صنعت بازی های ویدیویی، اکنون ارزش دارد 347 میلیارد دلار، به یک بازیگر مهم در دنیای سرگرمی تبدیل شده است و بیش از سه میلیارد نفر را در سراسر جهان درگیر کرده است. چیزی که با عناوین ساده شروع شد پنگ و مهاجمان فضایی به بازی های پیچیده تری مانند Doom تبدیل شده است که استانداردهای جدیدی را با تصاویر سه بعدی و تجربه کنسول خانگی خود تعیین می کند. امروزه این صنعت تحت تاثیر پیشرفت های هوش مصنوعی (AI) در آستانه عصر جدیدی قرار دارد. گوگل پیشرو این تحول است که از منابع و فناوری گسترده خود برای بازتعریف نحوه ایجاد، بازی و تجربه بازی های ویدیویی استفاده می کند. این مقاله به بررسی سفر گوگل در تعریف مجدد بازی های ویدیویی می پردازد.
آغاز: هوش مصنوعی برای بازی‌های آتاری
استفاده گوگل از هوش مصنوعی در بازی های ویدیویی با یک پیشرفت حیاتی آغاز شد: ایجاد یک هوش مصنوعی که قادر به تشخیص محیط های بازی و واکنش مانند یک بازیکن انسانی باشد. در این کار اولیه، الف را معرفی کردند عامل یادگیری تقویتی عمیق که می تواند استراتژی های کنترل را مستقیماً از گیم پلی بیاموزد. مرکز این توسعه یک شبکه عصبی کانولوشن بود که با استفاده از آن آموزش دیده بود یادگیری کیو، که پیکسل های خام صفحه را پردازش می کند و آنها را بر اساس وضعیت فعلی به اقدامات خاص بازی تبدیل می کند.
محققان این مدل را برای هفت مورد استفاده کردند آتاری 2600 بازی بدون تغییر معماری یا الگوریتم یادگیری. نتایج چشمگیر بود – این مدل در شش بازی از روش های قبلی بهتر عمل کرد و در سه بازی از عملکرد انسان پیشی گرفت. این پیشرفت پتانسیل هوش مصنوعی را برای مدیریت بازی های ویدیویی پیچیده و تعاملی با چیزی بیش از ورودی بصری برجسته کرد.
این پیشرفت، زمینه را برای دستاوردهای بعدی، مانند DeepMind ایجاد کرد AlphaGo شکست دادن یک قهرمان جهان Go موفقیت عوامل هوش مصنوعی در تسلط بر بازی های چالش برانگیز از آن زمان به تحقیقات بیشتر در مورد برنامه های کاربردی دنیای واقعی، از جمله سیستم های تعاملی و روباتیک منجر شده است. تاثیر این توسعه هنوز در زمینه های یادگیری ماشینی و هوش مصنوعی امروزی احساس می شود.
AlphaStar: هوش مصنوعی برای یادگیری استراتژی بازی پیچیده برای StarCraft II
گوگل با تکیه بر موفقیت های اولیه خود در هوش مصنوعی، چالش پیچیده تری را در نظر گرفت: StarCraft II. این بازی استراتژی بی‌درنگ به دلیل پیچیدگی‌اش شناخته شده است، زیرا بازیکنان باید ارتش‌ها را کنترل کنند، منابع را مدیریت کنند و استراتژی‌ها را در زمان واقعی اجرا کنند. در سال 2019 گوگل معرفی کرد آلفا استاریک عامل هوش مصنوعی که قادر است StarCraft II را به صورت حرفه ای بازی کند.
توسعه AlphaStar از ترکیبی از یادگیری تقویتی عمیق و یادگیری تقلیدی. ابتدا با تماشای تکرار بازیکنان حرفه‌ای یاد گرفت، سپس از طریق خودبازی، اجرای میلیون‌ها مسابقه برای اصلاح استراتژی‌های خود، بهبود یافت. این دستاورد توانایی هوش مصنوعی را در مدیریت بازی‌های استراتژی پیچیده و بی‌درنگ نشان داد و نتایجی را به دست آورد که با بازیکنان انسانی مطابقت داشت.
فراتر از بازی های فردی: به سوی هوش مصنوعی عمومی تر برای بازی ها
آخرین پیشرفت گوگل نشان دهنده حرکت از تسلط بر بازی های فردی به ایجاد یک عامل هوش مصنوعی همه کاره تر است. اخیراً محققان گوگل معرفی کرده اند سیما، مخفف Scalable Instructable Multiworld Agent، یک مدل هوش مصنوعی جدید که برای حرکت در محیط های مختلف بازی با استفاده از دستورالعمل های زبان طبیعی طراحی شده است. برخلاف مدل‌های قبلی که نیاز به دسترسی به کد منبع بازی یا APIهای سفارشی داشتند، SIMA با دو ورودی کار می‌کند: تصاویر روی صفحه و دستورات زبانی ساده.
سیما این دستورالعمل ها را به عملکردهای صفحه کلید و ماوس برای کنترل شخصیت مرکزی بازی ترجمه می کند. این روش به آن اجازه می دهد تا با تنظیمات مختلف مجازی به گونه ای تعامل داشته باشد که آینه بازی انسان باشد. تحقیقات نشان داده است که هوش مصنوعی آموزش‌دیده در چند بازی بهتر از آنهایی است که در یک مسابقه آموزش داده شده‌اند، و پتانسیل SIMA را برای پیشبرد عصر جدیدی از هوش مصنوعی عمومی یا پایه برای بازی‌ها برجسته می‌کند.
