Une grande partie des premières discussions sur la révolution de l'IA générative dans les jeux s'est concentrée sur la manière dont les outils d'IA peuvent améliorer l'efficacité des créateurs de jeux, permettant aux jeux d'être produits plus rapidement et à plus grande échelle qu'auparavant. À long terme, nous pensons que l'IA ne changera pas seulement la façon dont les jeux sont créés, mais la nature même des jeux eux-mêmes.
En permanence, l'IA contribue à générer de nouvelles formes de jeux. Des donjons générés de manière procédurale dans Rogue (1980), aux machines à états finis dans Half-Life (1998), aux réalisateurs de jeux d'IA dans Left 4 Dead (2008). Plus récemment, les progrès de la technologie d'apprentissage en profondeur ont encore modifié la donne en permettant aux ordinateurs de générer de nouveaux contenus en fonction des invites de l'utilisateur et de grands ensembles de données.
C'est encore tôt, mais nous voyons déjà des domaines intéressants du jeu basé sur l'IA, notamment les agents génératifs, la personnalisation, la narration d'IA, les mondes dynamiques et les copilotes d'IA. En cas de succès, ces systèmes pourraient être combinés pour créer des jeux d'IA émergents qui conservent des cadres de joueurs fidèles.
Agent Génératif
Lancé par Maxis' SimCity en 1989, le jeu de simulation permet aux joueurs de construire et de gérer une ville virtuelle. Aujourd'hui, le jeu de simulation le plus populaire est Les Sims, où plus de 70 millions de joueurs dans le monde gèrent des personnes virtuelles appelées "sims" et les laissent vaquer à leurs occupations quotidiennes. Le designer Will Wright a un jour décrit Les Sims comme une "maison de poupée interactive".
L'IA générative peut faire progresser considérablement le développement de jeux de simulation en rendant les agents plus réalistes grâce à des comportements sociaux émergents pilotés par de grands modèles de langage (LLM).
Plus tôt cette année, une équipe de recherche de l'Université de Stanford et de Google a publié un article montrant comment appliquer le LLM aux agents dans les jeux. Dirigée par le doctorant Joon Sung Park, l'équipe de recherche a incorporé 25 agents de type Sims dans un monde de bac à sable pixel art dont le comportement a été déterminé par ChatGPT et une architecture qui étend LLM pour utiliser le langage naturel pour stocker un enregistrement complet de l'expérience d'un agent, synthétiser ces souvenirs dans une réflexion de niveau supérieur et les récupérer dynamiquement pour planifier le comportement.
Ces résultats sont un excellent aperçu de l'avenir potentiel des jeux de simulation. En commençant par une suggestion spécifiée par l'utilisateur selon laquelle un agent souhaite organiser une fête de la Saint-Valentin, les agents distribuent indépendamment les invitations à la fête, nouent de nouvelles amitiés, s'invitent à des dates et se coordonnent pour arriver à la fête à l'heure deux jours plus tard.
Ce comportement est possible parce que les LLM sont formés sur les données des réseaux sociaux, de sorte que leurs modèles incluent les principes fondamentaux de la façon dont les humains se parlent et se comportent dans divers contextes sociaux. Et dans les environnements numériques interactifs comme les jeux analogiques, ces réponses peuvent être déclenchées pour créer un comportement réaliste.
Du point de vue du joueur, le résultat final est une expérience de jeu plus immersive. Une grande partie du plaisir de jouer aux Sims ou à la simulation de colonie RimWorld vient de l'événement inattendu. Avec le comportement des agents dans les réseaux sociaux, nous pouvons voir des jeux de simulation qui non seulement mettent en valeur l'imagination des concepteurs de jeux, mais reflètent également l'imprévisibilité de la société humaine. Regarder ces sims peut fournir autant de divertissement que de regarder la prochaine génération de The Truman Show d'une manière qui n'est pas possible avec la télévision ou les films pré-produits d'aujourd'hui.
Les agents eux-mêmes peuvent également être personnalisés, en s'inspirant de nos aspirations imaginatives pour un jeu "Dollhouse". Les joueurs peuvent concevoir un agent idéal basé sur eux-mêmes ou sur des personnages fictifs. "Ready Player Me" permet aux utilisateurs de générer leur propre avatar 3D en prenant un selfie et d'importer l'avatar dans plus de 9000 jeux/applications. Les plates-formes de personnages IA Character.ai, InWorld et Convai peuvent créer des PNJ personnalisés avec leurs propres histoires, personnalités et contrôles comportementaux.
