Generatiivinen tekoälyvallankumous peleissä

Ymmärtääksesi, kuinka radikaalisti Generative AI muuttaa pelaamisen, katso tämä äskettäin Twitter post by @emmanuel_2m. Tässä viestissä hän tutkii Stable Diffusion + Dreamboothin, suosittujen 2D Generatiivisten tekoälymallien, käyttöä kuvien luomiseen juomakuvista hypoteettista peliä varten.

Tässä työssä on mullistavaa paitsi se, että se säästää aikaa ja rahaa samalla kun se tuottaa laatua – murskaa näin klassisen "sinulla voi olla vain kaksi kustannus-, laatu- tai nopeus"-kolmiota. Taiteilijat luovat nyt laadukkaita kuvia muutamassa tunnissa, joiden luominen käsin kestäisi muuten viikkoja. Se, mikä on todella mullistavaa, on:

• Tämä luova voima on nyt kaikkien saatavilla, jotka voivat oppia muutaman yksinkertaisen työkalun.
• Nämä työkalut voivat luoda loputtoman määrän muunnelmia erittäin iteratiivisella tavalla.
• Koulutuksen jälkeen prosessi on reaaliaikainen – tulokset ovat saatavilla lähes välittömästi.

Reaaliaikaisen 3D:n jälkeen ei ole ollut näin vallankumouksellista tekniikkaa pelaamiseen. Vietä milloin tahansa puhumalla pelintekijöiden kanssa, ja jännityksen ja ihmetyksen tunne on käsinkosketeltava. Joten mihin tämä tekniikka on menossa? Ja miten se muuttaa pelaamisen? Ensin kuitenkin tarkastellaan, mikä on generatiivinen AI?

SISÄLLYSLUETTELO

Mikä on generatiivinen AI

Generatiivinen tekoäly on koneoppimisen luokka, jossa tietokoneet voivat luoda alkuperäistä uutta sisältöä vastauksena käyttäjän kehotuksiin. Nykyään teksti ja kuvat ovat tämän tekniikan kypsimmät sovellukset, mutta työtä tehdään käytännössä kaikilla luovilla aloilla animaatiosta äänitehosteisiin, musiikkiin ja jopa virtuaalisten hahmojen luomiseen, joilla on täysin konkretisoitunut persoonallisuus.

AI ei tietenkään ole mitään uutta peleissä. Jo varhaisissa peleissä, kuten Atari's Pongissa, oli tietokoneohjattuja vastustajia haastamaan pelaaja. Nämä virtuaaliset viholliset eivät kuitenkaan käyttäneet tekoälyä sellaisena kuin me sen nykyään tunnemme. Ne olivat yksinkertaisesti pelisuunnittelijoiden käsikirjoitettuja menetelmiä. He simuloivat keinotekoisesti älykästä vastustajaa, mutta he eivät voineet oppia, ja he olivat vain yhtä hyviä kuin ohjelmoijat, jotka rakensivat heidät.

Erilaista nyt on käytettävissä olevan laskentatehon määrä nopeampien mikroprosessorien ja pilven ansiosta. Tällä teholla on mahdollista rakentaa suuria neuroverkkoja, jotka voivat tunnistaa kuvioita ja esityksiä erittäin monimutkaisilla aloilla.

Tässä blogikirjoituksessa on kaksi osaa:

• Osa I sisältää havaintojamme ja ennusteitamme pelien generatiivisen tekoälyn alalla.
• Osa II on markkinakarttamme tilasta, jossa hahmotellaan eri segmentit ja tunnistetaan kunkin alueen avainyritykset.

SISÄLLYSLUETTELO

Oletukset

Tutkitaanpa ensin joitain tämän blogikirjoituksen taustalla olevia oletuksia:

1. Tekoälyn yleisen tutkimuksen määrä jatkaa kasvuaan, mikä luo entistä tehokkaampia tekniikoita

Harkitse tätä kaaviota koneoppimisesta tai tekoälystä julkaistujen akateemisten julkaisujen määrästä arXiv arkisto joka kuukausi:

Kuten näette, lehtien määrä kasvaa eksponentiaalisesti, ilman merkkejä hidastumisesta. Ja tämä sisältää vain julkaistut artikkelit – suurta osaa tutkimuksesta ei koskaan edes julkaista, vaan se menee suoraan avoimen lähdekoodin malleihin tai tuotekehitykseen. Tuloksena on räjähdysmäinen kiinnostus ja innovaatio.

