a16z: Возможности генеративного ИИ в игровой сфере

Автор ：James Gwertzman\&Jack Soslow

Скомпилировано: 阿法兔

A16Z недавно написала очень интересную статью, в которой обсуждаются возможности сочетания генеративного ИИ и игр, и автор перевел некоторые части с комментариями. Статья состоит из двух частей: первая часть включает наблюдения и прогнозы A16Z о генеративном ИИ в игровой сфере; вторая часть включает оценку рыночной экосистемы в области игр + генеративного ИИ.

Введение

Какова связь между игровой сферой и генеративным искусственным интеллектом?

В области игрового дизайна существует невозможный треугольник: из трех аспектов — стоимости, качества или скорости — обычно можно выбрать только два, а теперь дизайнеры могут использовать эти инструменты AIGC, не тратя много времени на ручное создание, и всего за несколько часов создавать качественные изображения. При этом действительно революционным является то, что любой, кто освоит несколько простых инструментов, сможет получить такую творческую способность.

Эти инструменты могут создавать бесконечные изменения с помощью быстрой итерации, и как только они обучены, весь процесс происходит в реальном времени, то есть результаты практически доступны мгновенно.

С момента появления технологии Real-time 3D не было технологий, которые могли бы так сильно изменить игры (с программным обеспечением реального времени 3D весь виртуальный мир может быть цифрово отрисован быстрее, предоставляя пользователям более привлекательный и погружающий опыт).

Каковы направления развития генеративного ИИ? Как он изменит игры?

Во-первых, генеративный ИИ — это категория машинного обучения, при которой компьютер может создавать оригинальный новый контент на основе ввода/подсказок пользователя. В настоящее время наиболее зрелые приложения этой технологии в основном находятся в области текста и изображений, однако почти во всех творческих областях наблюдаются аналогичные достижения (применение технологий генеративного ИИ), охватывающие анимацию, звуковые эффекты, музыку и даже создание оригинальных виртуальных персонажей с полноценной личностью.

Конечно, искусственный интеллект в играх не нов. Даже в ранних играх, таких как Pong от Atari, уже были компьютерные противники, контролируемые ИИ.

Однако эти виртуальные противники в компьютерах отличаются от генеративного ИИ, о котором мы говорим сегодня; эти компьютерные противники — это просто скриптовые программы, тщательно разработанные игровыми дизайнерами. Они действительно имитируют противника ИИ, но не могут учиться и итеративно развиваться, их уровень соответствует уровню инженеров, которые их написали.

Итак, какие изменения в технологической основе происходят при сочетании генеративного ИИ и игр?

Скорость микропроцессоров увеличивается, облачные вычисления и различные вычислительные мощности становятся более мощными, что позволяет создавать крупные нейронные сети, способные распознавать высоко сложные области и их представления.

Первая часть: некоторые гипотезы и наблюдения в отрасли

Некоторые гипотезы:

Сначала рассмотрим некоторые гипотезы, на которых основана оставшаяся часть статьи:

1. Количество исследований общего искусственного интеллекта (успешных) будет продолжать расти, появятся более эффективные технологии. На изображении показано количество научных статей о машинном обучении или искусственном интеллекте, опубликованных в arXiv ежемесячно. Как видно из графика, количество статей растет экспоненциально и не показывает признаков замедления, при этом эти данные включают только уже опубликованные статьи, и многие исследования еще не опубликованы, а напрямую применяются в разработке открытых моделей или продуктов, которые приводят к взрывным инновациям.

2. Из всех категорий развлечений игры станут областью, на которую генеративный ИИ окажет наибольшее влияние.

Что касается типов активов (2D-арт, 3D-арт, звуковые эффекты, музыка и т.д.), игры являются самой сложной категорией развлечений, и они также обладают наибольшей интерактивностью, акцентируя внимание на реальном времени. Это создает очень высокие барьеры для входа для новых разработчиков игр и создает высокие затраты на создание настоящих AAA-игр, что создает огромные возможности для разрушительных инноваций генеративного ИИ в игровой сфере (как показано на рисунке ниже):

Например, игра «Red Dead Redemption 2» является одной из самых дорогих в производстве за всю историю, ее стоимость составила почти 500 миллионов долларов. А «Red Dead Redemption» также является одной из игр с лучшими визуальными эффектами на рынке, ее создание заняло почти 8 лет, в ней более 1000 игровых персонажей (каждый из которых имеет свою индивидуальность и собственного актера озвучивания), игровой мир размером почти 30 квадратных миль, более 100 заданий в 6 главах и почти 60 часов музыки, созданной более чем 100 музыкантами — все это требует огромных затрат на производство.

Так что, если мы сравним «Red Dead Redemption 2» с «Microsoft Flight Simulator», эта игра гораздо более масштабная… потому что игроки в «Microsoft Flight Simulator» могут летать вокруг всей планеты в игре, охватывающей все 1,97 миллиарда квадратных миль. Так как же Microsoft создала такую крупную игру? В основном с помощью искусственного интеллекта, компания Microsoft сотрудничала с blackshark.ai для обучения ИИ, чтобы создать бесконечно реалистичный трехмерный мир на основе двумерных спутниковых изображений.

