การปฏิวัติ AI แบบกำเนิดในเกม

เพื่อทำความเข้าใจว่าเกมกำลังจะถูกเปลี่ยนโดยเจเนเรทีฟ AI อย่างไร ไม่ต้องมองหาอะไรมากไปกว่านี้ โพสต์ Twitter by @emmanuel_2m. ในโพสต์นี้ เขาสำรวจโดยใช้ Stable Diffusion + Dreambooth ซึ่งเป็นโมเดล 2D Generative AI ยอดนิยม เพื่อสร้างภาพยาสำหรับเกมสมมุติ

สิ่งที่เปลี่ยนแปลงเกี่ยวกับงานนี้ไม่ใช่แค่ช่วยประหยัดเวลาและเงินในขณะเดียวกันก็ส่งมอบคุณภาพด้วย ดังนั้นจึงทำลายสามเหลี่ยมคลาสสิกที่ว่า "คุณมีต้นทุน คุณภาพ หรือความเร็วได้เพียงสองอย่าง" ขณะนี้ศิลปินกำลังสร้างภาพคุณภาพสูงในเวลาไม่กี่ชั่วโมงซึ่งอาจใช้เวลาหลายสัปดาห์ในการสร้างด้วยมือ สิ่งที่เปลี่ยนแปลงอย่างแท้จริงคือ:

• พลังสร้างสรรค์นี้มีให้สำหรับทุกคนที่สามารถเรียนรู้เครื่องมือง่ายๆ
• เครื่องมือเหล่านี้สามารถสร้างรูปแบบต่างๆ ได้ไม่รู้จบด้วยวิธีทำซ้ำๆ
• เมื่อผ่านการฝึกอบรมแล้ว กระบวนการจะเป็นแบบเรียลไทม์ ผลลัพธ์จะพร้อมใช้งานเกือบจะในทันที

ไม่มีเทคโนโลยีใดที่ปฏิวัติการเล่นเกมได้เท่านี้มาก่อน นับตั้งแต่ 3D แบบเรียลไทม์ ใช้เวลาพูดคุยกับผู้สร้างเกมและรู้สึกถึงความตื่นเต้นและความประหลาดใจที่สัมผัสได้ แล้วเทคโนโลยีนี้จะไปถึงไหน? และมันจะพลิกโฉมการเล่นเกมได้อย่างไร? ก่อนอื่นเรามาทบทวนกันก่อนว่า Generative AI คืออะไร?

สารบัญ

เจเนอเรทีฟเอไอคืออะไร

เจเนอเรทีฟเอไอเป็นหมวดหมู่ของแมชชีนเลิร์นนิงที่คอมพิวเตอร์สามารถสร้างเนื้อหาต้นฉบับใหม่เพื่อตอบสนองต่อการแจ้งเตือนจากผู้ใช้ ทุกวันนี้ข้อความและรูปภาพเป็นแอปพลิเคชันที่พัฒนาเต็มที่ที่สุดของเทคโนโลยีนี้ แต่มีงานที่กำลังดำเนินการอยู่ในแทบทุกโดเมนการสร้างสรรค์ ตั้งแต่แอนิเมชัน เอฟเฟ็กต์เสียง ไปจนถึงดนตรี ไปจนถึงการสร้างตัวละครเสมือนจริงที่มีบุคลิกที่สมบูรณ์

AI ไม่ใช่เรื่องใหม่ในเกมแน่นอน แม้แต่เกมแรกอย่างเช่น Atari's Pong ก็มีคู่ต่อสู้ที่ควบคุมด้วยคอมพิวเตอร์เพื่อท้าทายผู้เล่น อย่างไรก็ตาม ศัตรูเสมือนเหล่านี้ไม่ได้ใช้งาน AI อย่างที่เรารู้ในปัจจุบัน เป็นเพียงขั้นตอนสคริปต์ที่สร้างขึ้นโดยนักออกแบบเกม พวกเขาจำลองคู่ต่อสู้ที่ฉลาดเกินจริง แต่พวกเขาเรียนรู้ไม่ได้ และเก่งพอๆ กับโปรแกรมเมอร์ที่สร้างพวกเขาขึ้นมาเท่านั้น

สิ่งที่แตกต่างกันในตอนนี้คือปริมาณของพลังการประมวลผลที่มี ต้องขอบคุณไมโครโปรเซสเซอร์ที่เร็วกว่าและระบบคลาวด์ ด้วยพลังนี้ จึงเป็นไปได้ที่จะสร้างโครงข่ายประสาทเทียมขนาดใหญ่ที่สามารถระบุรูปแบบและการแสดงแทนในโดเมนที่มีความซับซ้อนสูงได้

โพสต์บล็อกนี้มีสองส่วน:

• ส่วนที่ XNUMX ประกอบด้วยการสังเกตและการคาดการณ์ของเราในด้าน Generative AI สำหรับเกม
• ส่วนที่ II คือแผนที่ตลาดของเราในพื้นที่ โดยสรุปกลุ่มต่างๆ และระบุบริษัทหลักในแต่ละส่วน

สารบัญ

สมมติฐาน

ขั้นแรก เรามาสำรวจสมมติฐานบางประการที่เป็นรากฐานของส่วนที่เหลือของโพสต์บล็อกนี้:

1. จำนวนการวิจัยที่กำลังดำเนินการเกี่ยวกับ AI ทั่วไปจะเพิ่มขึ้นอย่างต่อเนื่อง ทำให้เกิดเทคนิคที่มีประสิทธิภาพมากขึ้นเรื่อยๆ

พิจารณากราฟนี้ของจำนวนเอกสารทางวิชาการที่เผยแพร่เกี่ยวกับการเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ใน ไฟล์เก็บถาวร arXiv แต่ละเดือน:

อย่างที่คุณเห็น จำนวนเอกสารเพิ่มขึ้นอย่างทวีคูณโดยไม่มีวี่แววว่าจะช้าลง และนี่รวมถึงเอกสารที่เผยแพร่แล้ว งานวิจัยส่วนใหญ่ไม่เคยได้รับการเผยแพร่เลยด้วยซ้ำ ไปที่โมเดลโอเพ่นซอร์สหรือผลิตภัณฑ์ R&D โดยตรง ผลที่ตามมาคือการระเบิดของความสนใจและนวัตกรรม