هدف کار مداوم Google، گسترش قابلیت‌های SIMA است، و بررسی می‌کند که چگونه می‌توان چنین عامل‌های همه کاره و زبان محور را در محیط‌های مختلف بازی توسعه داد. این توسعه نشان‌دهنده گامی مهم در جهت ایجاد هوش مصنوعی است که می‌تواند در زمینه‌های مختلف تعاملی سازگار و رشد کند.
هوش مصنوعی مولد برای طراحی بازی
اخیرا گوگل تمرکز خود را از بهبود گیم پلی به توسعه ابزارهایی که از طراحی بازی پشتیبانی می کنند، گسترش داده است. این تغییر به دلیل پیشرفت در هوش مصنوعی مولد، به ویژه در تولید تصویر و ویدئو انجام می شود. یکی از پیشرفت های مهم استفاده از هوش مصنوعی برای ایجاد تطبیق پذیر است شخصیت های غیر بازیکن (NPC) که به اقدامات بازیکن به روش های واقعی تر و غیرقابل پیش بینی پاسخ می دهند.
علاوه بر این، گوگل تولید محتوای رویه‌ای را بررسی کرده است، جایی که هوش مصنوعی به طراحی سطوح، محیط‌ها و کل دنیای بازی بر اساس قوانین یا الگوهای خاص کمک می‌کند. این روش می‌تواند توسعه را ساده‌تر کند و تجربه‌های منحصربه‌فرد و شخصی‌سازی‌شده را در هر بازی به بازیکنان ارائه دهد و حس کنجکاوی و انتظار را برانگیزد. یک مثال قابل توجه این است جن، ابزاری که کاربران را قادر می سازد تا با ارائه تصویر یا توضیحات، بازی های ویدئویی دو بعدی طراحی کنند. این رویکرد توسعه بازی را حتی برای کسانی که مهارت های برنامه نویسی ندارند، قابل دسترس تر می کند.
نوآوری Genie در توانایی آن برای یادگیری از فیلم‌های ویدئویی مختلف بازی‌های پلتفرمر دوبعدی به جای تکیه بر دستورالعمل‌های صریح یا داده‌های برچسب‌گذاری شده نهفته است. این توانایی به Genie اجازه می دهد تا مکانیک بازی، فیزیک و عناصر طراحی را به طور موثرتری درک کند. کاربران می‌توانند با یک ایده یا طرح اولیه شروع کنند و Genie یک محیط کامل بازی شامل تنظیمات، شخصیت‌ها، موانع و مکانیک‌های گیم‌پلی را ایجاد می‌کند.
هوش مصنوعی مولد برای توسعه بازی
گوگل با تکیه بر پیشرفت‌های قبلی، اخیراً بلندپروازانه‌ترین پروژه خود را با هدف ساده‌سازی فرآیند توسعه پیچیده و زمان‌بر بازی که به طور سنتی نیازمند کدنویسی گسترده و مهارت‌های تخصصی است، معرفی کرده است. اخیرا معرفی کردند GameNGenیک ابزار هوش مصنوعی مولد است که برای ساده کردن فرآیند توسعه بازی طراحی شده است. GameNGen به توسعه دهندگان این امکان را می دهد تا کل جهان ها و روایت های بازی را با استفاده از اعلان های زبان طبیعی بسازند و زمان و تلاش لازم برای ایجاد یک بازی را به میزان قابل توجهی کاهش دهند. با استفاده از هوش مصنوعی مولد، GameNGen می‌تواند دارایی‌ها، محیط‌ها و داستان‌های منحصربه‌فرد بازی را ایجاد کند و توسعه‌دهندگان را قادر می‌سازد تا بیشتر بر خلاقیت تمرکز کنند تا نکات فنی. به عنوان مثال، محققان از GameNGen برای توسعه نسخه کامل استفاده کرده اند عذاب، قابلیت های خود را نشان می دهد و راه را برای فرآیند ساخت بازی کارآمدتر و در دسترس تر هموار می کند.
فناوری پشت GameNGen شامل یک فرآیند آموزشی دو مرحله ای است. ابتدا یک عامل هوش مصنوعی برای بازی Doom آموزش داده می شود و داده های گیم پلی را ایجاد می کند. سپس این داده ها یک مدل هوش مصنوعی مولد را آموزش می دهد که فریم های آینده را بر اساس اقدامات و تصاویر قبلی پیش بینی می کند. نتیجه یک مدل انتشار مولد است که قادر به تولید گیم پلی در زمان واقعی بدون اجزای موتور بازی سنتی است. این تغییر از کدنویسی دستی به نسل مبتنی بر هوش مصنوعی، نقطه عطف قابل توجهی در توسعه بازی است و راهی کارآمدتر و در دسترس برای ایجاد بازی های با کیفیت بالا برای استودیوهای کوچکتر و سازندگان فردی ارائه می دهد.
خط پایین
پیشرفت های اخیر گوگل در زمینه هوش مصنوعی قرار است اساساً صنعت بازی را تغییر دهد. با ابزارهایی مانند GameNGen که امکان ایجاد دنیای بازی های دقیق را فراهم می کند و SIMA تعاملات گیم پلی همه کاره را ارائه می دهد، هوش مصنوعی نه تنها نحوه ساخت بازی ها، بلکه نحوه تجربه آنها را نیز متحول می کند.
همانطور که هوش مصنوعی به تکامل خود ادامه می دهد، نوید افزایش خلاقیت و کارایی در توسعه بازی را می دهد. توسعه دهندگان فرصت های جدیدی برای کشف ایده های نوآورانه و ارائه تجربیات جذاب تر و همهجانبه خواهند داشت. این تغییر لحظه مهمی را در تکامل مداوم بازی‌های ویدیویی نشان می‌دهد و بر نقش رو به رشد هوش مصنوعی در شکل‌دهی به آینده سرگرمی‌های تعاملی تاکید می‌کند.
