaan kecerdasan buatan generatif untuk menghasilkan karya seni juga akan membawa beberapa tantangan, antara lain:
Menjaga kesinambungan: Anda harus bisa memodifikasi atau mengedit berbagai aset dalam game, dan untuk alat AI, ini berarti bisa mereplikasi aset (digital) dengan sinyal yang sama sehingga kami bisa memodifikasi dan menantangnya. Ini mungkin rumit karena perintah yang sama dapat memberikan hasil yang sangat berbeda.
Pertahankan gaya yang konsisten: Semua karya seni dalam satu game harus mempertahankan gaya yang konsisten, yang berarti alat AI perlu dilatih atau diikat dengan gaya artis/desainer yang sudah ada.
2. Menurunnya hambatan pengembangan game akan mengarah pada lebih banyak petualangan dan eksplorasi kreatif. Kita mungkin akan segera memasuki "masa keemasan" baru dalam pengembangan game. Menurunnya hambatan untuk masuk akan menghasilkan game yang lebih inovatif dan kreatif, dan ini bukan hanya alasannya biaya produksi yang lebih rendah menghasilkan risiko yang lebih rendah bagi para pembuat game, tetapi juga karena alat-alat ini mewakili kemampuan untuk membuat konten berkualitas tinggi untuk audiens yang lebih besar. 3. Munculnya "studio permainan mikro" secara bertahap yang dibantu oleh kecerdasan buatan. Dengan alat dan layanan kecerdasan buatan generatif, mungkin permainan komersial yang lebih layak akan diproduksi oleh "studio mikro" kecil yang hanya memiliki 1 atau 2 karyawan. Tentu saja, studio game kecil independen sudah sangat umum. Game populer "Among Us" (Catatan Penulis: Among Us adalah game kasual strategi yang diproduksi dan diterbitkan oleh Innersloth, dapat dimainkan secara online oleh 4-10 orang. Telah dirilis. pada 17 November 2018. Dirilis pada 23 Maret 2020) diproduksi oleh Innersloth, sebuah studio dengan hanya 5 karyawan, dan skala permainan yang dapat dibuat oleh studio kecil ini akan terus bertambah.
4. Jumlah game yang dirilis tiap tahunnya akan bertambah
Keberhasilan Unity dan Roblox menunjukkan bahwa menyediakan alat kreatif yang kuat akan menghasilkan lebih banyak game yang dibuat. AI generatif akan semakin menurunkan hambatan masuk dan menciptakan lebih banyak game. Industri ini sudah menghadapi tantangan penemuan – lebih dari 10.000 game ditambahkan ke Steam tahun lalu saja – dan ini akan memberikan tekanan lebih besar pada penemuan. Namun, kita juga akan melihat... 5. Jenis permainan baru akan dibuat. Akan ada jenis-jenis permainan baru yang diciptakan, seperti Microsoft Flight Simulator yang disebutkan di atas, tetapi jenis-jenis permainan yang sama sekali baru diciptakan yang akan dikombinasikan dengan pembuatan konten baru secara real-time. Game RPG Spellbrush, Arrowmancer, misalnya, menampilkan karakter yang diciptakan oleh kecerdasan buatan, memungkinkan cara bermain baru yang hampir tidak terbatas. Beberapa pengembang game menggunakan kecerdasan buatan untuk memungkinkan pemain membuat avatar mereka sendiri di dalam game: gambar avatar dibuat secara otomatis berdasarkan deskripsi pemain. Perlu diperhatikan bahwa dari perspektif pengalaman pengguna, mengizinkan pemain membuat konten melalui kecerdasan buatan dapat memungkinkan pemain merasakan kepemilikan yang lebih besar. 6. Nilai akan diberikan pada alat AI khusus industri, bukan hanya model dasar. Antusiasme seputar model dasar seperti Difusi Stabil dan Midjourney menghasilkan penilaian yang sangat berlebihan, namun seiring dengan terus bermunculannya penelitian baru, model-model baru akan mengikuti Kemunculan dan berkelanjutan iterasi teknologi baru. Dilihat dari lalu lintas penelusuran situs web dari tiga model kecerdasan buatan generatif yang saat ini populer (Dall-E, Midjourney, dan Stable Diffusion), setiap model baru memiliki kekhawatiran khusus seputarnya. Pendekatan lainnya adalah dengan membangun rangkaian alat (vertikal) yang selaras dengan industri yang berfokus pada kebutuhan AI generatif spesifik industri, memahami audiens spesifik secara mendalam, dan berintegrasi dengan skenario produksi yang ada (Unity atau Unreal). Contoh tipikalnya adalah Runway, yang menyediakan alat berbantuan kecerdasan buatan untuk pembuat video, seperti pengeditan video, penghapusan layar hijau, in-painting, dan pelacakan gerakan. Kami belum melihat alat permainan seperti Runway muncul, namun ini merupakan area yang memiliki potensi. 7. Tantangan hukum yang akan datang Kesamaan dari semua model AI generatif ini adalah bahwa model AI ini dilatih menggunakan kumpulan data konten yang besar, biasanya dibuat dari kumpulan data di Internet.Misalnya, "Difusi Stabil" dilatih pada lebih dari 5 miliar gambar/keterangan yang dikumpulkan dari web. Saat ini, model-model tersebut mengklaim beroperasi berdasarkan doktrin hak cipta "penggunaan wajar", namun argumen ini belum diuji secara eksplisit dalam undang-undang. Jelas terdapat tantangan hukum yang akan datang yang dapat mengubah lanskap AI generatif. Perusahaan film besar bisa saja membangun model kepemilikan dan mencari keunggulan kompetitif melalui keunggulan hak cipta mereka sendiri. Misalnya, Microsoft memiliki banyak studio di bawah payungnya, terutama akuisisi Activision Blizzard. 8. Setidaknya untuk saat ini, berbeda dengan bidang seni, apakah AI generatif akan membawa perubahan besar dalam bidang pemrograman? Rekayasa perangkat lunak adalah sumber biaya utama lainnya dalam pengembangan game, namun menghasilkan kode dengan model AI memerlukan lebih banyak pengujian dan validasi, sehingga pembuatan kode kurang produktif dibandingkan menghasilkan aset kreatif. Kami percaya bahwa alat pengkodean seperti Copilot dapat memberikan peningkatan kinerja yang sederhana bagi para insinyur, namun tidak sebanyak itu dalam jangka pendek seiring dengan perubahan area konten. Bagian Ketiga: Beberapa Rekomendasi 1. Mulailah mengeksplorasi AI generatif: Perlu beberapa saat sebelum kita mengetahui cara memanfaatkan sepenuhnya kekuatan revolusi AI generatif yang akan datang ini. Perusahaan yang mulai mengembangkan bisnisnya sejak dini akan mendapatkan keuntungan di masa depan, dan beberapa studio sedang melakukan proyek eksperimental internal untuk mengeksplorasi bagaimana teknologi ini dapat memengaruhi produksi game. 2. Mencari peluang di celah pasar. Saat ini banyak bagian dari keseluruhan track yang sudah sangat ramai, seperti animasi, suara, dan dialog, namun masih banyak area yang terbuka lebar. Kami mendorong wirausahawan yang tertarik pada bidang ini untuk fokus pada bidang yang masih belum dijelajahi, seperti "game + jalur AI generatif".