2. Kaikesta viihteestä Generative AI vaikuttaa eniten peleihin

Pelit ovat monimutkaisin viihteen muoto, kun otetaan huomioon pelkkä sisältötyyppien lukumäärä (2D-taide, 3D-taide, äänitehosteet, musiikki, dialogi jne.). Pelit ovat myös interaktiivisimpia, ja niissä painotetaan voimakkaasti reaaliaikaisia ​​kokemuksia. Tämä luo jyrkän esteen uusien pelinkehittäjien pääsylle markkinoille sekä jyrkät kustannukset nykyaikaisen, listan kärjessä olevan pelin tuottamiseen. Se luo myös valtavan mahdollisuuden generatiivisen tekoälyn häiriöihin.

Harkitse peliä kuten Red Dead Redemption 2, yksi kalleimmista koskaan valmistetuista peleistä, jonka valmistaminen maksoi lähes 500 miljoonaa dollaria. On helppo ymmärtää miksi – siinä on yksi markkinoiden kauneimmista, täysin toteutetuista virtuaalimaailmoista. Sen rakentaminen kesti myös lähes 8 vuotta, ja siinä on yli 1,000 30 ei-pelattavaa hahmoa (jokaisella on oma persoonallisuutensa, taideteoksensa ja ääninäyttelijä), lähes 100 neliökilometrin kokoinen maailma, yli 6 tehtävää, jotka on jaettu kuuteen lukuun, ja lähes 60 tuntia yli 100 muusikon luomaa musiikkia. Kaikki tässä pelissä on suurta.

Vertaa nyt Red Dead Redemption 2 -peliä Microsoft Flight Simulator, joka ei ole vain suuri, se on valtava. Microsoft Flight Simulator antaa pelaajille mahdollisuuden lentää koko maapallon ympäri, sen kaikki 197 miljoonaa neliökilometriä. Miten Microsoft rakensi niin massiivisen pelin? Antamalla tekoälyn tehdä se. Microsoft teki yhteistyötä blackshark.ai, ja kouluttanut tekoälyn luoda fotorealistinen 3D-maailma 2D-satelliittikuvista.

Tämä on esimerkki pelistä, jota olisi kirjaimellisesti ollut mahdotonta rakentaa ilman tekoälyä, ja lisäksi se hyötyy siitä, että näitä malleja voidaan jatkuvasti parantaa ajan myötä. Ne voivat esimerkiksi parantaa "moottoritien apilanlehti-siltaa" -mallia, ajaa koko rakennusprosessin uudelleen, ja yhtäkkiä kaikki valtatien ylikulkusillat koko planeetalla paranevat.

3. Jokaiselle pelin tuotantoon osallistuvalle omaisuudelle tulee luova tekoälymalli

Toistaiseksi 2D-kuvageneraattorit, kuten Stable Diffusion tai MidJourney, ovat keränneet suurimman osan suositusta jännityksestä Generatiivisen tekoälyn parissa, koska niiden luomat kuvat ovat silmiinpistäviä. Mutta jo nyt on olemassa generatiivisia tekoälymalleja käytännöllisesti katsoen kaikille pelien resursseille 3D-malleista hahmoanimaatioihin, dialogiin ja musiikkiin. Tämän blogikirjoituksen toinen puoli sisältää markkinakartan, joka korostaa joitain yrityksiä, jotka keskittyvät kuhunkin sisältötyyppiin.

4. Sisällön hinta laskee dramaattisesti, ja joissain tapauksissa se laskee käytännössä nollaan.

Kun puhutaan pelikehittäjille, jotka kokeilevat Generative AI:n integroimista tuotantoprosessiinsa, suurin jännitys on ajan ja kustannusten dramaattinen väheneminen. Eräs kehittäjä on kertonut meille, että heidän aikansa luoda konseptitaidetta yhdelle kuvalle alusta loppuun on pudonnut kolmesta viikosta yhteen tuntiin: vähennys 3:sta yhteen. Uskomme, että vastaavat säästöt ovat mahdollisia koko tuotantoputken osalta.

Selvyyden vuoksi taiteilijoita ei ole vaarassa tulla korvaamaan. Se tarkoittaa, että taiteilijoiden ei enää tarvitse tehdä kaikkea työtä itse: he voivat nyt määrittää alkuperäisen luovan suunnan ja siirtää sitten suuren osan aikaa vievästä ja teknisestä toteutuksesta tekoälylle. Tässä he ovat kuin cel-maalaajia käsin piirretyn animaation alkuajoilta, joissa korkeasti koulutetut "musteet" piirsivät animaation ääriviivat, ja sitten halvempien "maalarien" armeijat tekisivät aikaa vievän maalaustyön. animaatioselit, rivien täyttäminen. Se on "automaattinen täydennys" pelien luomiseen.