2. ในบรรดาความบันเทิงทั้งหมด เกมจะได้รับผลกระทบจาก Generative AI มากที่สุด

เกมเป็นรูปแบบความบันเทิงที่ซับซ้อนที่สุด ในแง่ของประเภทเนื้อหาจำนวนมากที่เกี่ยวข้อง (ศิลปะ 2 มิติ ศิลปะ 3 มิติ เอฟเฟ็กต์เสียง ดนตรี บทสนทนา ฯลฯ) เกมยังเป็นเกมที่มีการโต้ตอบมากที่สุด โดยเน้นที่ประสบการณ์แบบเรียลไทม์เป็นอย่างมาก สิ่งนี้สร้างอุปสรรคสูงชันในการเข้าสู่ตลาดสำหรับนักพัฒนาเกมรายใหม่ รวมถึงต้นทุนที่สูงลิ่วในการผลิตเกมที่ทันสมัยและติดอันดับ นอกจากนี้ยังสร้างโอกาสอันยิ่งใหญ่สำหรับการหยุดชะงักของ Generative AI

พิจารณาเกมที่ชอบ แดง 2 ตายไถ่ถอนซึ่งเป็นหนึ่งในเกมที่แพงที่สุดที่เคยผลิตมา โดยใช้เงินเกือบ 500 ล้านเหรียญสหรัฐในการสร้าง เป็นเรื่องง่ายที่จะเข้าใจว่าทำไม – มันมีโลกเสมือนจริงที่สวยงามที่สุดเกมหนึ่งในตลาด นอกจากนี้ยังใช้เวลาสร้างเกือบ 8 ปี มีตัวละครที่เล่นไม่ได้มากกว่า 1,000 ตัว (แต่ละตัวมีบุคลิก อาร์ตเวิร์ก และเสียงพากย์ของตัวเอง) โลกขนาดเกือบ 30 ตารางไมล์ ภารกิจมากกว่า 100 ภารกิจแบ่งออกเป็น 6 บท และ เพลงเกือบ 60 ชั่วโมงที่สร้างสรรค์โดยนักดนตรีกว่า 100 คน ทุกอย่างเกี่ยวกับเกมนี้เป็นเรื่องใหญ่

ตอนนี้เปรียบเทียบ Red Dead Redemption 2 กับ Microsoft Flight Simulatorซึ่งไม่เพียงแค่ใหญ่เท่านั้น แต่ยังมหาศาลอีกด้วย Microsoft Flight Simulator ช่วยให้ผู้เล่นสามารถบินไปรอบโลกทั้งหมด 197 ล้านตารางไมล์ Microsoft สร้างเกมขนาดใหญ่เช่นนี้ได้อย่างไร โดยให้ AI ทำ ไมโครซอฟต์ร่วมมือกับ blackshark.aiและฝึก AI ให้ สร้างโลก 3 มิติเสมือนจริงจากภาพถ่ายดาวเทียม 2 มิติ.

นี่เป็นตัวอย่างเกมที่ไม่สามารถสร้างได้อย่างแท้จริงหากปราศจากการใช้ AI และยิ่งไปกว่านั้น ประโยชน์จากข้อเท็จจริงที่ว่าโมเดลเหล่านี้สามารถปรับปรุงได้อย่างต่อเนื่องเมื่อเวลาผ่านไป ตัวอย่างเช่น พวกเขาสามารถปรับปรุงโมเดล "สะพานลอยใบโคลเวอร์ทางหลวง" เรียกใช้กระบวนการสร้างใหม่ทั้งหมด และทันใดสะพานลอยทางหลวงทั้งหมดบนโลกใบนี้ก็ได้รับการปรับปรุง

3. จะมีโมเดล AI กำเนิดสำหรับทุกสินทรัพย์ที่เกี่ยวข้องกับการผลิตเกม

จนถึงตอนนี้ เครื่องกำเนิดภาพ 2 มิติ เช่น Stable Diffusion หรือ MidJourney ได้จับภาพความตื่นเต้นที่ได้รับความนิยมส่วนใหญ่เหนือ Generative AI เนื่องจากลักษณะภาพที่สะดุดตาที่พวกเขาสามารถสร้างได้ แต่มีโมเดล Generative AI สำหรับเนื้อหาเกือบทั้งหมดที่เกี่ยวข้องกับเกม ตั้งแต่โมเดล 3 มิติ ไปจนถึงภาพเคลื่อนไหวของตัวละคร ไปจนถึงบทสนทนาและเพลง ครึ่งหลังของบล็อกโพสต์นี้มีแผนที่ตลาดที่เน้นบางบริษัทที่มุ่งเน้นไปที่เนื้อหาแต่ละประเภท

4. ราคาของเนื้อหาจะลดลงอย่างรวดเร็วจนเป็นศูนย์ในบางกรณี

เมื่อพูดคุยกับนักพัฒนาเกมที่กำลังทดลองการผสานรวม Generative AI เข้ากับขั้นตอนการผลิตของพวกเขา สิ่งที่น่าตื่นเต้นที่สุดคือการลดเวลาและต้นทุนลงอย่างมาก นักพัฒนาซอฟต์แวร์รายหนึ่งบอกเราว่าเวลาของพวกเขาในการสร้างภาพแนวคิดสำหรับภาพเดียวตั้งแต่ต้นจนจบ ได้ลดลงจาก 3 สัปดาห์เหลือหนึ่งชั่วโมง: ลดลง 120 ต่อ 1 เราเชื่อว่าการประหยัดที่คล้ายคลึงกันจะเป็นไปได้ทั่วทั้งขั้นตอนการผลิต

เพื่อความชัดเจน ศิลปินไม่ได้อยู่ในอันตรายที่จะถูกแทนที่ หมายความว่าศิลปินไม่จำเป็นต้องทำงานทั้งหมดด้วยตัวเองอีกต่อไป ตอนนี้พวกเขาสามารถกำหนดทิศทางการสร้างสรรค์เบื้องต้นได้ จากนั้นจึงมอบเวลาและการดำเนินการทางเทคนิคจำนวนมากให้กับ AI ในเรื่องนี้ พวกเขาเป็นเหมือนจิตรกรเซลจากยุคแรกๆ ของแอนิเมชันที่วาดด้วยมือซึ่ง "หมึก" ที่มีทักษะสูงจะวาดเค้าโครงของอนิเมชัน จากนั้นกองทัพของ "จิตรกร" ที่มีต้นทุนต่ำกว่าจะทำงานที่ใช้เวลานานในการวาดภาพ แอนิเมชั่นเซลล์เติมบรรทัด มันคือ "เติมข้อความอัตโนมัติ" สำหรับการสร้างเกม

