Autorzy: James Gwertzman i Jack Soslow
Opracowano przez: Alpha Rabbit
Firma A16Z napisała niedawno bardzo interesujący artykuł, w którym opowiada o możliwościach łączenia generatywnej sztucznej inteligencji i gier. Autor przetłumaczył część treści i opatrzył ją komentarzami. Artykuł składa się z dwóch głównych części: pierwsza część zawiera obserwacje i przewidywania A16Z dotyczące generatywnej sztucznej inteligencji w obszarze gier; druga część zawiera ocenę A16Z na temat ekologii rynku w grze + generatywnej sztucznej inteligencji.
Przedmowa
Jaki jest związek między dziedziną gier a generatywną sztuczną inteligencją? W projektowaniu gier istnieje trójkąt niemożliwy: zwykle można wybrać tylko dwa z trzech elementów: koszt, jakość i szybkość. Jednak teraz projektanci mogą korzystać z narzędzi AIGC, aby wyeliminować konieczność poświęcania dużej ilości ręcznej produkcji zajmuje to tylko kilka godzin. To, co naprawdę zmienia w tworzeniu wysokiej jakości obrazów, to fakt, że każdy może zdobyć tę kreatywną zdolność, poznając kilka prostych narzędzi. Narzędzia te mogą tworzyć nieskończoną liczbę odmian w szybki i iteracyjny sposób, a po przeszkoleniu cały proces odbywa się w czasie rzeczywistym, co oznacza, że wyniki są dostępne niemal natychmiast. Od czasu pojawienia się technologii Real-time 3D nie było technologii, która mogłaby tak bardzo zmienić gry (dzięki oprogramowaniu 3D czasu rzeczywistego cały wirtualny świat można renderować cyfrowo z większą szybkością, zapewniając użytkownikom więcej atrakcyjna moc i wciągające wrażenia) Zatem dokąd zmierza generatywna sztuczna inteligencja? Jak to zmieni grę? Na początek przyjrzyjmy się koncepcji generatywnej sztucznej inteligencji. Czym jest generatywna sztuczna inteligencja? Generatywna sztuczna inteligencja to kategoria uczenia maszynowego, w ramach której komputery mogą generować nowe, oryginalne treści na podstawie danych wejściowych/podpowiedzi użytkownika. Obecnie najbardziej dojrzałe zastosowania tej technologii dotyczą głównie tekstu i obrazów, ale podobny postęp (techniczne zastosowania generatywnej sztucznej inteligencji) można zaobserwować w prawie wszystkich dziedzinach kreatywnych, obejmujących animację, efekty dźwiękowe, muzykę, a nawet ludzi tworzone są postacie wirtualne. Oczywiście sztuczna inteligencja nie jest niczym nowym w grach. Nawet wczesne gry, takie jak Atari Pong, miały już sterowanych komputerowo przeciwników, którzy walczyli z graczem. (Nota autora: Atari, producent gier, został założony wkrótce po narodzinach mikroprocesora. W 1972 wypuścił pierwszy automat do gier Pong, ustanawiając tym samym swój status twórcy automatów do gier. W 1974 Steve Jobs z Apple dołączył do Atari i został odpowiedzialny za tworzenie gier elektronicznych. ) Jednakże wirtualni przeciwnicy w tych komputerach to nie to samo, co generatywna sztuczna inteligencja, o której dzisiaj mówimy. Ci przeciwnicy komputerowi to po prostu skrypty starannie zaprojektowane przez projektantów gier. Symulują one przeciwnika opartego na sztucznej inteligencji. ale nie potrafią się uczyć i powtarzać, tak dobrze, jak inżynierowie, którzy je napisali. Jakie zatem zmiany zachodzą w technologii leżącej u podstaw połączenia generatywnej sztucznej inteligencji i gier? Mikroprocesory są szybsze, przetwarzanie w chmurze i różne możliwości obliczeniowe są silniejsze i mają potencjał do budowania sieci neuronowych na dużą skalę, które mogą identyfikować wzorce i