5. Olemme vielä tämän vallankumouksen lapsenkengissä ja monia käytäntöjä on vielä jalostettava

Kaikesta viimeaikaisesta jännityksestä huolimatta olemme edelleen vasta lähtöviivalla. Edessä on valtava määrä työtä, kun mietimme, kuinka tämä uusi tekniikka voidaan valjastaa peleihin, ja yrityksille, jotka muuttavat nopeasti tähän uuteen tilaan, syntyy valtavia mahdollisuuksia.

SISÄLLYSLUETTELO

Ennusteet

Nämä oletukset huomioon ottaen tässä on joitain ennusteita siitä, kuinka peliala voi muuttua:

1. Generatiivisen tekoälyn tehokkaan käytön oppimisesta tulee markkinoitava taito

Näemme jo nyt joidenkin kokeilijoiden käyttävän Generatiivista tekoälyä tehokkaammin kuin toiset. Tämän uuden teknologian hyödyntäminen parhaalla mahdollisella tavalla edellyttää useiden työkalujen ja tekniikoiden käyttöä ja osaamista pomppia niiden välillä. Ennustamme tästä muodostuvan markkinoitava taito, jossa taiteilijan luova näkemys yhdistyy ohjelmoijan teknisiin taitoihin.

Chris Anderson on kuuluisa sanonnasta: "Jokainen runsaus luo uuden niukkuuden." Kun sisältöä tulee runsaaksi, uskomme, että niistä taiteilijoista, jotka osaavat työskennellä yhteistyössä ja tehokkaimmin tekoälytyökalujen kanssa, on eniten pulaa.

Esimerkiksi Generatiivisen tekoälyn käyttäminen taideteoksen tuotannossa sisältää erityisiä haasteita, kuten:

• Johdonmukaisuus. Kaikkia tuotantoresursseja käytettäessä sinun on voitava tehdä muutoksia tai muokkauksia resurssiin. Tekoälytyökalulla tämä tarkoittaa, että resurssi on pystyttävä toistamaan samalla kehotuksella, jotta voit tehdä muutoksia. Tämä voi olla hankalaa, koska sama kehote voi tuottaa hyvin erilaisia ​​​​tuloksia.
• Tyyli. On tärkeää, että tietyn pelin kaikella taiteella on yhtenäinen tyyli – mikä tarkoittaa, että työkalusi on koulutettava tai muutoin sidottava antamaasi tyyliin.

2. Esteiden alentaminen lisää riskinottoa ja luovaa tutkimista

Saatamme pian olla siirtymässä uuteen pelikehityksen "kultaiseen aikakauteen", jossa alhaisempi pääsyn este johtaa innovatiivisempien ja luovempien pelien räjähdysmäiseen kasvuun. Ei vain siksi, että alhaisemmat tuotantokustannukset vähentävät riskiä, ​​vaan koska nämä työkalut vapauttavat mahdollisuuden luoda korkealaatuista sisältöä laajemmalle yleisölle. Mikä johtaa seuraavaan ennustukseen…

3. Tekoälyavusteisten "mikropelistudioiden" kasvu

Generative AI -työkaluilla ja -palveluilla varustettuna alamme nähdä elinkelpoisempia kaupallisia pelejä pienten, vain yhden tai kahden työntekijän "mikrostudioiden" tuottamina. Ajatus pienestä indie-pelistudiosta ei ole uusi – hittipeli Keskuudessamme sen loi studio Innersloth, jossa on vain 5 työntekijää – mutta näiden pienten studioiden luomien pelien koko ja laajuus kasvavat. Tämä johtaa…

4. Joka vuosi julkaistujen pelien määrän kasvu

Unityn ja Robloxin menestys on osoittanut, että tehokkaiden luovien työkalujen ansiosta pelejä rakennetaan lisää. Generatiivinen tekoäly laskee rimaa entisestään ja luo entistä suuremman määrän pelejä. Ala kärsii jo nyt löytöhaasteista – enemmän kuin 10,000 XNUMX peliä lisättiin Steamiin pelkästään viime vuonna – ja tämä lisää painetta löytöihin. Näemme kuitenkin myös…

5. Luotiin uusia pelityyppejä, jotka eivät olleet mahdollisia ennen Generatiivista tekoälyä

Tulemme näkemään uusia peligenrejä, jotka eivät yksinkertaisesti olisi mahdollisia ilman Generatiivista tekoälyä. Puhuimme jo Microsoftin lentosimulaattorista, mutta keksitään täysin uusia genrejä, jotka riippuvat uuden sisällön reaaliaikaisesta luomisesta.

