berita

prediksi huang renxun menjadi kenyataan. google mendemonstrasikan model ai generasi game real-time gamengen

2024-08-29

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

① melalui pembelajaran mesin, para peneliti memungkinkan model gamengen berhasil menghasilkan game first-person shooter "doom" pada tahun 1990-an secara real-time; ② meskipun produk akhirnya masih kasar, penelitian ini lebih lanjut menunjukkan prospek game yang dihasilkan ai di masa depan; ③ ceo nvidia jensen huang pernah meramalkan, kita dapat melihat game sepenuhnya dihasilkan oleh ai dalam waktu sekitar 5-10 tahun.

financial associated press, 29 agustus (editor shi zhengcheng)era pembuatan game real-time dengan model ai telah tiba secara diam-diam.

minggu ini peneliti dari google dan universitas tel aviv menerbitkan makalah berjudul "model difusi adalah mesin permainan waktu nyatamakalah ini memperkenalkan gamengen, mesin game pertama dalam sejarah komputer yang didukung penuh oleh model jaringan saraf.

(sumber: github)

para peneliti menulis di makalahnya: "saat ini, video game diprogram oleh manusia, dan gamengen adalah bagian dari pembuktian konsep paradigma baru dalam mesin game — di mana game akan menjadi bobot model saraf, bukan baris kode.。”

agar lebih mudah dipahami, semua video game saat ini telah dirancang sebelumnya. pengembang perlu menulis kode, menyiapkan teks game dan model tekstur, lalu menempatkannya di peta game - rendering dan pembaruan status layar game bergantung. aktif untuk aturan yang diedit secara manual. namun model gamengen membuka ide yang sangat berbeda:gunakan model generasi ai untuk menghitung dan menghasilkan gambar game secara real time berdasarkan tindakan dan reaksi pemain.

dalam demonstrasi tersebut, para peneliti menggunakan pembelajaran mesin untuk berhasil menghasilkan game first-person shooter "doom" pada tahun 1990-an secara real time dengan model gamengen. video tersebut menunjukkan bahwa dalam game yang dihasilkan ai, pemain dapat memutar dan menembakkan senjata di tempat kejadian, dan pada saat yang sama, dapat secara akurat mencerminkan jumlah peluru yang tersisa, sisa volume darah setelah diserang, dan apakah kondisinya diperlukan. untuk membuka level berikutnya terpenuhi.

(sumber: video demonstrasi)

perlu diperhatikan bahwa rangkaian gambar yang terlihat di atas seluruhnya merupakan gambar yang dihasilkan oleh ai secara real time.kemajuan terbaru juga menunjukkan bahwa setelah berhasil menghasilkan teks, gambar, audio, dan video pendek, model ai mungkin memiliki kemampuan untuk menghasilkan adegan game, yang memerlukan logika, koherensi, dan interaksi real-time yang jauh lebih tinggi.

bagaimana mereka melakukannya?

menurut tim peneliti, untuk melatih ai yang dapat menghasilkan game secara real time, pertama-tama perlu melatih agen pembelajaran penguatan (rl) untuk memainkan game tersebut, dan kemudian menggunakan klip yang direkam untuk melatih model difusi generatif untuk memprediksi berdasarkan adegan masa lalu dan tindakan pemain. layar berikutnya, itulah sebabnya game yang dihasilkan ai dapat menunjukkan perubahan dalam kesehatan dan amunisi, serta animasi musuh yang diserang.

tantangan yang lebih besar adalah menjaga gambar yang dihasilkan ai tetap koheren secara temporal dan logis. untuk mengurangi penyimpangan autoregresif selama inferensi, para peneliti menghancurkan bingkai konteks dengan menambahkan noise gaussian ke bingkai yang dikodekan selama pelatihan, memungkinkan ai untuk mengoreksi informasi yang diambil sampelnya dalam bingkai sebelumnya, sehingga menjaga stabilitas pembuatan gambar dari waktu ke waktu.

(sumber: makalah penelitian)

peneliti mengungkapkan hal itumenjalankan model ini hanya memerlukan satu tpu (prosesor ai yang dikembangkan sendiri oleh google), yang dapat mencapai kecepatan pembangkitan 20 frame per detik.

tentu saja paragraf di atas juga menunjukkan keterbatasan gamengen: ai ini harus mengandalkan masukan dari game yang ada (atau teks, gambar, dan materi lainnya) untuk menghasilkan game.

jim fan, manajer riset senior dan kepala embodied intelligence group di nvidia, berkomentar di media sosial,gamengen lebih mirip neural radiation field (nerf) dibandingkan model pembuatan video. bidang radiasi neural menghasilkan representasi 3d pemandangan dengan mengambil gambar pemandangan dari berbagai sudut. namun ini juga berarti bahwa model tersebut tidak memiliki kemampuan untuk menggeneralisasi dan tidak dapat “membayangkan” skenario baru. ini juga yang membedakan gamengen dan sora: tidak dapat menghasilkan adegan atau mekanisme interaksi baru.

(sumber: x)

para peneliti juga menyebutkan hal ini dalam makalahnya, menjelaskan bahwa dengan bantuan teknologi ini,pengembang game di masa depan akan dapat membuat game baru dengan "deskripsi tekstual dan contoh gambar", sehingga memungkinkan untuk mengubah kumpulan gambar yang disempurnakan menjadi level atau karakter baru yang dapat dimainkan untuk game yang sudah ada hanya berdasarkan contoh, bukan keterampilan pemrograman. .

jen-hsun huang: akan ada game yang sepenuhnya dihasilkan oleh ai dalam 5-10 tahun

game real-time yang didukung oleh rendering ai bukanlah ide baru. ketika chip arsitektur blackwell generasi terbaru dirilis pada bulan maret tahun ini, ceo nvidia jensen huang memperkirakan bahwa,dalam waktu sekitar 5-10 tahun, kita akan dapat melihat game yang sepenuhnya dihasilkan oleh ai.

faktanya, bukan hanya tim google yang bergerak ke arah ini;saat openai pertama kali merilis demo sora tahun ini, openai juga menunjukkan kemampuannya untuk mensimulasikan game piksel "minecraft"

(sumber: openai)

perkembangan terbaru ini juga bertepatan dengan cai haoyu, mantan ketua mihoyo, yang baru-baru ini memicu diskusi hangat tentang "membujuknya untuk berhenti".

cai haoyu secara terbuka menyatakan minggu ini,aigc telah merevolusi pengembangan game, dan kini fenomena ini hanya perlu waktu untuk terungkap sepenuhnya. ia percaya bahwa di masa depan, hanya ada dua jenis pengembang game yang masuk akal untuk terus bekerja di industri ini - 0,0001% orang jenius teratas, dan 99% peminat bisnis yang menciptakan game yang memenuhi kebutuhan mereka sendiri. sedangkan untuk sisa pengembang game yang "dari biasa menjadi profesional", setiap orang harus berganti karier secepatnya.

(sumber: internet)