reprezentacje w bardzo złożonych dziedzinach. (Dzięki szybszym mikroprocesorom i chmurze. Dzięki tej mocy możliwe jest budowanie dużych sieci neuronowych, które potrafią identyfikować wzorce i reprezentacje w bardzo złożonych dziedzinach. Nota autora: Oznacza to, że możliwości pojedynczego mikroprocesora są zwielokrotniane przez szybsze i szybsze mikroprocesory. Współczynnik skali przetwarzania w chmurze umożliwia ustanowienie obsługi złożonego rozpoznawania wzorców. Co to jest rozpoznawanie wzorców? Rozpoznawanie wzorców odnosi się do przetwarzania różnych form informacji (powiązań liczbowych, tekstowych i logicznych), które reprezentują rzeczy lub zjawiska i analizę , proces opisywania, identyfikowania, klasyfikowania i wyjaśniania rzeczy lub zjawisk, jest ważną częścią informatyki i sztucznej inteligencji) Część 1: Niektóre założenia i obserwacje branżowe
Niektóre założenia: Najpierw omówmy kilka założeń, na których opiera się reszta artykułu: 1. Liczba (udanych) badań nad ogólną sztuczną inteligencją będzie nadal rosła i pojawiać się będą coraz bardziej efektywne technologie. Powyższy rysunek przedstawia liczbę artykułów akademickich na temat uczenia maszynowego lub sztucznej inteligencji publikowanych w każdym miesiącu w arXiv. Jak widać na rysunku, liczba publikacji rośnie wykładniczo i nie wykazuje oznak spowolnienia. Ta część danych obejmuje wyłącznie publikacje opublikowane. Istnieje również wiele badań, które nie są publikowane publicznie, ale są bezpośrednio stosowane w modelach open source Badania i rozwój produktów, modele i produkty typu open source, przyniosły wybuchowe innowacje. 2. Spośród wszystkich kategorii rozrywki, gaming będzie obszarem, który najbardziej odczuje generatywną sztuczną inteligencję. Jeśli chodzi o rodzaje obecnie wykorzystywanych zasobów (sztuka 2D, grafika 3D, efekty dźwiękowe, muzyka itp.), gry są najbardziej złożoną kategorią rozrywki. Jednocześnie gry są również najbardziej interaktywne i mają silną przewagę nacisk na doświadczenie w czasie rzeczywistym. Stwarza to bardzo wysoką barierę wejścia dla nowych twórców gier, a także powoduje wysokie koszty stworzenia prawdziwej gry typu arcydzieło AAA. Te istniejące bariery i problemy związane z kosztami przygotowały grunt pod zniszczenie generatywnej sztucznej inteligencji w dziedzinie gier ogromne możliwości (jak pokazano poniżej): Na przykład gra taka jak „Red Dead Redemption 2” jest jedną z najdroższych gier, jakie kiedykolwiek powstały. Kosztuje prawie 500 milionów dolarów. Red Dead Redemption to także gra z jednymi z najlepszych efektów wizualnych na rynku, której produkcja zajęła prawie 8 lat i zawiera ponad 1000 postaci w grze (a każda postać ma własną osobowość i ekskluzywną obsadę głosową). Świat gry o powierzchni prawie 30 mil kwadratowych, ponad 100 misji w 6 rozdziałach i prawie 60 godzin muzyki skomponowanej przez ponad 100 muzyków, produkcja związana ze wszystkim, czego dotyczy ta gra, jest ogromna. Cóż, jeśli porównamy Red Dead Redemption 2 do Microsoft Flight Simulator, Microsoft Flight Simulator jest znacznie większą grą… ponieważ gracze Microsoft Flight Simulator mogą w grze latać po całej planecie, wszystkich 197 milionów mil kwadratowych.Jak więc Microsoft tworzy tak ogromną grę? Odbywa się to głównie za pośrednictwem sztucznej inteligencji Microsoft współpracuje z blackshark.ai w celu szkolenia sztucznej inteligencji w celu generowania nieskończenie realistycznych trójwymiarowych światów