Harkita Arrowmancer, jonka loitsuharja. Tämä on RPG-peli, jossa on tekoälyn luomia hahmoja käytännössä rajattomasti uusia pelaajia varten.

Tiedämme myös toisen pelikehittäjän, joka käyttää tekoälyä antaakseen pelaajien luoda oman pelin sisäisen avatarinsa. Aiemmin heillä oli kokoelma käsin piirrettyjä avatarkuvia, joita pelaajat saattoivat sekoittaa ja yhdistellä luodakseen avatarinsa – nyt he ovat jättäneet tämän kokonaan pois ja luovat yksinkertaisesti avatar-kuvan pelaajan kuvauksen perusteella. Pelaajien antaminen luoda sisältöä tekoälyn avulla on turvallisempaa kuin antaa pelaajien ladata omaa sisältöään tyhjästä, koska tekoälyä voidaan kouluttaa välttämään loukkaavan sisällön luomista ja samalla antaa pelaajille enemmän omistajuuden tunnetta.

6. Arvo kertyy toimialakohtaisille tekoälytyökaluille, ei vain perusmalleille

Perusmallien, kuten Stable Diffusion ja Midjourney, ympärillä vallitseva jännitys ja surina luovat silmiinpistäviä arvostuksia, mutta jatkuva uusien tutkimusten tulva varmistaa, että uusia malleja tulee ja menee, kun uusia tekniikoita jalostetaan. Harkitse verkkosivuston hakuliikennettä kolmeen suosittuun Generative AI -malliin: Dall-E, Midjourney ja Stable Diffusion. Jokaisella uudella mallilla on vuoronsa valokeilassa.

Vaihtoehtoinen lähestymistapa voi olla rakentaa toimialakohtaisia ​​työkalusarjoja, jotka keskittyvät tietyn toimialan generatiivisiin tekoälytarpeisiin ymmärtäen syvästi tiettyä yleisöä ja integroimalla rikkaasti olemassa oleviin tuotantoputkiin (kuten Unity tai Unreal peleihin).

Hyvä esimerkki on Kiitorata joka kohdistuu videoiden tekijöiden tarpeisiin tekoälyavusteisilla työkaluilla, kuten videoeditointi, vihreän näytön poisto, maalaus ja liikkeen seuranta. Tällaisilla työkaluilla voidaan rakentaa ja kaupallistaa tietty yleisö ja lisätä uusia malleja ajan myötä. Emme ole vielä nähneet Runway for gamesin kaltaista sarjaa ilmestyvän, mutta tiedämme, että se on aktiivisen kehityksen paikka.

7. Oikeudelliset haasteet ovat tulossa

Kaikille näille generatiivisille tekoälymalleille on yhteistä se, että niitä koulutetaan käyttämällä valtavia sisältöaineistoja, jotka usein luodaan kaapamalla itse Internetiä. Esimerkiksi vakaa diffuusio on opetettu yli 5 miljardille kuva/tekstitys-parille, jotka on kaavittu verkosta.

Tällä hetkellä nämä mallit väittävät toimivansa "reilun käytön" tekijänoikeusdoktriinin alaisina, mutta tätä väitettä ei ole vielä lopullisesti testattu oikeudessa. Se näyttää selvältä oikeudellisia haasteita on tulossa mikä todennäköisesti muuttaa generatiivisen tekoälyn maisemaa.

On mahdollista, että suuret studiot hakevat kilpailuetua rakentamalla omia malleja sisäiseen sisältöön, johon heillä on selkeä oikeus ja omistusoikeus. Esimerkiksi Microsoft on erityisen hyvässä asemassa täällä 23 ensijuhlastudiota tänäänja vielä 7 sen jälkeen sen Activisionin osto päättyy.

8. Ohjelmointia ei häiritä yhtä syvästi kuin taiteellista sisältöä – ainakaan vielä

Ohjelmistosuunnittelu on pelien kehittämisen toinen suuri kustannus, mutta kuten kollegamme a16z Enterprise -tiimissä ovat kertoneet äskettäisessä blogikirjoituksessaan, Taide ei ole kuollut, se on vain koneella valmistettua, koodin luominen tekoälymallilla vaatii enemmän testausta ja todentamista, joten tuottavuuden parannus on pienempi kuin luovien resurssien luominen. Koodaustyökalut, kuten Copilot, voivat parantaa insinöörien suorituskykyä, mutta niillä ei ole samaa vaikutusta… ainakaan milloin tahansa.