5. เรายังอยู่ในช่วงเริ่มต้นของการปฏิวัตินี้ และการปฏิบัติจำนวนมากยังคงต้องได้รับการขัดเกลา

แม้จะมีความตื่นเต้นเมื่อเร็ว ๆ นี้ แต่เรายังคงอยู่ที่เส้นเริ่มต้น มีงานจำนวนมากรออยู่ข้างหน้าในขณะที่เราหาวิธีใช้ประโยชน์จากเทคโนโลยีใหม่นี้สำหรับเกม และโอกาสมหาศาลจะถูกสร้างขึ้นสำหรับบริษัทที่ย้ายเข้าสู่พื้นที่ใหม่นี้อย่างรวดเร็ว

สารบัญ

การคาดการณ์

จากสมมติฐานเหล่านี้ ต่อไปนี้เป็นการคาดการณ์ว่าอุตสาหกรรมเกมอาจมีการเปลี่ยนแปลงอย่างไร:

1. การเรียนรู้วิธีใช้ Generative AI อย่างมีประสิทธิภาพจะกลายเป็นทักษะที่เป็นที่ต้องการของตลาด

เราเห็นผู้ทดลองใช้ Generative AI อย่างมีประสิทธิภาพมากกว่าคนอื่นแล้ว เพื่อใช้ประโยชน์สูงสุดจากเทคโนโลยีใหม่นี้จำเป็นต้องใช้เครื่องมือและเทคนิคที่หลากหลาย และรู้วิธีที่จะเด้งไปมาระหว่างกัน เราคาดการณ์ว่าสิ่งนี้จะกลายเป็นทักษะทางการตลาด โดยผสมผสานวิสัยทัศน์ที่สร้างสรรค์ของศิลปินเข้ากับทักษะทางเทคนิคของโปรแกรมเมอร์

คริส แอนเดอร์สันมีชื่อเสียงจากคำพูดที่ว่า “ทุกๆ ความอุดมสมบูรณ์ก่อให้เกิดความขาดแคลนครั้งใหม่” เมื่อเนื้อหามีมากมาย เราเชื่อว่าศิลปินที่รู้วิธีทำงานร่วมกันอย่างมีประสิทธิภาพมากที่สุดด้วยเครื่องมือ AI จะเป็นผู้ขาดแคลนมากที่สุด

ตัวอย่างเช่น การใช้ Generative AI สำหรับงานศิลปะการผลิตมีความท้าทายพิเศษ ได้แก่:

• ความเชื่อมโยง สำหรับเนื้อหาการผลิตใดๆ คุณจะต้องสามารถทำการเปลี่ยนแปลงหรือแก้ไขเนื้อหาในอนาคตได้ ด้วยเครื่องมือ AI นั่นหมายถึงต้องสามารถสร้างเนื้อหาซ้ำได้ด้วยข้อความแจ้งเดียวกัน คุณจึงทำการเปลี่ยนแปลงได้ อาจเป็นเรื่องยุ่งยากเนื่องจากพรอมต์เดียวกันสามารถสร้างผลลัพธ์ที่แตกต่างกันอย่างมาก
• สไตล์ สิ่งสำคัญสำหรับศิลปะทั้งหมดในเกมที่กำหนดจะต้องมีสไตล์ที่สอดคล้องกัน ซึ่งหมายความว่าเครื่องมือของคุณจะต้องได้รับการฝึกฝนหรือเชื่อมโยงกับสไตล์ที่กำหนด

2. การลดอุปสรรคจะส่งผลให้เกิดการสำรวจที่มีความเสี่ยงและสร้างสรรค์มากขึ้น

ในไม่ช้า เราอาจจะเข้าสู่ “ยุคทอง” ใหม่ของการพัฒนาเกม ซึ่งอุปสรรคในการเข้าเล่นที่น้อยลงส่งผลให้มีเกมที่แปลกใหม่และสร้างสรรค์มากขึ้น ไม่ใช่แค่เพราะต้นทุนการผลิตที่ลดลงส่งผลให้ความเสี่ยงลดลง แต่เป็นเพราะเครื่องมือเหล่านี้ปลดล็อกความสามารถในการสร้างเนื้อหาคุณภาพสูงสำหรับผู้ชมที่กว้างขึ้น ซึ่งนำไปสู่การทำนายครั้งต่อไป…

3. การเพิ่มขึ้นของ "สตูดิโอเกมขนาดเล็ก" ที่ได้รับความช่วยเหลือจาก AI

ด้วยเครื่องมือและบริการ Generative AI เราจะเริ่มเห็นเกมเชิงพาณิชย์ที่มีศักยภาพมากขึ้นซึ่งผลิตโดย "ไมโครสตูดิโอ" ขนาดเล็กที่มีพนักงานเพียง 1 หรือ 2 คน แนวคิดของสตูดิโอเกมอินดี้ขนาดเล็กไม่ใช่เรื่องใหม่ – เกมยอดฮิต ในหมู่พวกเรา สร้างขึ้นโดยสตูดิโอ Insidersloth โดยมีพนักงานเพียง 5 คน แต่ขนาดและขนาดของเกมที่สตูดิโอขนาดเล็กเหล่านี้สามารถสร้างได้จะเติบโตขึ้น ซึ่งจะส่งผลให้…

4. จำนวนเกมที่ออกในแต่ละปีเพิ่มขึ้น

ความสำเร็จของ Unity และ Roblox แสดงให้เห็นว่าการให้เครื่องมือสร้างสรรค์ที่ทรงพลังส่งผลให้มีการสร้างเกมมากขึ้น AI เจเนอเรทีฟจะลดมาตรฐานลงไปอีก ทำให้สร้างเกมได้มากขึ้น อุตสาหกรรมนี้ประสบกับความท้าทายในการค้นพบอยู่แล้ว – มากกว่านั้น Steam เพิ่มเกม 10,000 เกม ปีที่แล้วเพียงปีเดียว – และสิ่งนี้จะสร้างแรงกดดันให้กับการค้นพบมากยิ่งขึ้น อย่างไรก็ตาม เรายังจะได้เห็น…