Grâce aux capacités de langage naturel, la façon dont nous interagissons avec les agents a également été élargie. Aujourd'hui, les développeurs peuvent utiliser les modèles de synthèse vocale d'Eleven Labs pour générer des voix réalistes pour leurs agents. Convai s'est récemment associé à Nvidia pour une démo très médiatisée dans laquelle les joueurs pouvaient engager une conversation vocale naturelle avec un PNJ chef de ramen AI, avec le dialogue et les expressions faciales correspondantes générées en temps réel. L'application compagnon AI Replika permet déjà aux utilisateurs de discuter avec leurs amis via la voix, la vidéo et l'AR/VR. À l'avenir, on peut imaginer un jeu de simulation où les joueurs peuvent rester en contact avec leurs agents par téléphone ou chat vidéo tout en voyageant, puis cliquer sur un jeu plus immersif lorsqu'ils retournent sur leur ordinateur.
Cependant, il reste encore de nombreux défis à résoudre avant de pouvoir voir une version entièrement générée des Sims. Les données de formation pour les LLM ont des biais inhérents qui peuvent se refléter dans le comportement des agents. Jeux de service en temps réel 24 heures sur 24, 7 jours sur 7 Le coût de l'exécution de simulations à grande échelle peut ne pas être économiquement viable, l'exécution de 25 agents en 2 jours coûterait à l'équipe de recherche des milliers de dollars en calcul. Les efforts pour décharger les charges de travail des modèles sur les appareils sont prometteurs mais encore relativement précoces. Nous devrons peut-être aussi développer de nouvelles normes autour des relations quasi-sociales avec les agents.
Mais une chose est claire, il y a une énorme demande d'agents génératifs en ce moment. Dans notre récente enquête, 61% des studios de jeux prévoient d'expérimenter des PNJ IA. Nous pensons que les compagnons IA deviendront bientôt monnaie courante à mesure que les agents entreront dans nos sphères sociales quotidiennes. Les jeux de simulation fournissent un bac à sable numérique dans lequel nous pouvons interagir avec nos compagnons IA préférés de manière amusante et imprévisible. À long terme, la nature des jeux de simulation est susceptible de changer, avec ces agents non seulement des jouets, mais des amis potentiels, des membres de la famille, des collègues, des conseillers et même des amants.
Personnalisation
Le but ultime d'un jeu personnalisé est de fournir à chaque joueur une expérience de jeu unique. Par exemple, commençons par la création de personnages - du jeu de société original Dungeons & Dragons à Genshin Impact de Mihoyo, la création de personnages est l'épine dorsale de presque tous les jeux de rôle (RPG). La plupart des RPG permettent au joueur de choisir parmi des options prédéfinies pour personnaliser l'apparence, le sexe, la classe, etc. Alors, comment allez-vous au-delà des préréglages pour générer un personnage unique pour chaque joueur et gameplay ? Un créateur de personnage personnalisé combinant LLM avec un modèle de diffusion texte-image permet cela.
Spellbrush's Arrowmancer est un RPG alimenté par le modèle d'animation personnalisé basé sur GAN de la société. Dans Arrowmancer, les joueurs peuvent générer un ensemble complet de personnages d'anime uniques, y compris des capacités artistiques et de combat. Cette personnalisation fait également partie de son système de monétisation, les joueurs important des personnages créés par l'IA dans des bannières gacha personnalisées, où ils peuvent gagner des personnages en double pour renforcer leurs rangs.
La personnalisation s'étend également aux éléments du jeu. Par exemple, l'IA peut aider à générer des armes et des armures uniques qui ne sont disponibles que pour les joueurs qui accomplissent certaines tâches. Azra Games a construit un pipeline d'actifs alimenté par l'IA pour concevoir et générer rapidement une vaste bibliothèque d'éléments de jeu et du monde, ouvrant la voie à une expérience de jeu plus diversifiée. Le célèbre développeur AAA Activision Blizzard a construit le système Blizzard Diffusion, une réplique du générateur d'images Stable Diffusion, pour aider à générer des concepts artistiques pour divers personnages et tenues.
Le texte et les dialogues du jeu peuvent également être personnalisés. Les emblèmes dans le monde peuvent refléter une sorte de titre ou de statut que le joueur a atteint. Les PNJ peuvent être configurés en tant qu'agents LLM avec des personnalités uniques qui s'adaptent au comportement du joueur. Par exemple, le dialogue peut changer en fonction du comportement passé du joueur avec l'agent. Nous avons vu ce concept mis en œuvre avec succès dans un jeu triple A, et Shadow of Mordor de Monolith a un système de vengeance qui crée dynamiquement des histoires intéressantes pour les méchants en fonction des actions des joueurs. Ces éléments de personnalisation rendent chaque expérience de jeu unique.