SISÄLLYSLUETTELO

Suositukset

Näiden ennusteiden perusteella tarjoamme seuraavat suositukset:

1. Aloita generatiivisen tekoälyn tutkiminen nyt

Kestää jonkin aikaa selvittää, kuinka hyödyntää tämän tulevan generatiivisen tekoälyn vallankumouksen teho. Nyt aloittavilla yrityksillä on etua myöhemmin. Tunnemme useita studioita, joilla on meneillään sisäisiä kokeellisia projekteja selvittääkseen, miten nämä tekniikat voivat vaikuttaa tuotantoon.

2. Etsi markkinakartan mahdollisuuksia

Jotkut markkinakartan osat ovat jo erittäin täynnä, kuten Animations tai Speech & Dialog, mutta toiset alueet ovat auki. Kannustamme tästä tilasta kiinnostuneita yrittäjiä keskittämään ponnistelunsa vielä tutkimattomiin alueisiin, kuten "Runway for Games".

SISÄLLYSLUETTELO

Markkinoiden nykytila

Olemme luoneet markkinakartan, joka sisältää luettelon yrityksistä, jotka olemme tunnistaneet kussakin näistä luokista, joissa näemme generatiivisen tekoälyn vaikuttavan peleihin. Tässä blogikirjoituksessa käydään läpi jokainen näistä luokista, selitetään sitä hieman yksityiskohtaisemmin ja tuodaan esiin kunkin luokan jännittävimmät yritykset.

SISÄLLYSLUETTELO

2D-kuvat

2D-kuvien luominen tekstikehotteista on jo nyt yksi generatiivisen tekoälyn laajimmin käytetyistä alueista. Työkalut kuten Keskimatka, Vakaa diffuusioja Dall-E 2 voivat luoda korkealaatuisia 2D-kuvia tekstistä, ja ne ovat jo löytäneet tiensä pelin tuotantoon pelin elinkaaren useissa vaiheissa.

Konseptitaide

Generatiiviset tekoälytyökalut ovat erinomaisia ​​"ideoinnissa" tai auttamaan muita kuin taiteilijoita, kuten pelisuunnittelijoita, tutkimaan konsepteja ja ideoita erittäin nopeasti konseptitaideteoksen luomiseksi, mikä on keskeinen osa tuotantoprosessia. Esimerkiksi yksi studio (jonka pysyy nimettömänä) käyttää useita näistä työkaluista yhdessä nopeuttaakseen radikaalisti konseptitaideprosessiaan. Kuvan luomiseen kuluu yksi päivä, joka aiemmin olisi kestänyt jopa 3 viikkoa.

• Ensinnäkin heidän pelisuunnittelijansa tutkivat Midjourneyn avulla erilaisia ​​ideoita ja luovat inspiroivia kuvia.
• Nämä luovutetaan ammattimaiselle konseptitaiteilijalle, joka kokoaa ne yhteen ja maalaa tuloksen yhtenäiseksi kuvaksi, joka syötetään sitten Stable Diffusioniin joukon muunnelmia varten.
• He keskustelevat näistä muunnelmista, valitsevat yhden, maalaavat joitain muokkauksia manuaalisesti – sitten toistavat prosessia, kunnes he ovat tyytyväisiä tulokseen.
• Anna tässä vaiheessa sitten tämä kuva takaisin Stable Diffusioniin viimeisen kerran "parantaaksesi" sen lopullisen taideteoksen luomiseksi.

2D-tuotanto Art

Jotkut studiot kokeilevat jo samojen työkalujen käyttöä pelien tuotantotaideteoksissa. Esimerkiksi tässä on kiva opetusohjelma Albert Bozesanilta Stable Diffusionin käyttämisestä pelin sisäisten 2D-resurssien luomiseen.

SISÄLLYSLUETTELO

3D-kuvitus

3D-resurssit ovat kaikkien nykyaikaisten pelien rakennuspalikka, samoin kuin tuleva metaverse. Virtuaalinen maailma tai pelitaso on pohjimmiltaan vain kokoelma 3D-resursseja, jotka on sijoitettu ja muokattu täyttämään ympäristön. 3D-aineiston luominen on kuitenkin monimutkaisempaa kuin 2D-kuvan luominen, ja se sisältää useita vaiheita, mukaan lukien 3D-mallin luominen ja tekstuurin ja tehosteiden lisääminen. Animoiduille hahmoille se edellyttää myös sisäisen "luurankon" luomista ja animaatioiden luomista sen päälle.