5. ประเภทเกมใหม่ที่สร้างขึ้นซึ่งไม่สามารถทำได้ก่อน Generative AI

เราจะได้เห็นแนวเกมใหม่ๆ ที่ประดิษฐ์ขึ้นซึ่งเป็นไปไม่ได้เลยหากไม่มี Generative AI เราได้พูดคุยเกี่ยวกับโปรแกรมจำลองการบินของ Microsoft แล้ว แต่จะมีการคิดค้นประเภทใหม่ทั้งหมดซึ่งขึ้นอยู่กับการสร้างเนื้อหาใหม่แบบเรียลไทม์

พิจารณา แอร์โรว์แมนเซอร์โดย คาถา. เกมนี้เป็นเกมสวมบทบาทที่มีตัวละครที่สร้างโดย AI สำหรับการเล่นเกมใหม่ไม่จำกัด

เรายังรู้จักผู้พัฒนาเกมรายอื่นที่ใช้ AI เพื่อให้ผู้เล่นสร้างอวาตาร์ในเกมของตนเอง ก่อนหน้านี้พวกเขามีคอลเลกชั่นภาพอวาตาร์ที่วาดด้วยมือซึ่งผู้เล่นสามารถผสมและจับคู่เพื่อสร้างอวาตาร์ของตนเองได้ ตอนนี้พวกเขาเลิกใช้ภาพอวาตาร์นี้แล้ว และกำลังสร้างภาพอวาตาร์จากคำอธิบายของผู้เล่น การให้ผู้เล่นสร้างเนื้อหาผ่าน AI นั้นปลอดภัยกว่าปล่อยให้ผู้เล่นอัปโหลดเนื้อหาของตนเองตั้งแต่เริ่มต้น เนื่องจาก AI สามารถฝึกฝนให้หลีกเลี่ยงการสร้างเนื้อหาที่ไม่เหมาะสมได้ ในขณะที่ยังคงให้ความรู้สึกเป็นเจ้าของผู้เล่นมากขึ้น

6. มูลค่าจะเพิ่มขึ้นตามเครื่องมือ AI เฉพาะของอุตสาหกรรม ไม่ใช่เฉพาะโมเดลพื้นฐาน

ความตื่นเต้นและเสียงกระหึ่มเกี่ยวกับโมเดลพื้นฐานอย่าง Stable Diffusion และ Midjourney กำลังสร้างการประเมินมูลค่าที่สะดุดตา แต่การวิจัยใหม่อย่างต่อเนื่องทำให้มั่นใจได้ว่าโมเดลใหม่จะมาและไปเมื่อเทคนิคใหม่ได้รับการขัดเกลา พิจารณาปริมาณการค้นหาเว็บไซต์กับโมเดล Generative AI ยอดนิยม 3 โมเดล ได้แก่ Dall-E, Midjourney และ Stable Diffusion รุ่นใหม่แต่ละรุ่นมีจุดสนใจ

อีกทางเลือกหนึ่งคือการสร้างชุดเครื่องมือที่สอดคล้องกับอุตสาหกรรมซึ่งมุ่งเน้นไปที่ความต้องการ Generative AI ของอุตสาหกรรมที่กำหนด ด้วยความเข้าใจอย่างลึกซึ้งของผู้ชมเฉพาะกลุ่ม และการรวมเข้ากับท่อการผลิตที่มีอยู่ (เช่น Unity หรือ Unreal สำหรับเกม)

ตัวอย่างที่ดีคือ ทางวิ่ง ซึ่งกำหนดเป้าหมายความต้องการของผู้สร้างวิดีโอด้วยเครื่องมือช่วยเหลือของ AI เช่น การตัดต่อวิดีโอ การลบหน้าจอสีเขียว การระบายสี และการติดตามการเคลื่อนไหว เครื่องมือเช่นนี้สามารถสร้างและสร้างรายได้จากผู้ชมที่กำหนด โดยเพิ่มโมเดลใหม่ๆ เมื่อเวลาผ่านไป เรายังไม่เห็นชุดเช่น Runway สำหรับเกมออกมา แต่เรารู้ว่ามันเป็นพื้นที่ของการพัฒนาอย่างแข็งขัน

7. ความท้าทายทางกฎหมายกำลังมา

สิ่งที่โมเดล AI เจเนอเรทีฟเหล่านี้มีเหมือนกันคือพวกมันได้รับการฝึกฝนโดยใช้ชุดข้อมูลขนาดใหญ่ ซึ่งมักสร้างขึ้นจากการขูดอินเทอร์เน็ตเอง ตัวอย่างเช่น Stable Diffusion ได้รับการฝึกบนคู่รูปภาพ/คำอธิบายภาพมากกว่า 5 พันล้านคู่ที่คัดมาจากเว็บ

ในขณะนี้ โมเดลเหล่านี้อ้างว่าทำงานภายใต้หลักลิขสิทธิ์ "การใช้งานที่เหมาะสม" แต่ข้อโต้แย้งนี้ยังไม่ได้รับการทดสอบในศาลอย่างแน่ชัด ดูเหมือนว่าชัดเจนว่า ความท้าทายทางกฎหมายกำลังมา ซึ่งน่าจะเปลี่ยนภูมิทัศน์ของ Generative AI

เป็นไปได้ว่าสตูดิโอขนาดใหญ่จะแสวงหาข้อได้เปรียบในการแข่งขันโดยการสร้างแบบจำลองที่เป็นกรรมสิทธิ์ซึ่งสร้างขึ้นจากเนื้อหาภายในที่พวกเขามีสิทธิ์และชื่อที่ชัดเจน ตัวอย่างเช่น Microsoft อยู่ในตำแหน่งที่ดีเป็นพิเศษกับ 23 สตูดิโอปาร์ตี้แรกในวันนี้และอีก 7 หลัง การเข้าซื้อกิจการของ Activision สิ้นสุดลง.

