Игры с роботами: практика машинного обучения в гейм-девелопменте

В каких отраслях активнее всего применяются технологии искусственного интеллекта? Сразу вспоминаются финансы, здравоохранение, торговля. А ведь есть сфера, где это понятие используется уже несколько десятков лет (хоть и абсолютно неуместно). Мы, разумеется, про компьютерные игры и все, что с ними связано.

Конечно, в девяти случаях из десяти, если вы слышите про искусственный интеллект в видеоиграх, на самом деле речь о скриптах, по которым компьютер решает те или иные задачи. Но чем больше развиваются нейросети, тем шире становятся возможности для их применения – и вот навыки ML уже называют сильным козырем успешного игрового дизайнера. Более того, скоро будет непросто назвать область гейм-девелопмента, где бы не использовались эти технологии.

Курс по Machine Learning
Идет набор в группу 3 800₽ в месяц

Достойный противник

Разумеется, первым в голову приходит то, что и сейчас называют игровым ИИ – программирование внутриигровых персонажей, которым противостоит главный герой. Сегодняшние боты играют по единожды написанной программе, так что когда человек подбирает ключ к их стратегии, ответить им оказывается нечем.

Все меняется, если электронный соперник сможет приспосабливаться к условиям каждой конкретной партии. Играть становится сложнее, а значит – интереснее. Геймер дольше не убирает диск на полку, охотнее покупает дополнения. Особенно если разработчики научат компьютерный разум приспосабливаться к уровню противника и не раскатывать его в каждой партии.

На сегодняшний день главный вопрос – где взять наборы данных, чтобы обучить нейросеть? Компьютеру нужно сыграть тысячи партий, чтобы разобраться в правилах и наработать выигрышные приемы. Это дополнительное время, расходы на электричество, не говоря уже о стоимости разработки как таковой. Например, боты, которые недавно всухую победили команду профессиональных игроков в StarCraft 2, провели в тренировках по 200 лет каждый (для ускорения игрового времени используются системы, которые повышают частоту кадров в тысячи раз). 

Бездна звезд полна

Если создать достойного игрового соперника – это просто сложное дело, то построить интересный виртуальный мир – задача еще и неимоверно кропотливая. Каждый сантиметр пространства, куда может пойти игрок, каждый темный угол, который останется незамеченным, нужно спроектировать, отрисовать, запрограммировать.

Нейросети могут в разы ускорить этот процесс, попутно сократив необходимые для него человеческие ресурсы. Тем более, что здесь с наборами данных проблем точно не будет – ML-система может учиться на миллионах галактик, которые уже сейчас известны астрономам. А гейм-девелоперам будет достаточно поправить отдельные параметры, чтобы новые вселенные лучше подходили для игровых задач.

Такие виртуальные планеты и галактики будут невообразимо богаче нынешних игровых миров. Сейчас ИИ помогает метеорологам готовить точные прогнозы, биологам – изучать животных и процессы в океанах, физикам – работать с элементарными частицами. Весь массив этих данных можно использовать для создания невероятно проработанных вселенных.

Внутри черного ящика

Тем студиям, которые не создают модели Вселенной, тоже есть, чем загрузить искусственный интеллект. Например, включить в движок футбольного симулятора аналитический компонент, отвечающий за «химию» между игроками команды.

Именно этим сейчас занимаются разработчики серии FIFA. По их задумке, эта функция обеспечит компьютерным состязаниям лучшую реалистичность – рев толпы будет поддерживать атакующих футболистов, гул «чужого» стадиона помешает удачному штрафному. Команда с совместимыми игроками заиграет лучше своего номинального уровня, а если, как это любят делать геймеры, поставить рядом К.Роналду и Месси, напряжение между двумя звездами скажется на результате негативно.

Собственно говоря, нейросети можно поручить любую тонкую настройку внутриигровых процессов, погружаться в которые оказывается слишком дорого или трудно. В шутерах фактор усталости может влиять на точность прицела, автомобильные симуляторы станут ближе к настоящим гонкам с продвинутыми моделями повреждений, персонажи ролевых игр будут реагировать на действия главного героя и разговаривать с ним по-человечески, а градостроительные стратегии – использовать реальные экономические модели. 

Курс по геймдизайну
Идет набор в группу 3 600₽ в месяц

Наука красоты

Не будем забывать и внешней стороне видеоигр, тем более что достижения графических дизайнеров постоянно поднимают планку для новых релизов. Кривые текстуры, проблемы анимации и прочие визуальные огрехи могут сильно сказаться на продажах и свести на нет все труды разработчиков.

Как здесь могут помочь нейросети? Например, обеспечить плавное повышение детализации при приближении к объекту – в точности, как это происходит в реальности. При этом игра будет подстраиваться под возможности компьютера, избавляя игрока от тормозов. Как утверждают инженеры Microsoft и Nvidia, такие возможности станут реальностью уже совсем скоро.

ML-системы также упростят работу аниматоров, которые перепоручат компьютеру отрисовку моделей в движении. А начинающие и независимые игровые студии смогут с помощью ИИ изучать продукты лидеров рынка, чтобы использовать их опыт и наработки в своих продуктах. Разумеется, только в рамках закона.

ML-геймдев или геймдев-ML?

Внедрение всех этих технологий в гейм-девелопмент сильно повлияет на рынок. Какие-то руки освободятся от рутины для более интересных задач, каким-то придется искать новое ремесло. На сегодняшний день эти проблемы остаются где-то в средне- и долгосрочной перспективе.

Есть и оборотная сторона этой медали – разработка игр становится все интереснее для сегодняшних AI-экспертов. Им открываются все новые задачи, которые выходят за рамки создания сложносочиненных скриптов. Так что если такой специалист сейчас задумается о смене карьеры, это поле может оказаться для него золотым.

текст: Помогаев Дмитрий

Поделиться:
Опубликовано в рубрике Machine LearningTagged ,

SkillFactory.Рассылка