Näemme useita erilaisia ​​startup-yrityksiä tämän 3D-resurssien luontiprosessin jokaisen vaiheen jälkeen, mukaan lukien mallin luominen, hahmoanimaatio ja tason rakentaminen. Tämä ei kuitenkaan ole vielä ratkaistu ongelma – mikään ratkaisuista ei ole vielä valmis integroitavaksi täysin tuotantoon.

3D omaisuutta

Startup-yrityksiä, jotka yrittävät ratkaista 3D-mallin luomisongelmaa, ovat mm Kaedim, Kangastusja Hypoteettinen. Myös suuret yritykset, mukaan lukien Nvidia, tarkastelevat ongelmaa Hanki 3D ja Autodeskin ClipForge. Kaedim ja Get3d keskittyvät kuvasta 3D:ksi; ClipForge ja Mirage keskittyvät tekstistä 3D:ksi, kun taas Hypothetic on kiinnostunut sekä tekstistä 3D:ksi että kuvasta 3D:ksi.

3D-tekstuurit

3D-malli näyttää vain yhtä realistiselta kuin pintakuvio tai materiaalit, jotka on levitetty verkkoon. Keskiaikaiseen linnamalliin käytettävä sammaleisen, haalistuneen kivirakenteen päättäminen voi muuttaa kohtauksen ulkoasun ja tuntuman täysin. Tekstuurit sisältävät metatietoja valon reagoinnista materiaaliin (esim. karheus, kiilto jne.). Se, että taiteilijat voivat luoda tekstuureja helposti teksti- tai kuvakehotteiden perusteella, on erittäin arvokasta iterointinopeuden lisäämisessä luovassa prosessissa. Useat joukkueet tavoittelevat tätä mahdollisuutta, mukaan lukien BariumAI, ponzuja ArmorLab.

animaatio

Loistavien animaatioiden luominen on yksi aikaa vievimmistä, kalleimmista ja taitavimmista osista pelin luomisprosessissa. Yksi tapa alentaa kustannuksia ja luoda realistisempaa animaatiota on käyttää liikkeenkaappausta, jossa näyttelijä tai tanssija puetaan liikkeensieppauspukuun ja tallennetaan heidän liikkuessaan erityisesti instrumentoidussa liikkeenkaappausvaiheessa.

Näemme nyt generatiivisia tekoälymalleja, jotka voivat tallentaa animaatioita suoraan videosta. Tämä on paljon tehokkaampaa, koska se poistaa kalliin liikkeenkaappauslaitteiston tarpeen ja koska se tarkoittaa, että voit kaapata animaatioita olemassa olevista videoista. Toinen jännittävä näkökohta näissä malleissa on, että niitä voidaan käyttää myös suodattimien lisäämiseen olemassa oleviin animaatioihin, kuten saamaan ne näyttämään humalaisilta, vanhoilta tai onnellisilta. Tämän tilan jälkeen meneviä yrityksiä ovat mm Kinetix, Deep Motion, RADICAL, Siirrä Aija Muovi.

Tasosuunnittelu ja maailmanrakennus

Yksi aikaa vievimmistä pelien luomisen osista on pelimaailman rakentaminen, tehtävä, johon generatiivisen tekoälyn pitäisi sopia hyvin. Pelit, kuten Minecraft, No Man's Sky ja Diablo, ovat jo kuuluisia menettelytekniikoista luodessaan tasojaan, joissa tasot luodaan satunnaisesti, joka kerta erilaisia, mutta tasosuunnittelijan määrittämiä sääntöjä noudattaen. Uuden Unreal 5 -pelimoottorin suuri myyntivaltti on sen kokoelma prosessityökaluja avoimen maailman suunnitteluun, kuten lehtien sijoittamiseen.

Olemme nähneet muutamia aloitteita avaruudessa, kuten Promethean, MLXARtai Metan Rakennusbotti, ja luulen, että on vain ajan kysymys, milloin generatiiviset tekniikat korvaavat suurelta osin prosessitekniikat. Avaruudessa on tehty akateemista tutkimusta jonkin aikaa, mukaan lukien generatiiviset tekniikat Minecraftille or tasosuunnittelu Doomissa.

Toinen pakottava syy odottaa generatiivisia tekoälytyökaluja tasojen suunnittelussa on kyky luoda tasoja ja maailmoja eri tyyleillä. Voisit kuvitella, että kysyisit työkaluja maailman luomiseen 1920-luvun flapper-aikakaudella New York vs. dystopian blade-runner-esque tulevaisuus, vs. Tolkien-tyylinen fantasiamaailma.

Midjourney loi seuraavat käsitteet käyttämällä kehotetta "pelitaso tyyliin..."