L'éditeur de jeux Ubisoft a récemment révélé Ghostwriter, un outil conversationnel alimenté par des LLM. Aujourd'hui, les éditeurs utilisent l'outil pour générer automatiquement un dialogue qui aide à simuler le monde vivant autour des joueurs.
Du point de vue du joueur, l'IA ajoute à l'immersion et à la jouabilité du jeu. La popularité durable des mods de jeu de rôle dans les jeux immersifs en monde ouvert comme Skyrim et Grand Theft Auto V démontre un besoin latent d'histoires personnalisées. Même aujourd'hui, GTA V compte toujours plus de joueurs sur les serveurs de jeu de rôle que le jeu original. Nous pensons qu'à l'avenir, les systèmes de personnalisation deviendront un outil opérationnel intégral en temps réel pour attirer et fidéliser les joueurs dans tous les jeux.
Récit de l'IA
Bien sûr, un bon jeu ne se limite pas aux personnages et aux dialogues. Un autre scénario intéressant consiste à tirer parti de l'IA générative pour raconter des histoires meilleures et plus personnelles.
Dungeons & Dragons est l'ancêtre de la narration personnalisée dans les jeux, dans laquelle une personne connue sous le nom de "maître de donjon" se prépare à raconter une histoire à un groupe d'amis qui jouent chacun un rôle dans l'histoire. L'histoire qui en résulte est en partie un drame d'improvisation, en partie un RPG, ce qui signifie que chaque jeu est unique. Signe de la nécessité d'une narration personnalisée, Donjons & Dragons est plus populaire que jamais aujourd'hui, avec des ventes numériques et analogiques atteignant des records.
Aujourd'hui, de nombreuses entreprises appliquent LLM au mode histoire de Donjons & Dragons. L'opportunité ici est pour les joueurs de passer leur temps dans leurs univers préférés créés par des joueurs ou IP, guidés par un conteur IA infiniment patient. Lancé en 2019, Latitude's AI Dungeon est un jeu d'aventure textuel ouvert dans lequel l'IA joue le maître du donjon. Les utilisateurs ont également affiné la version GPT-4 d'OpenAI pour jouer à Dungeons & Dragons avec des résultats prometteurs. Le jeu d'aventure textuelle de Character.AI est l'un des modes les plus populaires de l'application.
Hidden Door va encore plus loin en formant un modèle d'apprentissage automatique sur un ensemble spécifique de matériel source (tel que The Wizard of Oz), permettant aux joueurs de s'aventurer dans un univers IP donné. De cette manière, Hidden Door a travaillé avec le propriétaire de la propriété intellectuelle pour permettre une nouvelle forme interactive d'extension de marque. Dès que les fans ont fini de regarder un film ou un livre, ils peuvent poursuivre leurs aventures dans leurs mondes préférés grâce à des événements personnalisés similaires à Donjons & Dragons. La demande pour l'expérience des fans est en plein essor, avec Archiveofourown.org et Wattpad, les deux plus grands référentiels de fan fiction en ligne, recevant respectivement plus de 354 millions et 146 millions de visites de sites Web, rien qu'en mai.
NovelAI a développé son propre LLM Clio, l'utilisant pour raconter des histoires en mode bac à sable afin d'aider les écrivains humains à surmonter les problèmes de blocs d'écriture. Pour les écrivains les plus exigeants, NovelAI permet aux utilisateurs d'affiner Clio en fonction de leur propre travail, ou même de celui d'auteurs célèbres comme HP Lovecraft ou Jules Verne.
Il convient de noter qu'il existe de nombreux obstacles avant que la production d'histoires d'IA ne soit complètement prête. Construire un bon conteur d'IA aujourd'hui nécessite beaucoup de règles humaines pour créer les lignes narratives qui définissent une bonne histoire. La mémoire et la cohérence sont très importantes, le conteur doit se souvenir de ce qui s'est passé plus tôt dans l'histoire et être cohérent dans les faits et le style. L'interprétabilité reste un défi pour une grande partie du code source fermé qui fonctionne comme une boîte noire, et les concepteurs de jeux doivent comprendre comment les systèmes se comportent afin d'améliorer l'expérience de jeu.