Что такое blackshark.ai?

blackshark.ai — это компания, которая использует технологии машинного обучения для извлечения инфраструктуры Земли по всему миру, извлекая данные из спутниковых и аэрофотографий, создавая цифровые двойники на основе текущих географических данных с помощью ИИ. Эти результаты могут быть использованы для визуализации, моделирования, черчения, смешанной реальности и других бизнес-решений, а сама технология обладает возможностью облачного обновления, позволяя обновлять эти данные в реальном времени.

Это всего лишь один пример; без использования технологий ИИ создание игры «Microsoft Flight Simulator» было бы на самом деле невозможно. Кроме того, успех игры также зависит от того, что эти модели могут постоянно улучшаться со временем, например, можно улучшить модель «highway cloverleaf overpass», запустив весь процесс строительства с помощью ИИ, и все мосты на автомагистралях по всему миру в игре могут быть немедленно улучшены.

3. Каждый актив, вовлеченный в создание игры, будет иметь модель генеративного ИИ

На данный момент 2D-генераторы изображений, такие как Stable Diffusion или MidJourney, благодаря своим впечатляющим изображениям занимают большую часть популярности генеративного ИИ. В настоящее время уже существуют модели генеративного ИИ для почти всех активов в играх, от 3D-моделей до анимации персонажей, диалогов и музыки. (В следующей статье будет обсуждаться рыночная экосистема конкретных компаний.)

4. Стоимость контента будет продолжать снижаться, в некоторых случаях стоимость контента может снизиться до нуля

Когда мы общались с разработчиками игр, пытающимися интегрировать генеративный ИИ в процесс создания сцен, наибольшее волнение вызывало то, что время и стоимость создания игр значительно снизятся. Один разработчик сообщил нам, что время на создание концептуального изображения для одной картинки сократилось с 3 недель до 1 часа. Мы уверены, что аналогичные «снижения затрат и повышения эффективности» могут быть достигнуты и в процессе создания всей игры.

Важно отметить, что художники не подвергаются риску замены, это означает, что художникам больше не нужно выполнять всю работу самостоятельно: художники и дизайнеры могут задать начальное творческое направление, а затем передать большую часть времязатратной и технической работы ИИ. В этом отношении это похоже на ранних художников анимации, где высококвалифицированные «художники» рисовали контуры анимации, а затем менее квалифицированные художники выполняли трудоемкую работу по раскрашиванию и заполнению линий, только мы говорим о применении в области создания игр.

5. Мы все еще находимся на ранней стадии этой отраслевой революции, и многое еще нужно улучшить

Несмотря на то, что многие люди в последнее время очень взволнованы, мы все еще только на старте. Когда все поймут, как действительно применить эту новую технологию в сочетании с игровой сферой, предстоит проделать огромную работу, и для тех компаний, которые ранее быстро вошли в эту новую область, будут огромные возможности.

Вторая часть: прогнозы на будущее

Учитывая вышеуказанные гипотезы, в этой статье сделаны прогнозы и выводы о том, как игровая индустрия будет трансформирована.

1. Изучение того, как эффективно применять генеративный ИИ, станет рыночным навыком.

Уже есть пионеры, которые могут более эффективно применять генеративный ИИ, чем другие. Чтобы наилучшим образом использовать эту новую технологию, необходимо понимать различные инструменты и технологии и знать, как их комбинировать. Мы прогнозируем, что эффективное применение генеративного ИИ само по себе станет очень перспективным навыком, поскольку оно может объединить творческое видение художника с техническими способностями программиста.
Крис Андерсон сказал: «Каждое изобилие создает новую нехватку». По мере того как контент становится все более разнообразным, художники, которые понимают, как наиболее эффективно сотрудничать с инструментами ИИ, будут наиболее дефицитными.
Например, использование генеративного ИИ для создания произведений искусства также принесет некоторые вызовы, включая:
Сохранение согласованности: необходимо иметь возможность изменять или редактировать различные активы в игре, для инструментов ИИ это означает, что необходимо уметь воспроизводить (цифровые) активы с одинаковыми сигналами, чтобы мы могли их изменять и оспаривать. Это может быть сложно, поскольку одинаковая подсказка может привести к совершенно разным результатам.
Сохранение согласованности стиля: все художественные работы в одной игре должны сохранять единый стиль, что означает, что инструменты ИИ должны быть обучены или связаны с установленным стилем художника/дизайнера.

2. Снижение барьеров для разработки игр приведет к большему количеству рисков и творческих исследований

Мы, возможно, вскоре войдем в новую «золотую эпоху» разработки игр, более низкие барьеры для входа приведут к большему количеству инновационных и творческих игр, и это не только потому, что более низкие затраты на производство снижают риски для разработчиков игр, но и потому, что эти инструменты представляют собой возможность создавать качественный контент для более широкой аудитории.