Audio-

Ääni ja musiikki ovat suuri osa pelikokemusta. Alamme nähdä yrityksiä, jotka käyttävät Generatiivista tekoälyä äänen tuottamiseen täydentämään jo tehtävää grafiikkapuolella.

Äänitehosteet

Äänitehosteet ovat houkutteleva avoin alue tekoälylle. On ollut akateemiset työt tutkitaan ajatusta tekoälyn käyttämisestä "foley" luomiseen elokuvissa (esim. jalanjälkiä), mutta vain vähän kaupallisia tuotteita peleissä.

Mielestämme tämä on vain ajan kysymys, koska pelien vuorovaikutteinen luonne tekee tästä ilmeisen sovelluksen generatiiviselle tekoälylle sekä luo staattisia äänitehosteita osana tuotantoa ("laser gun sound, Star Wars -tyyliin") ja luoda reaaliaikaisia ​​interaktiivisia äänitehosteita ajon aikana.

Harkitse jotain niin yksinkertaista kuin askeläänten tuottamista pelaajan hahmolle. Useimmat pelit ratkaisevat tämän sisällyttämällä pienen määrän valmiiksi tallennettuja askelääniä: ruoholla käveleminen, soralla kävely, ruoholla juokseminen, soralla juokseminen jne. Näitä on työlästä luoda ja hallita, ja ne kuulostavat toistuvilta ja epärealistisilta ajon aikana.

Parempi lähestymistapa olisi reaaliaikainen generatiivinen tekoälymalli foley-äänitehosteille, jotka voivat tuottaa sopivia äänitehosteita lennossa, hieman eri tavalla joka kerta, jotka reagoivat pelin sisäisiin parametreihin, kuten maan pintaan, hahmon painoon, kävely, jalkineet jne.

Musiikki

Musiikki on aina ollut haaste peleille. Se on tärkeää, koska se voi auttaa asettamaan tunteiden sävyn aivan kuten elokuvissa tai televisiossa, mutta koska pelit voivat kestää satoja tai jopa tuhansia tunteja, se voi nopeasti muuttua toistuvaksi tai ärsyttäväksi. Pelien vuorovaikutteisen luonteen vuoksi voi myös olla vaikeaa, että musiikki vastaa tarkasti näytöllä kulloinkin tapahtuvaa.

Mukautuva musiikki on ollut puheenaihe pelien äänessä yli kahden vuosikymmenen ajan, aina Microsoftin "DirectMusic”järjestelmä interaktiivisen musiikin luomiseen. DirectMusicia ei koskaan sovellettu laajalti, mikä johtuu suurelta osin muotoon säveltämisen vaikeudesta. Vain muutama peli, kuten Monolith Kukaan ei elä ikuisesti, loi todella interaktiivisia partituureja.

Nyt näemme useiden yritysten yrittävän luoda tekoälyn tuottamaa musiikkia, kuten Äänekästä, musico, harmonia, Ääretön albumija aiva. Ja vaikka jotkut työkalut nykyään, kuten Levyautomaatti Open AI, ovat erittäin laskentaintensiivisiä eivätkä voi toimia reaaliajassa. Suurin osa voi toimia reaaliajassa, kun alkuperäinen malli on rakennettu.

Puhe ja dialogi

Monet yritykset yrittävät luoda realistisia ääniä pelin sisäisille hahmoille. Tämä ei ole yllättävää, kun otetaan huomioon pitkä historia, jossa tietokoneille on yritetty antaa ääni puhesynteesin avulla. Yrityksiä ovat mm Sonanttinen, Coqui, Replica Studios, Muistuttaa.ai, Readspeaker.ai, Ja paljon muuta.

Generatiivisen tekoälyn käytöllä puheessa on useita etuja, mikä osittain selittää, miksi tämä tila on niin täynnä.

• Luo dialogi lennossa. Tyypillisesti pelien puhe nauhoitetaan ääninäyttelijöiltä, ​​mutta ne rajoittuvat valmiiksi tallennettuihin puheisiin. Generatiivisen AI-dialogin avulla hahmot voivat sanoa mitä tahansa – mikä tarkoittaa, että he voivat reagoida täysin siihen, mitä pelaajat tekevät. Yhdessä älykkäiden NPC:iden tekoälymallien kanssa (tämän blogin ulkopuolella, mutta yhtä jännittävä innovaatioalue juuri nyt), lupaus peleistä, jotka reagoivat täysin pelaajiin, ovat tulossa pian.
• Roolipelaaminen. Monet pelaajat haluavat leikkiä fantasiahahmoina, jotka eivät juurikaan muistuta heidän todellista identiteettiään. Tämä fantasia kuitenkin katkeaa heti, kun pelaajat puhuvat omalla äänellään. Pelaajan avataria vastaavan generoidun äänen käyttäminen säilyttää tämän illuusion.
  Ohjaus. Kun puhetta luodaan, voit hallita äänen vivahteita, kuten sen tamberia, taivutusta, tunneresonanssia, foneemin pituutta, aksentteja ja paljon muuta.
• Lokalisointi. Mahdollistaa dialogin kääntämisen mille tahansa kielelle ja puhumisen samalla äänellä. Yritykset pitävät Deepdub keskittyvät erityisesti tähän markkinarakoon.