z dwuwymiarowych zdjęć satelitarnych. Jaką firmą jest blackshark.ai? blackshark.ai to firma, która wykorzystuje technologię uczenia maszynowego do wyodrębniania globalnej infrastruktury ziemskiej. Wydobywa dane z globalnych zdjęć satelitarnych i lotniczych oraz wykorzystuje sztuczną inteligencję do tworzenia scenariuszy cyfrowych bliźniaków na podstawie aktualnych danych geograficznych. Wyniki te można wykorzystać do wizualizacji i symulacje, mapowanie, środowiska rzeczywistości mieszanej i inne rozwiązania dla przedsiębiorstw, a możliwości aktualizacji chmury obliczeniowej samej technologii mogą aktualizować te dane w czasie rzeczywistym. To tylko jeden przykład. Bez wykorzystania technologii sztucznej inteligencji stworzenie gry „Microsoft Flight Simulator” byłoby właściwie niemożliwe. Oprócz tego sukces gry wynika z faktu, że modele te można z biegiem czasu stale udoskonalać, np. model „wiaduktu koniczyny autostradowej” można udoskonalać, przy czym cały proces budowy kieruje sztuczna inteligencja, a całość. całą planetę w grze wiaduktów autostradowych można natychmiast ulepszyć. 3. Każdy zasób zaangażowany w produkcję gier będzie miał wygenerowany model AI. Jak dotąd generatory obrazów 2D, takie jak Stable Diffusion lub MidJourney, zajęły obecny rynek generatywnej sztucznej inteligencji ze względu na przyciągające wzrok obrazy, które mogą generować podniecenie. Obecnie dostępne są generatywne modele sztucznej inteligencji stosowane w niemal każdym elemencie gry, od modeli 3D, przez animacje postaci, po dialogi i muzykę. (Następny artykuł będzie dotyczył ekologicznej mapy rynku konkretnych firm) 4. Koszty treści będą nadal spadać, a w niektórych przypadkach koszt treści spadnie do zera, gdy spróbujemy zintegrować w produkcji generatywną sztuczną inteligencję AI scena Podczas rozmów z twórcami gier największą ekscytację budzi fakt, że czas i koszt tworzenia gier ulegną znacznemu skróceniu. Jeden z programistów powiedział nam, że czas wygenerowania mapy koncepcyjnej obrazu skrócił się z 3 tygodni do 1 godziny. Wierzymy, że podobną „redukcję kosztów i poprawę wydajności” można osiągnąć w całym procesie produkcji gry. Warto zaznaczyć, że artystom nie grozi zastępstwo, co oznacza, że artyści nie muszą już wykonywać całej pracy sami: artyści i projektanci mogą wyznaczyć początkowy kierunek twórczy, a następnie poświęcić większość czasu i technologii. sztuczna inteligencja. W tym momencie, podobnie jak malarze wczesnych, ręcznie rysowanych animacji, wysoko wykwalifikowani „eksperci od malarstwa” rysują kontury animacji, a następnie stosunkowo niedrodzy malarze wykonują czasochłonną pracę polegającą na kolorowaniu i wypełnianiu linii filmu animowanego , ale mówimy o zastosowaniach w zakresie tworzenia gier. 5. Wciąż znajdujemy się na początku tej zmieniającej branżę dziedziny i wiele elementów wymaga udoskonalenia. Pomimo entuzjazmu wielu osób, który ostatnio panuje, wciąż jesteśmy dopiero na linii startu. Nadal pozostaje wiele do zrobienia, gdy wymyślimy, jak naprawdę zintegrować tę nową technologię z grami, a przed firmami, które już wcześniej i szybko weszły w tę nową przestrzeń, otworzą się ogromne możliwości. Część druga: Prognozy na przyszłość Mając na uwadze powyższe założenia, w artykule przedstawiono prognozę i wnioski dotyczące transformacji branży gier.
1. Nauczenie się, jak skutecznie stosować generatywną sztuczną inteligencję, może stać się umiejętnością, którą można sprzedać.