8. การเขียนโปรแกรมจะไม่ถูกรบกวนอย่างลึกซึ้งเท่ากับเนื้อหาทางศิลปะ – อย่างน้อยก็ยังไม่ได้

วิศวกรรมซอฟต์แวร์เป็นอีกต้นทุนหลักในการพัฒนาเกม แต่เพื่อนร่วมงานของเราในทีม a16z Enterprise ได้แบ่งปันในบล็อกโพสต์ล่าสุดของพวกเขา ศิลปะไม่ตาย มันเป็นเพียงเครื่องสร้างการสร้างโค้ดด้วยโมเดล AI จำเป็นต้องมีการทดสอบและการตรวจสอบเพิ่มเติม จึงมีการปรับปรุงประสิทธิภาพการทำงานน้อยกว่าการสร้างเนื้อหาโฆษณา เครื่องมือเขียนโค้ดเช่น Copilot อาจให้การปรับปรุงประสิทธิภาพในระดับปานกลางสำหรับวิศวกร แต่จะไม่มีผลกระทบเช่นเดียวกัน… อย่างน้อยก็ในเร็วๆ นี้

สารบัญ

แนะนำ

จากการคาดการณ์เหล่านี้ เราขอเสนอคำแนะนำต่อไปนี้:

1. เริ่มสำรวจ Generative AI ทันที

จะใช้เวลาสักครู่ในการหาวิธีใช้ประโยชน์จากพลังของการปฏิวัติ AI เจเนอเรทีฟที่กำลังจะมาถึงนี้อย่างเต็มที่ บริษัทที่เริ่มตอนนี้จะได้เปรียบในภายหลัง เรารู้จักสตูดิโอหลายแห่งที่มีโครงการทดลองภายในที่กำลังดำเนินอยู่เพื่อสำรวจว่าเทคนิคเหล่านี้ส่งผลต่อการผลิตอย่างไร

2. มองหาโอกาสแผนที่ตลาด

บางส่วนของแผนที่ตลาดของเรามีผู้คนหนาแน่นอยู่แล้ว เช่น แอนิเมชันหรือเสียงพูดและไดอะล็อก แต่พื้นที่อื่นๆ ก็เปิดกว้าง เราขอแนะนำให้ผู้ประกอบการที่สนใจในพื้นที่นี้ให้มุ่งความสนใจไปยังพื้นที่ที่ยังไม่ได้สำรวจ เช่น “รันเวย์สำหรับเกม”

สารบัญ

สถานะปัจจุบันของตลาด

เราได้สร้างแผนที่ตลาดเพื่อรวบรวมรายชื่อบริษัทที่เราระบุในแต่ละหมวดหมู่ที่เราเห็นว่า Generative AI ส่งผลกระทบต่อเกม บล็อกโพสต์นี้จะกล่าวถึงแต่ละหมวดหมู่ โดยอธิบายรายละเอียดเพิ่มเติมอีกเล็กน้อย และเน้นบริษัทที่น่าตื่นเต้นที่สุดในแต่ละหมวดหมู่

สารบัญ

ภาพ 2 มิติ

การสร้างภาพ 2 มิติจากข้อความแจ้งเป็นหนึ่งในพื้นที่ที่ใช้กันอย่างแพร่หลายที่สุดของ AI กำเนิด เครื่องมือเช่น กลางการเดินทาง, การแพร่กระจายที่เสถียรและ ดัล-อี 2 สามารถสร้างภาพ 2D คุณภาพสูงจากข้อความได้ และได้พบหนทางสู่การผลิตเกมในหลายช่วงของวงจรชีวิตของเกมแล้ว

ศิลปะแนวความคิด

เครื่องมือ Generative AI นั้นยอดเยี่ยมในด้าน "ไอเดีย" หรือช่วยให้ผู้ที่ไม่ใช่ศิลปิน เช่น นักออกแบบเกม สำรวจแนวคิดและแนวคิดอย่างรวดเร็วเพื่อสร้างอาร์ตเวิร์กแนวคิด ซึ่งเป็นส่วนสำคัญของกระบวนการผลิต ตัวอย่างเช่น สตูดิโอหนึ่ง (ไม่เปิดเผยชื่อ) กำลังใช้เครื่องมือเหล่านี้หลายอย่างร่วมกันเพื่อเร่งกระบวนการศิลปะแนวคิดของพวกเขาอย่างรวดเร็ว โดยใช้เวลาเพียงวันเดียวในการสร้างภาพที่ก่อนหน้านี้อาจใช้เวลานานถึง 3 สัปดาห์

• ประการแรก นักออกแบบเกมของพวกเขาใช้ Midjourney เพื่อสำรวจแนวคิดต่างๆ และสร้างภาพที่พบว่าสร้างแรงบันดาลใจ
• สิ่งเหล่านี้จะถูกส่งต่อไปยังศิลปินแนวคิดมืออาชีพที่รวบรวมพวกเขาเข้าด้วยกันและระบายสีบนผลลัพธ์เพื่อสร้างภาพที่สอดคล้องกัน - ซึ่งจากนั้นป้อนเข้าสู่ Stable Diffusion เพื่อสร้างรูปแบบที่หลากหลาย
• พวกเขาหารือเกี่ยวกับรูปแบบต่างๆ เหล่านี้ เลือก XNUMX รายการ ลงสีในการแก้ไขบางส่วนด้วยตนเอง จากนั้นทำขั้นตอนนี้ซ้ำจนกว่าพวกเขาจะพอใจกับผลลัพธ์ที่ได้
• ในขั้นตอนนั้น ให้ส่งภาพนี้กลับเข้าสู่ Stable Diffusion เป็นครั้งสุดท้ายเพื่อ "ขยายขนาด" เพื่อสร้างงานศิลปะชิ้นสุดท้าย

ศิลปะการผลิต 2 มิติ

สตูดิโอบางแห่งกำลังทดลองใช้เครื่องมือเดียวกันสำหรับงานศิลปะการผลิตในเกม ตัวอย่างเช่นนี่เป็นสิ่งที่ดี บทช่วยสอนจาก Albert Bozesan เกี่ยวกับการใช้ Stable Diffusion เพื่อสร้างเนื้อหา 2 มิติในเกม

สารบัญ

งานศิลปะ 3 มิติ

เนื้อหา 3 มิติเป็นองค์ประกอบสำคัญของเกมสมัยใหม่ทั้งหมด เช่นเดียวกับ metaverse ที่กำลังจะมาถึง โลกเสมือนจริงหรือระดับเกมเป็นเพียงชุดของเนื้อหา 3 มิติที่วางและแก้ไขเพื่อเติมสภาพแวดล้อม อย่างไรก็ตาม การสร้างเนื้อหา 3 มิตินั้นซับซ้อนกว่าการสร้างภาพ 2 มิติ และเกี่ยวข้องกับหลายขั้นตอน รวมถึงการสร้างโมเดล 3 มิติ และการเพิ่มพื้นผิวและเอฟเฟ็กต์ สำหรับตัวละครที่เป็นอนิเมชั่นนั้น ยังเกี่ยวข้องกับการสร้าง “โครงกระดูก” ภายใน จากนั้นจึงสร้างแอนิเมชั่นที่ด้านบนของโครงกระดูกนั้น