SISÄLLYSLUETTELO

NPC:t tai pelaajahahmot

Monet startup-yritykset haluavat käyttää luovaa tekoälyä luodakseen uskottavia hahmoja, joiden kanssa voit olla vuorovaikutuksessa, osittain siksi, että tällä markkinalla on niin laaja käyttömahdollisuus pelien ulkopuolella, kuten virtuaaliassistentit tai vastaanottovirkailijat.

Pyrkimykset luoda uskottavia hahmoja juontavat juurensa tekoälytutkimuksen alkuun. Itse asiassa tekoälyn klassisen "Turing-testin" määritelmä on, että ihmisen ei pitäisi pystyä erottamaan chat-keskusteluja tekoälyn kanssa ihmisen kanssa.

Tällä hetkellä satoja yrityksiä rakentaa yleiskäyttöisiä chatbotteja, joista monet käyttävät GPT-3:n kaltaisia ​​kielimalleja. Pienempi joukko yrittää rakentaa chatbotteja erityisesti viihdetarkoituksiin, kuten replika ja Anima jotka yrittävät rakentaa virtuaalisia ystäviä. Ajatus virtuaalisen tyttöystävän seurustelusta, jota tutkittiin elokuvassa Her, saattaa olla lähempänä kuin uskotkaan.

Näemme nyt näiden chatbot-alustojen seuraavan iteroinnin, kuten Charisma.ai, Convai.comtai Inworld.ai, jonka tarkoituksena on tehostaa täysin renderöityjä 3D-hahmoja, tunteita ja toimivuutta työkaluilla, joiden avulla luoja voi asettaa näille hahmoille tavoitteita. Tämä on tärkeää, jos he aikovat sopia peliin tai niillä on kerronnallinen paikka juonen eteenpäin viemisessä, verrattuna puhtaasti ikkunapukeutumiseen.

SISÄLLYSLUETTELO

All-in-one-alustat

Yksi menestyneimmistä generatiivisista tekoälytyökaluista yleisesti on Runwayml.com, koska se kokoaa yhteen pakkaukseen laajan valikoiman luontityökaluja. Tällä hetkellä ei ole olemassa sellaista alustaa, joka palvelisi videopelejä, ja tämä on mielestämme huomiotta jätetty mahdollisuus. Haluaisimme sijoittaa ratkaisuun, joka sisältää:

• Täysi sarja generatiivisia tekoälytyökaluja, jotka kattavat koko tuotantoprosessin. (koodi, resurssien luominen, tekstuurit, ääni, kuvaukset jne.)
• Integroitu tiiviisti suosittuihin pelimoottoreihin, kuten Unreal ja Unity.
• Suunniteltu sopimaan tyypilliseen pelin tuotantoputkeen.

SISÄLLYSLUETTELO

Yhteenveto

Tämä on uskomaton aika olla pelin luoja! Osittain tässä blogikirjoituksessa kuvattujen työkalujen ansiosta pelin rakentamiseen tarvittavan sisällön luominen ei ole koskaan ollut näin helppoa – vaikka pelisi olisi koko planeetan kokoinen!

On jopa mahdollista jonakin päivänä kuvitella kokonainen henkilökohtainen peli, joka on luotu vain pelaajaa varten ja perustuu juuri siihen, mitä pelaaja haluaa. Tämä on ollut tieteiskirjallisuudessa jo pitkään – kuten Ender's Gamen "AI Mind Game" tai Star Trekin holodekki. Mutta kun tässä blogikirjoituksessa kuvatut työkalut kehittyvät yhtä nopeasti kuin ne ovat, ei ole vaikea kuvitella, että tämä todellisuus on aivan nurkan takana.

Jos olet perustaja tai mahdollinen perustaja ja olet kiinnostunut AI for Gaming -yrityksen rakentamisesta, ota yhteyttä! Haluamme kuulla sinusta!