Cependant, en surmontant ces obstacles, l'IA est devenue le copilote des conteurs humains. Aujourd'hui, des millions d'écrivains utilisent ChatGPT pour inspirer leurs histoires. Le studio de divertissement ic a réuni DALL-E, ChatGPT, Midjourney, Eleven Labs et Runway avec une équipe éditoriale humaine pour créer une émission d'aventure interactive à choisir soi-même, désormais diffusée sur Netflix.
Construction d'un monde dynamique
Alors que les histoires basées sur du texte sont populaires, de nombreux joueurs sont également impatients de voir leurs histoires prendre vie visuellement. L'une des plus grandes opportunités pour l'IA générative dans le jeu est peut-être d'aider à créer des mondes vivants dans lesquels les joueurs passent d'innombrables heures à s'immerger.
La vision ultime est de pouvoir générer des niveaux et du contenu en temps réel au fur et à mesure que le joueur progresse dans le jeu. Le "Mind Game" dans le roman de science-fiction "Ender's Game" (Ender's Game) est un exemple typique de ce genre de jeu. The Mind Game est un jeu guidé par l'IA qui s'adapte en temps réel aux intérêts de chaque élève, le monde du jeu changeant constamment en fonction du comportement de l'élève et de toute autre information mentale que l'IA déduit.
La chose la plus proche d'un "jeu mental" aujourd'hui est probablement la série Left 4 Dead de Valve, qui utilise les conseils de l'IA pour ajuster dynamiquement le rythme et la difficulté du jeu. Le directeur de l'IA n'a pas défini le point d'apparition de l'ennemi (zombie), mais a placé les zombies dans différentes positions en fonction du statut, des compétences et de la position de chaque joueur, créant ainsi une expérience unique dans chaque jeu. Le réalisateur a également créé l'atmosphère du jeu grâce à des effets visuels dynamiques et à la musique. Le fondateur de Valve, Gabe Newell, appelle ce système "la narration programmée". Le remake de Dead Space acclamé par la critique d'EA utilise une variante du système de directeur d'IA pour pousser l'horreur à l'extrême.
Bien que cela puisse sembler être un complot de science-fiction aujourd'hui, un jour, avec l'amélioration des modèles génératifs et l'acquisition de suffisamment de calculs et de données, nous pourrions créer un directeur de l'IA qui peut non seulement créer des frayeurs, mais aussi créer le monde lui-même.
Il convient de noter que le concept de niveaux générés par la machine dans les jeux n'est pas nouveau. De Supergiant's Hades à Blizzard's Diablo en passant par Mojang's Minecraft, bon nombre des jeux les plus populaires d'aujourd'hui utilisent la génération procédurale, qui utilise des équations et des ensembles de règles gérés par des concepteurs humains pour créer au hasard des niveaux différents à chaque fois. Un ensemble complet de bibliothèques de logiciels a été créé pour aider à la génération de programmes. SpeedTree d'Unity aide les développeurs à générer le feuillage virtuel que vous avez peut-être vu dans les forêts de Pandora dans Avatar ou les paysages d'Elden Ring.
Un jeu pourrait combiner un générateur d'actifs procéduraux avec LLM dans l'interface utilisateur. Le jeu "Townscaper" utilise un système procédural qui n'a besoin que du joueur pour saisir deux informations (la position et la couleur des blocs), et il peut être rapidement transformé en un magnifique paysage urbain. Imaginez l'ajout de Townscaper de LLM à l'interface utilisateur pour aider les joueurs à itérer des œuvres plus raffinées et exquises grâce à des invites en langage naturel.
De nombreux développeurs sont également enthousiasmés par le potentiel d'utilisation de l'apprentissage automatique pour améliorer la génération de programmes. Un jour, les concepteurs pourraient générer de manière itérative des premières ébauches de niveaux viables en utilisant des modèles formés sur des niveaux existants avec des styles similaires. Plus tôt cette année, Shyam Sudhakaran a dirigé une équipe à l'Université de Copenhague qui a créé MarioGPT - un outil GPT2 qui génère des niveaux Super Mario en utilisant un modèle formé sur les niveaux originaux de Super Mario 1 et 2. La recherche universitaire dans ce domaine est en cours depuis un certain temps, y compris un projet de 2018 utilisant des réseaux antagonistes génératifs (GAN) pour concevoir des niveaux pour le jeu de tir à la première personne DOOM.
