گوگل اعلام کرده است که قصد دارد با اتکا بر فناوری یادگیری ماشین، به استودیوهای بازیسازی کوچک امکان دهد بازیهایی عظیم خلق کنند و به دست مخاطبان برسانند.
فناوری یادگیری ماشین (Machine Learning) زیرمجموعهای از دانش هوش مصنوعی بهشمار میآید که در آن ماشینهای کامپیوتری با جمعآوری و تحلیل اطلاعات مختلف، کارایی خود را ارتقاء میدهند و بهتدریج قدرت بیشتری بهدست میآورند. دراینمیان ظاهرا گوگل قصد دارد با بهرهگیری از یادگیری ماشین به کمک استودیوهای بازیسازی کوچک برود و آنها را قادر سازد بازیهایی بزرگ خلق کنند.
گوگل برای کمک به استودیوهای بازیسازی کوچک، پروژهای تحت عنوان کایمرا (Project Chimera) راهاندازی کرده و تیمی از مهندسان این شرکت از پتانسیل شبکههای مولد تخاصمی (GAN) برای دستیابی به این هدف استفاده میکنند (GAN یکی از مباحث جدید و پیچیده در ارتباط با هوش مصنوعی و یادگیری ماشین است).
اریک هافمن-جان، رئیس بخش نوآوری مرکز تحقیق و توسعهی گوگل استیدیا (Google Stadia) بهتازگی در این رابطه مصاحبهای با مجلهی MCVUK انجام داده و از قابلیتهای جالب یادگیری ماشین برای کمک به بازیسازهای کوچک گفته است؛ بهطوریکه آنها در آینده قادر خواهند بود از این طریق حتی آثاری در ابعاد دنیای وارکرفت (World of Warcraft) تولید کنند و با کمک یادگیری ماشین به خلق محتوای عظیم موردنیاز برای پروژههای بزرگ خود بپردازند:
ما در حال کار روی مواردی هستیم که تولیدکنندههای بازیهای ویدیویی فعلاً نمیخواهند ریسک ورود به آنها را تجربه کنند. ما بهسراغ بازیسازهای مختلف میرویم و از آنها سؤالاتی میپرسیم مثل: «تا امروز دوست داشتهاید سراغ چه کارهایی در آثار خود بروید که توانایی انجام آنها را نداشتهاید؟ چه چیزهایی را از بازیهای خود حذف کردهاید، به این دلیل که فرصت کافی برای رسیدگی به آنها نداشتید یا قدرت پردازش آنها در دسترس شما نبوده است؟»
فکر کنید چه اتفاقات جالبی میافتد اگر یک تیم بازیسازی ۱۴ نفره بتوانند آثاری در حد و اندازههای دنیای وارکرفت خلق کنند. چنین چیزی واقعاً هدف عظیمی برای تیمهای کوچک محسوب میشود، نه؟ نکتهی مهمی که در مورد تولید بازیهای بزرگی مثل دنیای وارکرفت وجود دارد این است که این نوع پروژهها نیازمند تولید محتوای بسیار زیاد و تکراری هستند و هنرمندان و طراحان این بازیها باید بسیار بیشتر از حالت عادی روی آنها کار کنند و همین قضیه هم باعث افزایش بودجه و زمان تولید این بازیها میشود.
اگر به بودجهی تولید بازیهایی مثل دنیای وارکرفت دقت کنید، حدود ۷۰٪ آن را تولید محتوا دربرمیگیرد و ۳۰٪ یا حتی کمتر شامل کدنویسی بازی میشود. یعنی با اینکه میزان کدهای نوشتهشده برای بازی هم در نوع خود بهشدت عظیم است، ولی بخش اعظم کار را محتوای آن تشکیل میدهد.
چیزی که گوگل قصد دارد بهسراغ آن برود، کم و بیش به یادگیری ماشین StyleGAN از انویدیا (Nvidia) شبیه است؛ پروژهای که انویدیا به کمک آن توانست هوش مصنوعیای را خلق کند که توانایی طراحی شخصیتهایی با استیل بصری و حال و هوای شخصیتهای طراحیشده توسط اوسامو تزوکا، معروف به پدر مانگا را دارد. پروژه کایمرای گوگل هم قصد دارد با استفاده از یادگیری ماشین به خلق آثار بهتر و حفظ تعادل در تولید بازیهای ویدیویی کمک و کارهای خیلی پیچیده را به پروسهای ساده برای استودیوهای کوچک تبدیل کند. هافمن-جان در این زمینه میگوید:
ما در حال کار روی نوعی یادگیری تقویتی (یکی از گرایشهای یادگیری ماشینی) هستیم که پس از آشنایی با قوانین یک بازی ویدیویی، میتواند میلیونها بار آن را انجام دهد و به مرحلهای برسد که نقش یک تِستر را ایفا کند و با رفع ایرادات بازی، آن را به تعادل مناسبی برساند. به این ترتیب استودیوهای کوچک که توانایی استخدام صدها تستر برای آزمایش بازیهای خود را ندارند، میتوانند با کمک یادگیری ماشین آثار خود را به وضعیت مطلوبی برسانند و ایرادات آنها را برطرف کنند.
در این حالت هوش مصنوعی میتواند با تجربه کردن بازی به سازندگان آن بگوید چه بخشهایی از پروژهی آنها ایراد دارد و نیازمند رفع مشکل است تا به تعادل برسد. همینطور آنها بهجای اینکه هر بار چیزی را درون فضای خود بازی تجربه کنند تا درست و غلط بودن آن را متوجه شوند، هوش مصنوعی تنها با دریافت ایدهها و تئوریهای طراحیشده توسط بازیسازها اعلام میکند این تئوریها به درد بازی آنها میخورند یا خیر.
هوش مصنوعی بهسرعت در حال پیشرفت است و در دنیای بازی هم شاهد نمونههای جالبی مثل AlphaStar از شرکت DeepMind هستیم که توانایی شکستدادن ۹۹.۸٪ از بازیکنهای استارکرفت 2 (StarCraft II) را دارد. ولی قرار نیست هوش مصنوعی همواره در نقش رقیب بازیکنها ظاهر شود و با تلاش گوگل و سایر شرکتهای حاضر در صنعت بازی میتوان امیدوار بود که در آیندهای نهچندان دور، هوش مصنوعی به یاری بازیسازها بیاید و به خلق آثاری هرچه بهتر و کمایرادتر کمک کند.
شما کاربران دیجیتال چه دیدگاهی در این مورد دارید؟
پاسخ ها