Snímky z hraní hry Doom na inteligenci GameNGen lidským hráčem. Kredit: Valevski et al. (2024), arXiv.

Herní průmysl se otřásá v základech. Nové pukliny se šíří od úterka, kdy vědci Google a Tel Aviv University vypustili na světlo novou inteligenci GameNGen. Jde o první herní engine, který je poháněný neurálním modelem, umožňujícím interakci s komplexním prostředím v reálném čase a ve vysoké kvalitě. Není to první inteligence tohoto druhu, ale podle ohlasů se jejím tvůrcům povedl slušný zásah.

Tvůrci vyzkoušeli inteligenci GameNGen na klasice všech klasik, videohře Doom z roku 1993 od id Software, která položila základy žánru First-person shooter (FPS), tedy střílečky z pohledu první osoby, a stala se jednou z nejvýznamnějších a nejlepších videoher všech dob. GameNGen interaktivně simuluje Doom v reálném čase a využívá ke generování grafiky technologii vypůjčenou od inteligence Stable Diffusion.

Dani Valevski. Kredit: Google Research.

Podle vývojáře Nicka Dobose je potenciál podobných inteligencí až absurdně obrovský. Namísto vykreslování grafiky tradičními postupy bude možné využívat engine založený na umělé inteligenci k halucinování grafiky v reálném čase. Jak s nostalgií říká Dobos, proč by měl někdo ručně vytvářet složitou grafiku, když umělá inteligence může vysnít každý pixel? Tohle zní jako rozsudek smrti pro soudobý přístup k vývoji her a aplikací, i když to nemusí být okamžitě.

GameNGen generuje přes dvacet snímků (frames) za sekundu pomocí jediného procesoru TPU (tensor processing unit), zařízení podobného GPU, které je optimalizované pro umělé inteligence. V experimentu dokázalo deset lidských hodnotitelů rozlišit krátké videosekvence z tradičního Doomu od výstupu inteligence GameNGen jen asi v 60 procentech případů.

Architektura inteligence GameNGen. Kredit: Google Research.

Jak to funguje? Inteligence se řídí vstupy hráče. Neurální model současně předpovídá další stav hry na základě předchozích, k čemuž využívá zkušenosti z intenzivního tréninku sledování videosekvencí hraní hry Doom.

Tvůrci inteligence GameNGen nezastírají, že je to teprve začátek. Generování videohry s pomocí technologie Stable Diffusion není bez chyb, které mohou vést k rychlému poklesu kvality generovaného světa. Další věc je, že modely založené na inteligenci Stable Diffusion jsou dobré v napodobování, nikoliv v tvorbě nových, originálních věcí.

GameNGen vidí jen 3 sekundy z děje, takže při případných návratech do míst, která hráč viděl před tím, by musel odhadovat předchozí stavy hry, tedy vlastně halucinovat data, jako to dělají i jiné generativní inteligence.

Doom je sice klasika, ale z roku 1993, takže je to v zásadě prostá hra s jednoduchou grafikou. Schopnosti umělých inteligencí rostou každý den. Zřejmě v dohledné době dočkáme sofistikovaných neurálních herních enginů, které vystavějí v reálném čase velké a konzistentní interaktivní světy.

Dani Valevski z Google Research a jeho kolegové to shrnuli stručně, jasně a nekompromisně. Dneska programují videohry lidé. GameNGen ohlašuje nové paradigma, v němž jsou hry výstupem neurálního modelu, nikoliv řádků počítačového kódu. Není vůbec vyloučeno, že nové hry budou vznikat tak, že autoři popovídají s inteligencí, buď textově anebo ji předvedou nějaké obrázky a inteligence udělá hru. Čekají nás zajímavé časy.

Video: GameNGen

Literatura

ARS Technica 28. 8. 2024.

GameNGen.github.

arXiv:2408.14837.