เราเห็นการเริ่มต้นที่แตกต่างกันมากมายเกิดขึ้นหลังจากแต่ละขั้นตอนของกระบวนการสร้างเนื้อหา 3 มิติ รวมถึงการสร้างโมเดล ภาพเคลื่อนไหวของตัวละคร และการสร้างด่าน อย่างไรก็ตาม นี่ไม่ใช่ปัญหาที่แก้ไขได้ – ยังไม่มีวิธีแก้ปัญหาใดที่พร้อมสำหรับการรวมเข้ากับการผลิตอย่างสมบูรณ์

เนื้อหา 3 มิติ

สตาร์ทอัพที่พยายามแก้ปัญหาการสร้างโมเดล 3 มิติ ได้แก่ แกดิม, ภาพลวงตาและ สมมุติ. บริษัทขนาดใหญ่ก็มองปัญหานี้เช่นกัน รวมทั้งของ Nvidia Get3D และของ Autodesk คลิปฟอร์จ. Kaedim และ Get3d มุ่งเน้นไปที่ image-to-3D; ClipForge และ Mirage มุ่งเน้นไปที่ text-to-3D ในขณะที่ Hypothetic สนใจทั้งการค้นหา text-to-3D และ image-to-3D

พื้นผิว 3 มิติ

โมเดล 3 มิติจะดูสมจริงเท่ากับพื้นผิวหรือวัสดุที่นำไปใช้กับตาข่ายเท่านั้น การตัดสินใจเลือกพื้นผิวหินที่มีตะไคร่น้ำและผุกร่อนเพื่อใช้กับแบบจำลองปราสาทยุคกลางสามารถเปลี่ยนรูปลักษณ์และความรู้สึกของฉากได้อย่างสิ้นเชิง พื้นผิวมีข้อมูลเมตาเกี่ยวกับวิธีที่แสงทำปฏิกิริยากับวัสดุ (เช่น ความหยาบ ความมัน เป็นต้น) การอนุญาตให้ศิลปินสร้างพื้นผิวตามข้อความหรือรูปภาพได้อย่างง่ายดายจะมีประโยชน์อย่างมากต่อการเพิ่มความเร็วในการทำซ้ำภายในกระบวนการสร้างสรรค์ หลายทีมกำลังไล่ตามโอกาสนี้รวมถึง แบเรียมAI, พอนซึและ อาร์เมอร์แล็บ.

นิเมชั่น

การสร้างแอนิเมชั่นที่ยอดเยี่ยมเป็นหนึ่งในกระบวนการสร้างเกมที่ใช้เวลานาน มีราคาแพง และมีทักษะมากที่สุด วิธีหนึ่งในการลดต้นทุนและสร้างแอนิเมชั่นที่สมจริงยิ่งขึ้นคือการใช้โมชั่นแคปเจอร์ ซึ่งคุณจะต้องใส่นักแสดงหรือนักเต้นในชุดโมชั่นแคปเจอร์ แล้วบันทึกการเคลื่อนไหวในสเตจของโมชั่นแคปเจอร์ที่มีอุปกรณ์พิเศษ

ขณะนี้เรากำลังเห็นโมเดล AI เจเนอเรทีฟที่สามารถจับภาพภาพเคลื่อนไหวได้โดยตรงจากวิดีโอ วิธีนี้มีประสิทธิภาพมากกว่ามาก เนื่องจากไม่จำเป็นต้องใช้อุปกรณ์จับการเคลื่อนไหวราคาแพง และหมายความว่าคุณสามารถจับภาพภาพเคลื่อนไหวจากวิดีโอที่มีอยู่ได้ แง่มุมที่น่าตื่นเต้นอีกอย่างของโมเดลเหล่านี้คือสามารถใช้ฟิลเตอร์กับแอนิเมชั่นที่มีอยู่ เช่น ทำให้ดูเมา หรือแก่ หรือมีความสุข บริษัทที่ดำเนินการในพื้นที่นี้ ได้แก่ Kinetix, การเคลื่อนไหวลึก, หัวรุนแรง, ย้ายอ้ายและ พลาสก.

การออกแบบระดับและการสร้างโลก

หนึ่งในแง่มุมที่ใช้เวลามากที่สุดในการสร้างเกมคือการสร้างโลกของเกม ซึ่งเป็นงานที่ AI กำเนิดควรเหมาะสมอย่างยิ่ง เกมอย่าง Minecraft, No Man's Sky และ Diablo นั้นมีชื่อเสียงในด้านการใช้เทคนิคขั้นตอนในการสร้างด่าน ซึ่งด่านต่างๆ จะสร้างแบบสุ่ม แตกต่างกันไปทุกครั้ง แต่ทำตามกฎที่ผู้ออกแบบด่านวางไว้ จุดขายที่สำคัญของเอนจิ้นเกม Unreal 5 ใหม่คือคอลเลกชันของเครื่องมือขั้นตอนสำหรับการออกแบบโลกเปิด เช่น การวางตำแหน่งใบไม้

เราได้เห็นความคิดริเริ่มบางอย่างในอวกาศ เช่น ทิวส์, MLXARหรือ Meta ตัวสร้างบอทและคิดว่าเป็นเพียงเรื่องของเวลาก่อนที่เทคนิคเชิงกำเนิดจะเข้ามาแทนที่เทคนิคเชิงขั้นตอนเป็นส่วนใหญ่ มีการวิจัยเชิงวิชาการในพื้นที่มาระยะหนึ่งแล้ว ได้แก่ เทคนิคการสร้างสำหรับ Minecraft or การออกแบบระดับใน Doom.

อีกเหตุผลที่น่าสนใจในการรอคอยเครื่องมือ AI เชิงสร้างสรรค์สำหรับการออกแบบด่านก็คือความสามารถในการสร้างด่านและโลกในรูปแบบต่างๆ คุณสามารถจินตนาการถึงการขอเครื่องมือเพื่อสร้างโลกในยุคลูกนกของนิวยอร์กในปี 1920 เทียบกับโลกอนาคตแบบเบลดรันเนอร์แบบดิสโทเปีย เทียบกับโลกแฟนตาซีแบบโทลคีน

แนวคิดต่อไปนี้สร้างโดย Midjourney โดยใช้ข้อความแจ้ง "ระดับเกมในสไตล์ของ..."