Les modèles génératifs, utilisés conjointement avec des systèmes procéduraux, peuvent considérablement accélérer la création d'actifs. Les artistes utilisent déjà des modèles de diffusion texte-image pour l'art conceptuel et le storyboard assistés par l'IA. Dans cet article de blog, Jussi Kemppainen, superviseur des effets visuels mainframe, décrit comment il a construit le monde et les personnages d'un jeu d'aventure 2.5D avec l'aide de Midjourney et d'Adobe Firefly.
Les techniques génératives 3D ont également fait l'objet de nombreuses recherches. Luma exploite les champs de rayonnement neuronal (NeRF) pour permettre aux consommateurs de créer des ressources 3D photoréalistes à partir d'images 2D capturées sur un iPhone. Kaedim utilise une combinaison d'IA et de contrôle qualité humain pour créer des maillages 3D prêts pour la production et est actuellement utilisé par plus de 225 développeurs de jeux. CSM a récemment publié un modèle propriétaire capable de générer des modèles 3D à partir de vidéos et d'images.
La construction d'un monde en temps réel avec des modèles d'IA est ce qui compte à long terme. À notre avis, à l'avenir, le jeu entier n'aura plus besoin d'être rendu, mais sera généré au moment de l'exécution à l'aide de réseaux de neurones. La technologie DLSS de Nvidia peut déjà générer de nouvelles images de jeu haute résolution à la volée à l'aide de GPU grand public. Peut-être qu'un jour, vous pourrez appuyer sur le bouton "interagir" dans un film Netflix et entrer dans un monde où chaque scène est générée à la volée et adaptée au joueur. À l'avenir, les jeux ne seront pas différents des films.
Il convient de noter qu'un monde généré dynamiquement ne suffit pas à lui seul pour faire un bon jeu, comme en témoigne la critique de No Man's Sky. La promesse des mondes dynamiques réside dans sa combinaison avec d'autres systèmes de jeu (personnalisation, agents génératifs, etc.) pour ouvrir de nouvelles formes de narration. Après tout, la partie la plus convaincante de "Mind Games" est la façon dont il se façonne pour Ed, pas le monde lui-même.
IA "co-pilote"
Bien que nous ayons déjà couvert l'utilisation d'agents génératifs dans des jeux simulés, il existe un autre cas d'utilisation émergent où l'IA agit en tant que copilote de jeu, nous guidant tout au long du jeu et, dans certains cas, combattant même à nos côtés.
Pour les joueurs qui débutent dans des jeux complexes, le rôle du copilote IA est incommensurable. Par exemple, un jeu sandbox UGC comme Minecraft, Roblox ou Rec Room est un environnement riche où les joueurs peuvent construire presque tout ce qu'ils peuvent imaginer avec les bons matériaux et les bonnes compétences. Mais le seuil d'apprentissage est très élevé, et il n'est pas facile pour la plupart des joueurs de trouver un moyen de se lancer.
Le copilote IA peut faire de n'importe quel joueur un constructeur maître dans les jeux UGC, en fournissant des conseils étape par étape basés sur des invites textuelles ou des images, et en guidant les joueurs pour surmonter les erreurs. Un bon point de référence est le concept de "master builders" dans le monde LEGO, ces êtres rares qui ont le don de pouvoir voir les plans de n'importe quelle création qu'ils peuvent imaginer en cas de besoin.
Microsoft a commencé à développer un système assisté par l'IA pour Minecraft qui utilise DALL-E et Github Copilot pour permettre aux joueurs d'injecter des actifs et de la logique dans les sessions Minecraft via des invites en langage naturel. Roblox intègre activement des outils de génération d'intelligence artificielle dans la plate-forme Roblox avec pour mission de permettre à "chaque utilisateur d'être un créateur". Du codage avec Github Copilot à l'écriture avec ChatGPT, l'efficacité des copilotes IA en co-création a été prouvée dans de nombreux domaines.
En plus de la co-création, un LLM formé aux données de jeu humain devrait être capable de comprendre comment se comporter dans divers jeux. Avec une intégration appropriée, l'agent peut agir en tant que partenaire lorsque les amis du joueur ne peuvent pas participer, ou en tant qu'adversaire dans des jeux en face à face tels que FIFA et NBA 2k. Un tel agent peut participer au jeu à tout moment, qu'il gagne ou qu'il perde, il est aimable et ne blâmera pas le joueur. Ajustés en fonction de nos historiques de jeu individuels, ces agents pourraient largement surpasser les robots existants, en jouant exactement comme nous le faisons ou en jouant de manière complémentaire.
