Когда ИИ заменит геймдизайнеров?

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com

В одной из своих предыдущих статей я описал, как ИИ входит в жизнь 3D художников, как упрощает им работу и какие процессы полностью автоматизирует. Но, если создание 3D моделей во многом технический процесс, то что на счёт более творческих профессий? Можно ли автоматизировать процесс создания новых игровых уровней и механик? Может ли ИИ творить?


Существует такой вид искусственных нейронных сетей, как автоэнкодеры. Их изначальная задача состоит в том, что бы восстановить сигнал, полученный на вход. И восстановить наиболее близко к оригиналу. Однако, автоэнкодеры созданы таким образом, что бы не иметь возможности точно скопировать вход на выходе. При прохождении через сеть этот сигнал обязательно будет сжат с потерей данных и автоэнкодер должен будет его восстановить. И он учится минимизировать ошибку при восстановлении. Для этого «распознаются» наиболее ключевые признаки во входных данных, по которым можно восстановить детали.

Казалось бы, причём тут генерация чего то нового? А смысл в том, что эта архитектура обучается, по факту, генерировать полный сигнал из неполного входа, запоминая концепцию и определение того, как должен выглядеть полный сигнал. Сейчас классические автоэнкодеры в основном используется для восстановления данных. Но недавно появилась новая и крайне интересная архитектура — вариацонные автоэнкодеры (VAE). Эти сети уже учатся отображать объекты в заданное пространства и восстанавливать объекты из этого пространства. И VAE уже являются генеративными моделями.

VAE обучают концепциям какого то определённого сигнала / картинки / структуры, потом подают на вход шум и автоэнкодер восстанавливает из шума этот самый сигнал / картинку / структуру. Причём, полученный результат оказывается специфически модифицирован и полностью уникален. И поэтому VAE оказываются крайне перспективным вариантом систем автоматической генерации карт. Их достаточно просто обучить тому, как ландшафт может и не может сочетаться, что на нём в принципе может быть, а чего быть не должно. А потом можно просто подавать на вход поток шума и автоэнкодер будет генерировать абсолютно уникальную карту. То есть, никаких заранее заготовленных и сделанных вручную ассетов. Карта полностью созданная ИИ.

На первый взгляд выглядит фантастикой, до которой ещё не одно десятилетие. А теперь взгляните на эту картинку.

Это уровень игры-платформера Lode Runner, вышедшей в 1983. Ключевой момент — этот уровень полностью сгенерирован автоэнкодером. Без подготовленных ассетов, без написанных вручную правил. Автоэнкодер просто «посмотрел» несколько сотен уровней этой игры, созданных человеком, и создал свой. Это скриншот из статьи, представленной на The Conference on Games в Лондоне, летом 2019 года.


На той же конференции была представлена статья, в которой описывалось создание автоэнкодеров, управляющих поведением NPC. И речь не про АИ для отдельных болванчиков, а управление поведением толп. Проще говоря, один VAE для симуляции поведения всех жителей целого города. И это поведение гораздо более проработанное, нелинейное и разнообразное, по сравнению с любыми существующими симуляциями «живых» городов.

А музыку автоэнкодеры научились самостоятельно писать уже в середине прошлого десятилетия. И прогресс в этом направлении не стоит на месте. Создаётся всё больше VAE, способных писать музыку различных жанров.

 

Это лишь краткий список примеров возможностей VAE. По ним уже видно, что подобные сети могут создавать уровни, создавать «жизнь» на этих уровнях и создавать музыкальное окружение. Они уже способны, без участия человека, создать большую часть игры. Может показаться, что это всё ещё достаточно технические моменты. И уж настолько творческую часть геймплея, как сюжет и диалоги персонажей, автоэнкодеры точно не смогут создать. Однако… VAE уже могут генерировать осмысленные тексты на заданную тему.

Итак, что же мы получаем в итоге. Уже сейчас VAE могут самостоятельно создать каждую составную часть компьютерной игры. Остаётся лишь сделать последний шаг и объединить их в одну систему, способную создать игру целиком. Насколько скоро можно ожидать игру созданную ИИ?

Тут стоит помнить, что автоэнкодеры это всё ещё искусственные нейронные сети. И у них возникают те же проблемы, которые я описывал в статье про компьютерных ботов. Если коротко — создать какую то примитивную игру можно уже сейчас. Но современные игры имеют огромный объём возможностей и механик. И создание VAE, способной оперировать сопоставимым числом игровых механик и ограничений, может занять не одно десятилетие. Это связано не с принципиальной неспособностью VAE к созданию сложных игр, а исключительно к вычислительным ресурсам, которые для этого потребуются.


Пусть они пока не способны создать игры полностью независимо от человека, но уже сейчас VAE позволяют существенно ускорить процесс написания музыки и проектирования уровней. Однако, скорость внедрения таких систем будет зависеть не столько от желания разработчиков использовать автоэнкодеры в своих играх, сколько от стоимости таких разработок. Сейчас специалистов по ИИ и автоэнкодерам катастрофически не хватает во всех областях, где VAE могут использоваться. Крупным издателям нет причин вкладываться в новые, непроверенные технологии. Притом, что старые механики всё ещё позволяют зарабатывать большие деньги. А инди-разработчики просто не могут себе позволить таких специалистов.

Тем не менее, с каждым годом появляется всё больше систем, на базе автоэнкодеров. И этими системами уже могут пользоваться обычные композиторы и геймдизайнеры, для упрощения своей работы. С ростом числа и качества подобных систем, будет и увеличиваться количество подобных технологий в играх. Возможно не в ближайшие пару лет, но в ближайшее десятилетие определённо стоит ожидать внедрение автоэнкодеров во все процессы создания компьютерных игр.