เสียง

เสียงและดนตรีเป็นส่วนสำคัญของประสบการณ์การเล่นเกม เราเริ่มเห็นบริษัทต่างๆ ใช้ Generative AI เพื่อสร้างเสียงเพื่อเสริมการทำงานที่เกิดขึ้นแล้วในด้านกราฟิก

เอฟเฟค

เอฟเฟกต์เสียงเป็นพื้นที่เปิดที่น่าสนใจสำหรับ AI มีการ เอกสารวิชาการ สำรวจแนวคิดในการใช้ AI เพื่อสร้าง "โฟลีย์" ในภาพยนตร์ (เช่น เสียงฝีเท้า) แต่ผลิตภัณฑ์เชิงพาณิชย์ในเกมยังมีน้อย

เราคิดว่านี่เป็นเพียงเรื่องของเวลาเท่านั้น เนื่องจากลักษณะการโต้ตอบของเกมทำให้สิ่งนี้เป็นแอปพลิเคชั่นที่ชัดเจนสำหรับการสร้าง AI ทั้งการสร้างเอฟเฟกต์เสียงคงที่ซึ่งเป็นส่วนหนึ่งของการผลิต (“เสียงปืนเลเซอร์ในสไตล์ของ Star Wars”) และ สร้างเอฟเฟกต์เสียงแบบโต้ตอบตามเวลาจริงในขณะรันไทม์

พิจารณาสิ่งง่ายๆ เช่น การสร้างเสียงฝีเท้าสำหรับตัวละครของผู้เล่น เกมส่วนใหญ่แก้ปัญหานี้ได้โดยการรวมเสียงฝีเท้าที่บันทึกไว้ล่วงหน้าจำนวนเล็กน้อย: เดินบนหญ้า เดินบนกรวด วิ่งบนหญ้า วิ่งบนกรวด ฯลฯ เสียงเหล่านี้น่าเบื่อในการสร้างและจัดการ และเสียงที่ซ้ำซากและไม่สมจริงในรันไทม์

แนวทางที่ดีกว่าคือการสร้างโมเดล AI ตามเวลาจริงสำหรับเอฟเฟ็กต์เสียงโฟลีย์ ซึ่งสามารถสร้างเอฟเฟ็กต์เสียงที่เหมาะสมได้ทันที แตกต่างกันเล็กน้อยในแต่ละครั้ง ซึ่งตอบสนองต่อพารามิเตอร์ในเกม เช่น พื้นผิว น้ำหนักของตัวละคร การเดิน รองเท้า ฯลฯ

ดนตรี

เพลงเป็นสิ่งที่ท้าทายสำหรับเกมเสมอ เป็นสิ่งสำคัญ เนื่องจากสามารถช่วยกำหนดโทนอารมณ์ได้เช่นเดียวกับในภาพยนตร์หรือโทรทัศน์ แต่เนื่องจากเกมสามารถเล่นได้นานหลายร้อยหรือหลายพันชั่วโมง เกมจึงอาจกลายเป็นเกมซ้ำซากหรือน่ารำคาญได้อย่างรวดเร็ว นอกจากนี้ เนื่องจากลักษณะการโต้ตอบของเกม อาจเป็นเรื่องยากสำหรับเพลงที่จะจับคู่กับสิ่งที่เกิดขึ้นบนหน้าจอ ณ เวลาใดเวลาหนึ่งได้อย่างแม่นยำ

ดนตรีที่ปรับเปลี่ยนได้นั้นเป็นหัวข้อของเสียงในเกมมากว่าสองทศวรรษ โดยย้อนกลับไปที่ Microsoft “ไดเรคมิวสิค” ระบบสร้างเพลงโต้ตอบ DirectMusic ไม่เคยได้รับการดัดแปลงอย่างกว้างขวางเนื่องจากความยากในการแต่งในรูปแบบ เพียงไม่กี่เกมเช่น Monolith's ไม่มีใครมีชีวิตอยู่ตลอดไปสร้างคะแนนโต้ตอบอย่างแท้จริง

ตอนนี้เราเห็นหลายบริษัทที่พยายามสร้างเพลงที่สร้างโดย AI เช่น ฟังดูดี, Musico, ฮาร์โมไน, อัลบั้ม อินฟินิทและ ไอวา. และในขณะที่เครื่องมือบางอย่างเช่น ตู้เพลง โดย Open AI นั้นมีการคำนวณสูงและไม่สามารถรันแบบเรียลไทม์ ส่วนใหญ่สามารถรันแบบเรียลไทม์ได้เมื่อโมเดลเริ่มต้นถูกสร้างขึ้น

คำพูดและการโต้ตอบ

มีบริษัทจำนวนมากพยายามสร้างเสียงที่เหมือนจริงสำหรับตัวละครในเกม ไม่น่าแปลกใจเลยที่มีประวัติอันยาวนานในการพยายามให้เสียงคอมพิวเตอร์ผ่านการสังเคราะห์เสียง บริษัท ได้แก่ โซแนนติก, Coqui, สตูดิโอจำลอง, คล้าย.ai, Readspeaker.aiและอื่น ๆ อีกมากมาย

มีข้อดีหลายอย่างในการใช้ generative AI สำหรับการพูด ซึ่งส่วนหนึ่งอธิบายได้ว่าทำไมพื้นที่นี้จึงแออัด