Istnieją już pionierzy stosujący generatywną sztuczną inteligencję skuteczniej niż ktokolwiek inny. Aby jak najlepiej wykorzystać tę nową technologię, należy także poznać różne narzędzia i techniki oraz wiedzieć, jak je łączyć. Przewidujemy, że efektywne zastosowanie generatywnej sztucznej inteligencji samo w sobie stanie się bardzo obiecującą umiejętnością, ponieważ może połączyć twórczą wizję artysty z technicznymi możliwościami programisty. Chris Anderson ma słynne powiedzenie: „Każda obfitość powoduje nowy niedobór”. W miarę jak treści będą coraz bogatsze, najbardziej poszukiwani będą artyści, którzy wiedzą, jak najskuteczniej pracować z narzędziami AI. Na przykład: Wykorzystanie generatywnej sztucznej inteligencji do tworzenia dzieł sztuki również niesie ze sobą pewne wyzwania, w tym:
Zachowaj ciągłość: musisz mieć możliwość modyfikowania lub edytowania różnych zasobów w grze, a w przypadku narzędzi AI oznacza to możliwość replikowania zasobu (cyfrowego) za pomocą tego samego sygnału, abyśmy mogli go modyfikować i kwestionować. Może to być trudne, ponieważ ten sam monit może dawać bardzo różne wyniki.
Zachowaj spójny styl: Cała grafika w ramach jednej gry musi zachować spójny styl, co oznacza, że narzędzia AI muszą zostać przeszkolone lub powiązane z ustalonym stylem artysty/projektanta.
2. Obniżenie barier w tworzeniu gier doprowadzi do większej liczby przygód i kreatywnych eksploracji. Być może wkrótce wkroczymy w nowy „złoty wiek” tworzenia gier. Niższe bariery wejścia zaowocują bardziej innowacyjnymi i kreatywnymi grami, i to nie tylko dlatego niższe koszty produkcji powodują mniejsze ryzyko dla twórców gier, ale także dlatego, że narzędzia te reprezentują zdolność do tworzenia wysokiej jakości treści dla szerszego grona odbiorców. 3. Stopniowy rozwój „mikro studiów gier” wspomaganych sztuczną inteligencją Dzięki narzędziom i usługom generatywnej sztucznej inteligencji być może bardziej opłacalne gry komercyjne będą produkowane przez małe „mikro studia” zatrudniające zaledwie 1 lub 2 pracowników Make. Oczywiście małe, niezależne studia gier są już bardzo popularne. Popularna gra „Among Us” (przyp. autora: Among Us to casualowa gra strategiczna wyprodukowana i wydana przez firmę Innersloth, w którą można grać online od 4 do 10 osób. Została wydana). 17 listopada 2018 r. Wydany w 2012 r.) został wyprodukowany przez studio Innersloth zatrudniające zaledwie 5 pracowników, a skala gier, jakie te małe studia są w stanie stworzyć, będzie tylko rosła.
4. Liczba gier wydawanych każdego roku będzie wzrastać
Sukces Unity i Roblox pokazuje, że zapewnienie potężnych narzędzi kreatywnych prowadzi do tworzenia większej liczby gier. Generatywna sztuczna inteligencja jeszcze bardziej obniży bariery wejścia i stworzy więcej gier. Branża już boryka się z wyzwaniami związanymi z odkrywaniem – tylko w zeszłym roku do Steam dodano ponad 10 000 gier – co wywrze jeszcze większą presję na odkrywanie. Jednak zobaczymy też... 5. Powstaną nowe typy gier. Pojawią się nowe typy gier, takie jak wspomniany Microsoft Flight Simulator, ale zupełnie nowe typy gier, które zostaną połączone z generowaniem nowej zawartości w czasie rzeczywistym. Na przykład gra RPG Arrowmancer studia Spellbrush zawiera postacie stworzone przez sztuczną inteligencję, co pozwala na niemal nieograniczone nowe sposoby gry. Niektórzy twórcy gier wykorzystują sztuczną inteligencję, aby umożliwić graczom tworzenie własnych awatarów w grze: obrazy awatarów są generowane automatycznie na podstawie opisu gracza. Należy pamiętać, że z punktu widzenia doświadczenia użytkownika zezwolenie graczom na generowanie treści za pomocą sztucznej inteligencji może pozwolić graczom na postrzeganie większej własności. 