آیا بازی «افسانه سیاه: ووکانگ» فقط یک هیولا است؟
اعتراف می کنم وقتی دوستم اینطور از من سؤال کرد، در آن لحظه گاردم را شکستم.
فقط کمتر از نیم روز طول کشید تا متوجه شدم که یانگ جیان باید تا زمان مرگ ببر پیشتاز دستگیر شود، اگر بخواهیم "افسانه سیاه" را پاک کنیم، آیا می توانیم روی هوش مصنوعی حساب کنیم؟
غلت بزنید و جاخالی دهید، فاصله را حفظ کنید و دید واضحی از حرکات هیولا داشته باشید.
وقتش که رسید، مرد سرنوشت ساز ناگهان چوب سنگینش را تاب داد.
با کمک هوش مصنوعی، مجموعهای از کمبوهای روان اجرا شد و باس بدون توانایی مقابله با آن، شکست خورد.
تیم تحقیقاتی علی بابا اخیرا یک چارچوب عامل VARP را پیشنهاد کرده است. و این "اسب" هوش مصنوعی توسط آنها ساخته شده است.
میشه گفت پلاگین نیست ولی از پلاگین بهتره.
GPT هایی که با حکیم بزرگ روبرو شدند واقعاً بدتر از انسان ها نبودند.
هوش مصنوعی در مواجهه با حکیم بزرگ در واقع آنقدرها هم پیچیده نیست.
به طور سنتی، هوش مصنوعی بازی برای به دست آوردن اطلاعات محیطی و داده های عملیات اجرایی به API های بازی متکی است. اما مشکل این است که هر بازی حاضر نیست یک API باز ارائه کند، یا حتی اگر ارائه شود، برخی از API ها فاقد دست و پا هستند و برآوردن نیازهای واقعی را دشوار می کند.
علاوه بر این، روشهای سنتی همیشه احساس میکنند چیزی کم است و نمیتوانند به طور کامل تجربه بازی واقعی بازیکنان انسانی را شبیهسازی کنند.
بر این اساس، تیم تحقیقاتی علی بابا یک چارچوب عامل جدید VARP (Vision Action Role-Playing) را پیشنهاد کرد.
پس از دریافت اسکرین شات های ورودی بازی، فریم ورک عامل VARP استنتاج را با استفاده از مجموعه ای از VLM ها انجام می دهد و در نهایت کدهایی را به شکل پایتون برای کنترل شخصیت بازی تولید می کند که شامل ترکیبی از یک سری دستورات اتمی مانند حمله سبک، اجتناب، حمله سنگین است. ، و بهبود سلامتی صبر کنید.
VARP شامل سه پایگاه دانش است: پایگاه موقعیت، پایگاه عمل، و پایگاه هدایت انسانی، و دو سیستم: سیستم برنامه ریزی اقدام و سیستم مسیر هدایت انسان.
به بیان ساده، سیستم برنامه ریزی اقدام معادل یک کتابدار است که مسئول یافتن مناسب ترین مطالب از کتابخانه موقعیت و کتابخانه اقدام قابل به روز رسانی است.
این سیستم بر اساس اسکرین شات های بازی ورودی، اقداماتی را متناسب با وضعیت فعلی انتخاب یا تولید می کند و سپس این اقدامات و موقعیت ها در این دو کتابخانه ذخیره یا به روز می شوند.
سیستم خط سیر هدایت شده توسط انسان از مجموعه داده های عملیات انسانی برای بهبود عملکرد VARP در کارهای پیچیده مانند کارهای مسیریابی و کارهای دشوار رزمی استفاده می کند.
در کتابخانه اقدام، "def new_func_a()" یک عمل جدید تولید شده توسط سیستم برنامه ریزی اقدام را نشان می دهد، و "def new_func_h()" یک عمل جدید تولید شده توسط سیستم مسیر هدایت شده توسط انسان را نشان می دهد. "def pre_func()" یک عمل از پیش تعریف شده را نشان می دهد.
