Развитие технологий позволило продвинуться вперед в части передачи игрового опыта. Появились неодушевлённые типы участников – NPC или боты, которым разработчики стремились придавать максимальную достоверность: возможность вести диалог, естественно вписываться в игровое окружение, умение прятаться и другое. В итоге главной задачей искусственного интеллекта стала его способность к самообучению что послужило одним из поводов развития нейросетей.
В настоящее время игрокам недостаточно просто проходить уровень за уровнем, чтобы достичь финала, им необходимо эмоциональное поощрение, а также правдоподобность игровых событий и их вариативность, чтобы можно было проходить сцену повторно в разных условиях. Такие возможности обеспечивает искусственный интеллект, и основная технология его реализации – нейросети. Они содержат тысячи параметров, обучаются в процессе работы, демонстрируют все более сложное поведение.
Игры выступают в качестве платформы для нейросетей – позволяют им научиться взаимодействовать с динамикой внешней среды и решать сложные задачи. Качественный сюжет и нелинейность повествования имеют большое значение при разработке высокобюджетных компьютерных игр, упрощению процесса создания которых будет также способствовать развитие нейросетей. Также, нейросети с высокой долей точности смогут не только сегментировать типы игроков, но и предсказывать их действия.
В настоящее время уже есть ряд успешных кейсов внедрения нейросетей в игровые проекты в разном качестве. Так, например, в Google Developers разработали тестовый игровой проект Chimera с внедрением нейросети, задача которого заключается в оптимизации процесса тестирования игрового баланса – с помощью нейросети удалось достичь желаемых результатов за несколько дней, в то время как в обычных условиях этот процесс может занимать несколько месяцев. При этом структура не ограничивается тестированием, её можно применять в обучении новых игроков или в создании сложных ИИ-оппонентов.
Ubisoft внедрила искусственный интеллект в систему подбора игроков. Нейросеть обрабатывает послематчевые данные, проводит многофакторный анализ и учитывает вовлеченность в игровой процесс. То есть подбор идет не только по навыку игроков, но и по ряду других факторов.
NVIDIA и их исследовательская работа в области графических технологий привела к разработке нейросетевой модели под названием DLSS (Deep Learning Super Sampling). DLSS позволяет увеличить производительность игр, используя искусственный интеллект для генерации высококачественных изображений с более низким разрешением.
В игре «Assassin's Creed: Odyssey» компания Ubisoft использовала нейросетевую модель, чтобы улучшить анимацию персонажей. Система нейронной сети анализировала большое количество движений, записанных актерами, и создавала более плавные и реалистичные анимации.
С увеличением доступности вычислительных ресурсов и продолжающимся исследованием в области искусственного интеллекта, становится очевидно, что роль нейросетей в игровой индустрии будет только расти, позволяя создавать уникальный контент, снимать объему рутинных задач и повышать уровень игрового опыта обычных игроков.
На данный момент искусственный интеллект еще не способен полностью создавать графику для игр, но в этой области уже есть некоторые прорывы. В процессе создания визуальной составляющей для игры GTA 5, например, было применено использование нейросети для обработки фотографий реальных объектов. Таким образом, удалось достичь высокого уровня реализма визуальных эффектов.
Кроме того, компания NVIDIA разработала целый виртуальный мир, основываясь на фотографиях улиц обычных городов. Этот подход позволил создать виртуальное пространство с высокой степенью детализации и реализма.
Нейронная сеть может радикально изменить способ создания 3D-контента в играх. Например, возможно, что ИИ сможет генерировать каждый кадр игры в режиме реального времени на основе обратной связи от пользователя.
Несмотря на все сложности, нейронным сетям уже передаются определенные задачи в геймдеве.
Один из наиболее распространенных примеров в этой области – это ремастеринг визуального оформления старых игр. Игры, выпущенные несколько десятилетий назад, благодаря обработке выглядят более четкими и яркими. При этом суть графики, конечно, остается прежней, изменяется лишь ее качество и визуальное впечатление.
Кроме того, нейросети могут использоваться для генерации определенных видов ресурсов, таких как картины, обложки книг и журналов, билборды, портреты и многое другое. При этом такие действия не нарушают никаких авторских прав. Главное преимущество заключается в том, что теперь нет необходимости в найме отдельного художника для выполнения подобных задач.
Другой показательный пример – небольшие игровые студии, которые используют нейросети, создающие изображения на основе текстового описания, чтобы сократить расходы на создание арта. Таким способом воспользовалась студия Lost Lore, по заявлениям директора студии использование Midjourney позволило сэкономить на 80% (с 50 тысяч долларов до 10 тысяч долларов) сократить стоимость создания концептов, а также сократить срок их создания с полугода работы до, всего лишь, одного месяца. Но полностью заменить художника нейросети еще не могут. Изображения, сгенерированные нейросетями необходимо править – убирать графические артефакты, добавлять важные детали, корректировать тени, приводить изображение к общей стилистике ранее сгенерированных изображений.
Таким образом, нейросети в настоящее время представляют собой инструмент для художников, который позволяет быстро получить набор подходящих образов и работать с ними, используя несколько ключевых моментов в качестве промпта (вводные данные для взаимодействия с нейросетью). Теперь нет необходимости искать вдохновение в агрегаторах изображений, так как можно воспользоваться любым из нейросетевых сервисов.