3. Постепенное возникновение «микроигровых студий», поддерживаемых ИИ

С появлением инструментов и услуг генеративного ИИ, возможно, больше жизнеспособных коммерческих игр будет создаваться небольшими «микро-студиями» с 1 или 2 сотрудниками. Конечно, небольшие независимые игровые студии уже довольно распространены, популярная игра «Among Us» была создана студией Innersloth, в которой работало всего 5 человек, и масштаб игр, которые могут создавать эти небольшие студии, будет расти.

4. Количество игр, выпускаемых каждый год, будет увеличиваться

Успех Unity и Roblox показывает, что предоставление мощных творческих инструментов приводит к созданию большего количества игр. Генеративный ИИ еще больше снизит барьеры, создавая больше игр. Эта индустрия уже столкнулась с проблемами обнаружения — только в прошлом году было добавлено более 10 000 игр на Steam — что создаст еще большее давление на обнаружение. Тем не менее, мы также увидим…

5. Будут созданы новые типы игр.

Будут изобретены новые типы игр, такие как упомянутый ранее «Microsoft Flight Simulator», но совершенно новые типы игр, которые будут сочетать в себе генерацию нового контента в реальном времени.
Например, RPG-игра Arrowmancer от Spellbrush с персонажами, созданными ИИ, предлагает практически неограниченные новые способы игры. Некоторые разработчики игр используют ИИ, чтобы позволить игрокам создавать свои аватары в игре: автоматически генерируя изображения аватаров на основе описаний игроков. Обратите внимание, что с точки зрения пользовательского опыта, позволяя игрокам генерировать контент с помощью ИИ, игроки могут ощущать большую собственность.

6. Ценность будет принадлежать специализированным инструментам ИИ, а не только базовым моделям

Вокруг базовых моделей, таких как Stable Diffusion и Midjourney, наблюдается чрезмерный интерес, что приводит к крайне завышенным оценкам, но с продолжающимся появлением новых исследований новые модели будут появляться и постоянно обновляться с улучшением технологий. Судя по трафику поиска на сайтах трех популярных моделей генеративного ИИ (Dall-E, Midjourney и Stable Diffusion), каждая новая модель имеет свои специфические точки внимания.

Другой подход заключается в создании набора инструментов, соответствующих потребностям отрасли (вертикальная отрасль), которые будут сосредоточены на потребностях генеративного ИИ в конкретной отрасли, глубоко понимая конкретную аудиторию и интегрируясь с существующими производственными сценами (Unity или Unreal).

Типичным примером является Runway, который предлагает инструменты, поддерживаемые ИИ, для видео-креаторов, такие как редактирование видео, удаление зеленого фона, внутренние рисунки и отслеживание движения, такие инструменты могут со временем добавлять новые сценарии применения. В настоящее время не наблюдается появления игровых инструментов, подобных Runway, но это потенциальная область.

7. Предстоящие юридические вызовы

Общей чертой всех этих моделей генеративного ИИ является то, что они обучаются на больших наборах данных контента, обычно создаваемых из данных из Интернета. Например, «Stable Diffusion» была обучена на более чем 5 миллиардах изображений/заголовков, собранных из сети. В настоящее время эти модели утверждают, что работают в рамках принципа «добросовестного использования» авторских прав, но этот аргумент еще не был четко проверен в суде. Очевидно, что предстоящие юридические вызовы могут изменить ландшафт генеративного ИИ.
Крупные киностудии могут использовать свои авторские права для создания собственных моделей, стремясь получить конкурентное преимущество. Например, у Microsoft есть много студий, особенно они приобрели Activision Blizzard.

8. По крайней мере на данный момент, в отличие от художественной сферы, генеративный ИИ не приведет к значительным изменениям в области программирования.

Программная инженерия является еще одним основным источником затрат в разработке игр, но генерация кода с помощью моделей ИИ требует больше тестирования и проверки, поэтому производительность генерации кода ниже, чем в производстве творческих активов. Мы считаем, что такие инструменты, как Copilot, могут предоставить инженерам умеренное улучшение производительности, но в краткосрочной перспективе они не приведут к таким же значительным изменениям, как в области контента.

Третья часть: некоторые рекомендации

1. Начните исследовать генеративный ИИ:

Чтобы понять, как полностью использовать силу грядущей революции генеративного ИИ, потребуется некоторое время. Компании, которые начнут развивать свой бизнес раньше, будут иметь преимущества в будущем; несколько студий уже проводят внутренние экспериментальные проекты, исследуя, как эти технологии могут повлиять на создание игр.

2. Ищите возможности в незанятых нишах рынка:

В настоящее время многие части всей ниши уже очень переполнены, такими как анимация, голос, диалоги, но есть много областей, которые остаются широко открытыми. Мы призываем предпринимателей, заинтересованных в этой области, сосредоточиться на еще не разработанных областях, таких как «игры + генеративный ИИ».