در بازی "Black Myth Wukong" که در بالا ذکر شد، تیم تحقیقاتی 12 کار را تعیین کردند که 75٪ آنها شامل مبارزه بود و تست های معیار را با استفاده از VLM از جمله GPT-4o، Claude 3.5 Sonnet و Gemini 1.5 pro انجام دادند.
نتایج نشان میدهد که VARP دارای نرخ برندهای تا 90 درصد در کارهای اساسی و نبردهای سختی ساده تا متوسط است. با این حال، هنگامی که با وظایف دشوار روبرو می شوید، عملکرد VARP به راحتی کاهش می یابد و سطح کلی آن هنوز به خوبی بازیکنان انسانی نیست.
علاوه بر این، هنگامی که عامل VARP تصمیمات بازی را پردازش می کند، نمی تواند هر فریم بازی (یعنی صفحه بازی) را در زمان واقعی تجزیه و تحلیل کند زیرا بر سرعت استنتاج مدل زبان بصری (VLM) متکی است.
به عبارت دیگر، نمی تواند به هر اتفاقی که روی صفحه رخ می دهد تقریباً آنی واکنش نشان دهد، مانند یک بازیکن انسانی. درعوض، فقط میتواند هر چند ثانیه یک بار فیلم بازی را پردازش کند و برخی از فریمهای مهم (فریمهای کلیدی) را برای تجزیه و تحلیل و تصمیمگیری انتخاب کند.
زمانی که «افسانه سیاه: ووکونگ» به فضا پرتاب شد، به دلیل نداشتن نقشه واضح و تعداد زیادی «دیواره هوایی» مورد انتقاد قرار گرفت، بنابراین، بدون کمک محققان، هوش مصنوعی مانند مگسی بی سر خواهد بود که قادر به یافتن آن نیست رئیس
هوش مصنوعی مولد آتش تغییر جهان را شعله ور کرده است و قبل از اینکه وارد آگاهی عمومی شود، پیوند شهودی تر مردم عادی با هوش مصنوعی ممکن است بیشتر از بازی ها نشات گرفته باشد.
هوش مصنوعی در تاریخ بازی های ویدیویی بسیار مهمتر از آن چیزی است که فکر می کردیم
شاید خیلیها فکر نمیکردند که یکی از اولین بازیهایی که روی قطار هوش مصنوعی میپرد، بازی کلاسیک «Pac-Man» باشد.
لازمه پیروزی بازیکن، خوردن تمام لوبیاهای موجود در پیچ و خم است و ارواح رنگارنگ به ظاهر احمقانه، الگوریتم های تعقیب و گریز متفاوتی دارند و بازیکن را در مسیرها و راه های مختلف تعقیب خواهند کرد.
حرکات الگوریتم هر روح بسیار ساده است و هیچ گونه توانایی یادگیری ندارد وقتی بازیکن این قوانین را درک کند، دشواری بازی به شدت کاهش می یابد.
"Metal Gear Solid" که در سال 1987 راه اندازی شد، نقطه عطف مهم دیگری در هوش مصنوعی بازی بود.
شخصیت های هوش مصنوعی در بازی شروع به نشان دادن الگوهای رفتاری پیچیده تری کردند و برای اولین بار مکانیزم واکنش خصمانه به بازیکنان معرفی شد. در این بازی، اگر بازیکن توسط دشمن کشف شود، دشمن سیستم هشدار را راه اندازی می کند، برای کمک فراخوان می دهد، مسیرهای گشت زنی را تغییر می دهد و حتی تله هایی می گذارد.
بعداً، اگر روند توسعه هوش مصنوعی و بازی ها به طور خلاصه در مجموعه ای از رویدادهای برجسته ذکر شود، تقریباً به شرح زیر است:
- در سال 1997، "دیپ آبی" IBM، قهرمان جهان انسان را در یک مسابقه شطرنج شکست داد، که یک پیشرفت بزرگ برای هوش مصنوعی در بازی های شطرنج بود.
- در سال 2004، "Half-Life 2" منتشر شد.
- در سال 2011، "واتسون" از IBM، قهرمان انسان را در نمایش مسابقه "خطر" که نشان دهنده پیشرفت هوش مصنوعی در پردازش زبان طبیعی و استدلال دانش بود، شکست داد.