• สร้างกล่องโต้ตอบได้ทันที โดยทั่วไปแล้ว คำพูดในเกมจะได้รับการบันทึกล่วงหน้าจากนักพากย์ แต่จะจำกัดเฉพาะสุนทรพจน์กระป๋องที่บันทึกไว้ล่วงหน้าเท่านั้น ด้วยไดอะล็อกสร้าง AI ตัวละครสามารถพูดอะไรก็ได้ ซึ่งหมายความว่าพวกเขาสามารถตอบสนองต่อสิ่งที่ผู้เล่นกำลังทำอย่างเต็มที่ เมื่อรวมกับโมเดล AI ที่ชาญฉลาดมากขึ้นสำหรับ NPC (นอกขอบเขตของบล็อกนี้ แต่เป็นพื้นที่แห่งนวัตกรรมที่น่าตื่นเต้นไม่แพ้กันในตอนนี้) คำมั่นสัญญาของเกมที่ตอบสนองต่อผู้เล่นอย่างเต็มที่กำลังจะมาในเร็วๆ นี้
• สวมบทบาท. ผู้เล่นหลายคนต้องการเล่นเป็นตัวละครแฟนตาซีที่มีความคล้ายคลึงกับตัวตนในโลกแห่งความเป็นจริงเพียงเล็กน้อย อย่างไรก็ตาม แฟนตาซีนี้พังทลายลงทันทีที่ผู้เล่นพูดด้วยเสียงของตนเอง การใช้เสียงที่สร้างขึ้นซึ่งตรงกับอวาตาร์ของผู้เล่นจะคงไว้ซึ่งภาพลวงตานั้น
  ควบคุม. ขณะที่สร้างคำพูด คุณสามารถควบคุมความแตกต่างของเสียงได้ เช่น แทมเบร การผัน เสียงสะท้อนทางอารมณ์ ความยาวของหน่วยเสียง การเน้นเสียง และอื่นๆ
• การ จำกัด อนุญาตให้แปลบทสนทนาเป็นภาษาใดก็ได้และพูดเป็นเสียงเดียวกัน บริษัทเช่น ลึกดับ มุ่งเจาะช่องนี้โดยเฉพาะ

สารบัญ

NPC หรือตัวละครของผู้เล่น

สตาร์ทอัพจำนวนมากกำลังมองหาการใช้ generative AI เพื่อสร้างตัวละครที่น่าเชื่อซึ่งคุณสามารถโต้ตอบด้วยได้ ส่วนหนึ่งเป็นเพราะนี่เป็นตลาดที่มีการนำไปใช้อย่างกว้างขวางนอกเกม เช่น ผู้ช่วยเสมือนหรือพนักงานต้อนรับ

ความพยายามในการสร้างตัวละครที่น่าเชื่อถือย้อนกลับไปที่จุดเริ่มต้นของการวิจัย AI ในความเป็นจริง คำจำกัดความของ "การทดสอบทัวริง" แบบคลาสสิกสำหรับปัญญาประดิษฐ์คือ มนุษย์ไม่ควรแยกความแตกต่างระหว่างการสนทนาทางแชทกับ AI กับมนุษย์

ณ จุดนี้ มีบริษัทหลายร้อยแห่งที่สร้างแชทบอทเพื่อวัตถุประสงค์ทั่วไป ซึ่งหลายบริษัทขับเคลื่อนโดย GPT-3 เช่นเดียวกับโมเดลภาษา จำนวนที่น้อยกว่ากำลังพยายามสร้างแชทบอทโดยเฉพาะเพื่อจุดประสงค์ด้านความบันเทิง เช่น Replika และ Anima ที่กำลังพยายามสร้างเพื่อนเสมือน แนวคิดในการออกเดทกับแฟนสาวเสมือนตามที่สำรวจในภาพยนตร์เรื่อง Her อาจอยู่ใกล้กว่าที่คุณคิด

ขณะนี้เรากำลังเห็นการทำซ้ำครั้งถัดไปของแพลตฟอร์มแชทบอทเหล่านี้ เช่น Charisma.ai, คอนวายดอทคอม,หรือ อินเวิร์ล.ไอซึ่งหมายถึงการเพิ่มพลังให้กับตัวละคร 3 มิติที่เรนเดอร์อย่างสมบูรณ์ พร้อมอารมณ์ความรู้สึกและเอเจนซี่ พร้อมเครื่องมือที่ช่วยให้ผู้สร้างสามารถกำหนดเป้าหมายตัวละครเหล่านี้ได้ นี่เป็นสิ่งสำคัญหากพวกเขากำลังจะพอดีกับเกมหรือมีสถานที่ในการเล่าเรื่องเพื่อเลื่อนโครงเรื่องไปข้างหน้า แทนที่จะเป็นเพียงการตกแต่งหน้าต่างเท่านั้น

สารบัญ

แพลตฟอร์มแบบครบวงจร

หนึ่งในเครื่องมือสร้าง AI ที่ประสบความสำเร็จมากที่สุดคือ รันเวย์มล.คอมเนื่องจากเป็นการรวมชุดเครื่องมือสำหรับผู้สร้างที่หลากหลายไว้ในแพ็คเกจเดียว ขณะนี้ยังไม่มีแพลตฟอร์มที่ให้บริการวิดีโอเกม และเราคิดว่านี่เป็นโอกาสที่ถูกมองข้าม เราชอบที่จะลงทุนในโซลูชันที่มีคุณสมบัติ:

• ชุดเครื่องมือ generative AI ครบชุด ครอบคลุมกระบวนการผลิตทั้งหมด (โค้ด การสร้างเนื้อหา พื้นผิว เสียง คำอธิบาย ฯลฯ)
• ผสานเข้ากับเอนจิ้นเกมยอดนิยมอย่าง Unreal และ Unity
• ออกแบบมาให้เข้ากับขั้นตอนการผลิตเกมทั่วไป

สารบัญ

สรุป

นี่เป็นช่วงเวลาที่เหลือเชื่อในการเป็นผู้สร้างเกม! ขอบคุณส่วนหนึ่งของเครื่องมือที่อธิบายไว้ในบล็อกโพสต์นี้ การสร้างเนื้อหาที่จำเป็นในการสร้างเกมไม่เคยง่ายอย่างนี้มาก่อน แม้ว่าเกมของคุณจะใหญ่เท่ากับโลกทั้งใบก็ตาม!

สักวันหนึ่งอาจจินตนาการถึงเกมส่วนตัวทั้งหมดที่สร้างขึ้นสำหรับผู้เล่นโดยเฉพาะ โดยอิงตามสิ่งที่ผู้เล่นต้องการ สิ่งนี้อยู่ในนิยายวิทยาศาสตร์มานานแล้ว เช่น “AI Mind Game” ใน Ender's Game หรือ holodeck ใน Star Trek แต่ด้วยเครื่องมือที่อธิบายไว้ในบล็อกโพสต์นี้ที่มีความก้าวหน้าอย่างรวดเร็ว จึงไม่ยากที่จะจินตนาการว่าความเป็นจริงนี้อยู่ใกล้แค่เอื้อม

หากคุณเป็นผู้ก่อตั้งหรือผู้ที่อาจเป็นผู้ก่อตั้ง สนใจสร้างบริษัท AI สำหรับเกม โปรดติดต่อ! เราอยากได้ยินจากคุณ!