A Microsoft quer usar uma ferramenta de IA generativa para fazer videogames

O modelo de inteligência artificial da Microsoft pode recriar videogames realistas, que a empresa diz que poderia ajudar os designers a fazer jogos, mas os especialistas não convencem que a ferramenta é útil para a maioria dos desenvolvedores de jogos.

As redes neurais que podem produzir fotos coerentes e precisas dos videogames não são novas. O recente Google criou a IA gerou uma versão totalmente tocada Um jogo de computador clássico Engano Sem acesso a um motor de jogo subjacente. Original O executivo, No entanto, apareceu em 1993; Jogos mais modernos são muito mais sofisticados, com física complexa e gráficos intensos calculados que provaram ser fiéis ao AIS.

Agora Katja Hofmann Na Microsoft Research e seus colegas desenvolveram um modelo de IA chamado Muse, que pode recriar um jogo de batalha completo com multi -jogador Borda sangrando. Essas seqüências parecem obedecer à física subjacente ao jogo e manter os jogadores e os objetos de jogo de jogo de forma consistente ao longo do tempo, o que significa que o modelo pegou o jogo do profundo entendimento, disse Hofmann.

Muse é treinado nos dados do jogo de uma pessoa de sete anos, incluindo o controlador e o material de vídeo oferecido Borda sangrandoNinja Studios, desenvolvedor de propriedade da Microsoft. Funciona semelhante a grandes modelos de idiomas como o ChatGPT; Ao fornecer a entrada, a tarefa do quadro de videogame e controladores relacionados terá a tarefa de prever um jogo que possa vir a seguir. “Mesmo para mim, é realmente razoável prever modelos puramente treinando o que aparecerá a seguir … Aprende a compreensão complexa e profunda desse complexo ambiente 3D”, diz Hofmann.

Para entender como as pessoas poderiam usar a ferramenta de IA como o Muse, a equipe explorou os desenvolvedores de jogos para descobrir quais recursos eles seriam úteis. Como resultado, os pesquisadores adicionaram a oportunidade de adaptá -lo às mudanças de voo, como mudar o caráter do jogador ou os novos objetos da cena. Pode ser útil no desenvolvimento de novas idéias e para os desenvolvedores que os cenários tentam, diz Hofmann.

Mas Muse ainda está limitado a gerar sequências no original Borda sangrando O jogo – ele não pode criar novos conceitos ou designs. E não está claro se essa é uma restrição natural no modelo ou algo que pode ser superado por mais dados de treinamento em outros jogos, diz Mike Cook King’s College em Londres. “É um longo e longo caminho desde a ideia de que os sistemas de IA podem projetar jogos de forma independente”.

Embora a capacidade de gerar sequências de jogos consistentes seja impressionante, os desenvolvedores podem preferir um controle maior, diz Cook. “Se você construir uma ferramenta que realmente testa seu jogo, você inicia o código do jogo, não precisa se preocupar com estabilidade ou consistência, pois ele funciona com o jogo real. Então eles resolvem os problemas que a IA generativa se introduziu. ”

É promissor que o modelo seja criado para desenvolvedores, medeia Georgios Yannakak O Instituto de Jogos Digitais da Universidade de Malta, mas pode não ser viável para a maioria dos desenvolvedores que não possuem tantos dados de treinamento. “Tudo se resume à pergunta, vale a pena fazer?” diz Yannakakis. “A Microsoft passou sete anos na coleta de dados e treinando esses modelos para mostrar que você pode realmente fazê -lo. Mas o estúdio de jogo real oferece (faça)? ”

Até o próprio Microsoft é sobre se os jogos da IA ​​podem estar no horizonte: quando perguntado se os desenvolvedores da divisão de jogos do Xbox poderiam usar essa ferramenta, a empresa se recusou a comentar.

Embora Hofmann e sua equipe esperem que as versões futuras do Muse possam generalizar seus dados de treinamento – novos cenários e níveis para jogos em que são treinados, bem como para vários jogos – esse é um desafio notável, diz Cook, porque moderno Os jogos são tão complexos.

“Uma maneira de distinguir o jogo é mudar de sistema e introduzir novas idéias de nível conceitual. Isso torna muito difícil para os sistemas de aprendizado de máquina sair de seus dados de treinamento, inovação e invenção além do que viram ”, diz ele.