- در سال 2016، AlphaGo در بازی Go Lee Sedol را شکست داد و یک پیشرفت بزرگ برای هوش مصنوعی در بازی های استراتژی پیچیده بود.
- در سال 2018، «Red Dead Redemption 2» منتشر شد، سطح تعامل بین شخصیتهای هوش مصنوعی بازی و محیط بسیار بهبود یافت و یک تجربه بازی بسیار واقعی را ارائه داد.
- در سال 2020، NVIDIA فناوری DLSS را راهاندازی کرد که از هوش مصنوعی برای تسریع رندر گرافیک و بهبود عملکرد بازی و کیفیت تصویر استفاده میکند.
با نگاهی به محیط فعلی بازی، بازی همچنان بر روی همراهی تمرکز دارد و هوش مصنوعی مانند یک تقویت کننده است که این همراهی را بارها تقویت می کند.
در نمایشگاه CES امسال، انویدیا از Avatar Cloud Engine (ACE) برای زنده کردن NPC های بازی استفاده کرد و محبوب شد.
در یک نسخه نمایشی به نام Kairos، بازیکنان توانستند با جین، صاحب فروشگاه رامن، ارتباط برقرار کنند. اگرچه جین فقط یک NPC است، اما با کمک هوش مصنوعی مولد، مانند یک شخص واقعی به سوالات پاسخ می دهد.
ترکیب هوش مصنوعی و بازی همیشه ترکیبی از عشق و نفرت بوده است.
به عنوان مثال بازی های رقابتی را در نظر بگیرید در گذشته، روش فقط تنظیم سختی بود، اما اکنون تقلید از عملیات انسانی برای واقعی تر کردن تجربه بازی است.
طرفداران بر این باورند که وقتی هوش مصنوعی شبیهسازی انسان به حریف یا هم تیمی تبدیل میشود، به نوبه خود میتواند حس رقابتی بازی را به دلیل کمبود بازیکنان واقعی افزایش دهد.
این نیز نقطه ضعفی است که میزان نگهداری بازیکنان بهبود یافته است، اما تحت کنترل سیستم، بازیکنان نمی توانند از گرداب بازی شدن توسط هوش مصنوعی فرار کنند.
در مرحله اول کلمات پررنگ، در مرحله میانی مزخرف و در مرحله بعدی سکوت وجود داشت.
وقتی تمام شب را فقط برای بردن یک بازی دیگر بیدار می مانیم، تشخیص اینکه در حال انجام بازی هستیم یا بازی با ما بازی می کند، سخت است. به خصوص وقتی متوجه می شوید که هم تیمی های شما ممکن است هوش مصنوعی باشند، احساس ناتوانی مانند ضربه مشت به پنبه است.
قلبم نرم شد و تمرکز نداشت.
پیغمبر هوانگ پیر! آیا بازی های آینده توسط هوش مصنوعی تولید خواهند شد؟
حتی یک مبتدی برنامه نویسی می تواند از هوش مصنوعی برای بازی کردن استفاده کند.
چند سال پیش، این احتمالاً چیزی بود که فقط در رویاها قابل تصور بود، اما ورود هوش مصنوعی مولد به همه این فضای واقعی برای پیاده سازی داده است.
در مقیاس کوچکتر، مانند ایجاد یک GPT و بازی کردن داستان در مقیاس بزرگتر، این یک بازی برنامه کوچک است که با کمک هوش مصنوعی تولید شده است، اگرچه تعامل آنچنان جالب نیست، اما بهتر از گرافیک غنی است.
اگر همه چیز را یک قدم جلوتر برداریم، حتی بازی های سطح شاهکار 3A ممکن است مستقیماً از طریق رندر هوش مصنوعی در آینده تولید شوند.
سال گذشته، جنسن هوانگ، بنیانگذار انویدیا، پیشبینی کرد که هر پیکسل در بازیهای آینده به جای رندر، تولید میشود. وقتی این موضوع در آن زمان گفته می شد، ممکن بود همه هنوز مردد باشند، اما اکنون، نتایج تحقیقات بیشتر و بیشتری امکان اجرای این کار را پیدا کرده است.