6. Wartość zostanie przypisana specyficznym dla branży narzędziom sztucznej inteligencji, a nie tylko podstawowym modelom. Entuzjazm wokół podstawowych modeli, takich jak Stable Diffusion i Midjourney, generuje niezwykle przesadne wyceny, ale w miarę pojawiania się nowych badań, nowe modele będą pojawiać się coraz częściej. iteracja nowych technologii. Sądząc po ruchu wynikającym z wyszukiwania trzech obecnie popularnych modeli generatywnej sztucznej inteligencji (Dall-E, Midjourney i Stable Diffusion), każdy nowy model wiąże się ze specyficznymi problemami. Innym podejściem jest zbudowanie dostosowanych do branży (pionowych) pakietów narzędzi, które koncentrują się na specyficznych dla branży potrzebach generatywnej sztucznej inteligencji, dogłębnie rozumieją konkretnych odbiorców i integrują się z istniejącymi scenariuszami produkcyjnymi (Unity lub Unreal). Typowym przykładem jest Runway, który udostępnia twórcom wideo narzędzia wspomagane sztuczną inteligencją, takie jak edycja wideo, usuwanie zielonego ekranu, malowanie i śledzenie ruchu. Takie narzędzia mogą z czasem dodawać nowe scenariusze aplikacji. Nie widzieliśmy jeszcze narzędzia do gier takiego jak Runway, ale jest to obszar z potencjałem. 7. Nadchodzące wyzwania prawne Cechą wspólną wszystkich generatywnych modeli sztucznej inteligencji jest to, że są one szkolone przy użyciu dużych zbiorów danych dotyczących treści, zwykle tworzonych na podstawie zbiorów danych w Internecie.Na przykład metoda „Stable Diffusion” jest trenowana na podstawie ponad 5 miliardów obrazów/podpisów zebranych z Internetu. Obecnie modele te rzekomo działają w ramach doktryny praw autorskich „dozwolonego użytku”, ale argument ten nie został wyraźnie sprawdzony przez prawo. Wyraźnie widać nadchodzące wyzwania prawne, które mogą zmienić krajobraz generatywnej sztucznej inteligencji. Duże wytwórnie filmowe mogą ustanawiać własne modele i szukać przewagi konkurencyjnej dzięki zaletom własnych praw autorskich. Na przykład Microsoft ma pod swoją opieką wiele studiów, zwłaszcza przejęcie Activision Blizzard. 8. Czy przynajmniej na razie, w przeciwieństwie do obszaru sztuki, generatywna sztuczna inteligencja przyniesie ogromne zmiany w obszarze programowania? Inżynieria oprogramowania to kolejne główne źródło kosztów tworzenia gier, ale generowanie kodu za pomocą modeli sztucznej inteligencji wymaga większej liczby testów i walidacji, więc generowanie kodu jest mniej produktywne niż generowanie kreatywnych zasobów. Wierzymy, że narzędzia do kodowania, takie jak Copilot, mogą zapewnić inżynierom niewielką poprawę wydajności, ale nie tak dużą w krótkim okresie, jak zmieniają się obszary treści. Część trzecia: Kilka rekomendacji 1. Zacznij odkrywać generatywną sztuczną inteligencję: Minie trochę czasu, zanim wymyślimy, jak w pełni wykorzystać moc nadchodzącej rewolucji generatywnej sztucznej inteligencji. Firmy, które wcześnie zaczną rozwijać swoją działalność, będą miały przewagę w przyszłości, a kilka studiów prowadzi wewnętrzne projekty eksperymentalne, aby zbadać, w jaki sposób te technologie mogą wpłynąć na produkcję gier. 2. Szukaj możliwości w lukach na rynku. Obecnie wiele elementów całego utworu, np. animacja, głos i dialogi, jest już bardzo zatłoczonych, ale nadal istnieje wiele obszarów szeroko otwartych. Zachęcamy przedsiębiorców zainteresowanych tą dziedziną do skupienia się na obszarach, które są jeszcze niezbadane, jak np. „gra + generatywna ścieżka AI”.