به طور معمول، بسته به پیچیدگی طراحی، ایجاد یک محیط برای یک بازی کوچک ممکن است یک هفته و برای یک پروژه استودیویی بیشتر طول بکشد.
ماه گذشته، Google DeepMind اولین «موتور بازی هوش مصنوعی» GameNGen خود را معرفی کرد.
این می تواند بازی تیراندازی کلاسیک "Doom" را در زمان واقعی با سرعت بیش از 20 فریم در ثانیه بر روی یک تراشه TPU شبیه سازی کند. این با استفاده از یک مدل انتشار برای پیشبینی هر فریم در زمان واقعی کار میکند، به این معنی که هر لحظه در بازی در زمان واقعی بر اساس تعاملات پیچیده اقدامات بازیکن و محیط ایجاد میشود.
در آن زمان، جیم فن، دانشمند ارشد انویدیا، نمیتوانست آهی بکشد که «Doom» که بهطور وحشیانه توسط هکرها در مکانهای مختلف اجرا میشد، در واقع در یک مدل انتشار خالص پیادهسازی شد و هر پیکسل تولید شد.
بعداً نتایج مشابه بیشتری ظاهر می شود.
چندی پیش، Tencent نیز یک حرکت بزرگ انجام داد و یک مدل بزرگ به طور خاص برای بازی های جهان باز AAA – GameGen-O – راه اندازی کرد.
GameGen-O ساده نیست. کیفیت صحنه های بازی نیز بسیار بالاست.
برای ساخت مجموعه داده، Tencent که پول زیادی خرج کرد، بیش از 32000 ویدیوی بازی را جمع آوری کرد، هر ویدیو به اندازه چند دقیقه یا چند ساعت کوتاه بود و سپس 15000 ویدیوی موجود را از طریق داده های دستی انتخاب کرد. حاشیه نویسی
این ویدیوهای مدیریتشده از طریق تشخیص صحنه به بخشهایی تقسیم میشوند و سپس بر اساس زیباییشناسی، تحلیل جریان نوری و محتوای معنایی بهشدت مرتب و فیلتر میشوند.
Electronic Arts، یک توسعهدهنده بازی آمریکایی، اخیراً از طریق ویدیوی «از تخیل تا خلقت» آیندهای روشن را برای هوش مصنوعی در توسعه بازی به صنعت نشان داد.
در این ویدئو، بازیکنان میتوانند از ابزارهای هوش مصنوعی برای ایجاد صحنههای بازی، شخصیتها و سایر محتواها تنها با دستورالعملهای ساده استفاده کنند.
اندرو ویلسون، مدیرعامل این شرکت گفت که هوش مصنوعی مولد میتواند بیش از نیمی از فرآیندهای توسعه شرکت را در آینده بهبود بخشد و انتظار میرود که جهانهای بازی بزرگتر و همهجانبهتر را ظرف سه تا پنج سال طراحی و ایجاد کند.
هوش مصنوعی نه تنها میتواند کارایی توسعه بازیهای موجود را بهبود بخشد، بلکه به طور بالقوه تجربههای جدیدی از بازی ایجاد میکند.
شاید بگویید مهم نیست از چه فناوری پیشرفته ای در بازی استفاده شده است، در تحلیل نهایی، لذت پادشاه است.
اما زمانی که GTA 6 مکرراً به تعویق افتاده و برای مدت طولانی غایب بوده است، ممکن است این ایده را هم داشته باشیم که خودمان این کار را انجام دهیم و غذا و لباس کافی داشته باشیم.
به هر حال، احساس بسیار خوبی خواهد داشت اگر من شخصاً بتوانم در آینده یک "شهر گناه" ایجاد کنم.
# خوش آمدید به دنبال حساب عمومی رسمی ویچت aifaner: aifaner (شناسه WeChat: ifanr در اسرع وقت در اختیار شما قرار خواهد گرفت).
Ai Faner |. لینک اصلی · مشاهده نظرات · Sina Weibo