Des projets similaires ont été exécutés avec succès dans des environnements contraints. Le jeu de course populaire Forza a développé un système "Drivatar" qui utilise l'apprentissage automatique pour créer un pilote IA pour chaque joueur humain qui imite son comportement de conduite. Les Drivatars sont téléchargés sur le cloud, et lorsque le partenaire humain est hors ligne, les Drivatars peuvent être invoqués pour affronter d'autres joueurs et même gagner des points de victoire. AlphaStar de DeepMind de Google s'est entraîné sur un ensemble de données de jeu StarCraft II "vieux de 200 ans" pour créer un agent capable de jouer contre et de battre des professionnels de l'e-sport humain.
En tant que mécanisme de jeu, le copilote IA peut même créer un nouveau mode de jeu. Imaginez Fortnite, mais chaque joueur a une baguette "master builder" qui peut instantanément construire des tours de tireurs d'élite ou des rochers enflammés avec des invites. Dans ce mode de jeu, le résultat peut dépendre davantage de ce que fait la baguette (indice) que de la capacité à viser avec le pistolet.
Le "partenaire" parfait de l'IA dans les jeux a été une partie mémorable de nombreuses franchises de jeux populaires. Les exemples incluent Cortana dans l'univers Halo, Elle dans The Last of Us ou Elizabeth dans BioShock Infinite. Battre des bots informatiques ne se démode jamais pour les jeux compétitifs – de la friture d'extraterrestres dans Space Invaders au combat contre le piétinement dans StarCraft, qui s'est finalement transformé en son propre mode de jeu, Co-op Commander.
Alors que le jeu évolue vers la prochaine génération de réseaux sociaux, nous nous attendons à ce que le copilote de l'IA joue un rôle social de plus en plus important. Il a été bien documenté que l'ajout de fonctionnalités sociales augmente l'adhérence du jeu, avec des taux de rétention jusqu'à 5 fois plus élevés pour les joueurs avec des amis. À notre avis, chaque jeu à l'avenir aura un copilote IA.
en conclusion
Nous en sommes encore aux premiers jours de l'application de l'IA aux jeux, et de nombreux obstacles juridiques, éthiques et techniques doivent être résolus avant que ces idées puissent prendre vie. Actuellement, la propriété légale et la protection des droits d'auteur pour les jeux utilisant des actifs générés par l'IA sont largement floues, à moins que les développeurs ne puissent prouver la propriété de toutes les données utilisées pour former des modèles. Il est donc difficile pour les propriétaires de propriété intellectuelle sous licence existante d'utiliser des modèles d'IA tiers dans leurs pipelines de production.
Comment rémunérer les auteurs, artistes et créateurs originaux derrière les données de formation est également un problème majeur. Le défi est que la plupart des modèles d'IA sont formés sur des données publiques sur Internet, dont la plupart sont des œuvres protégées par le droit d'auteur. Dans certains cas, les utilisateurs ont même pu reproduire le style d'un artiste à l'aide de modèles génératifs. Il n'en est qu'à ses débuts et la question de la rémunération des créateurs de contenu doit être correctement résolue.
La plupart des modèles génératifs sont actuellement trop coûteux pour être exécutés dans le cloud à l'échelle mondiale 24h/24 et 7j/7, ce qui est nécessaire pour les opérations de jeu modernes. Pour réduire les coûts, les développeurs d'applications devront peut-être trouver des moyens de décharger les charges de travail des modèles sur les appareils des utilisateurs finaux, mais cela prendra du temps.
Cependant, il est maintenant clair que les développeurs de jeux et les joueurs s'intéressent beaucoup à l'IA générative pour les jeux. Bien qu'il y ait aussi beaucoup de battage médiatique, nous sommes très heureux de voir de nombreuses équipes talentueuses dans cet espace travailler des heures supplémentaires pour créer des produits innovants.
L'opportunité n'est pas seulement de rendre les jeux existants plus rapides et moins chers, mais de créer un tout nouveau type de jeu d'IA qui n'était pas possible auparavant. Nous ne savons pas encore quelle forme ces jeux prendront, mais nous savons que l'histoire de l'industrie du jeu a été celle de la technologie permettant de nouvelles formes de jeu. Avec des systèmes comme les agents génératifs, la personnalisation, la narration d'IA, la construction de monde dynamique et les copilotes d'IA, nous sommes peut-être sur le point de voir les premiers jeux "sans fin" créés par des développeurs d'IA.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Analyse approfondie d'a16z : quel nouveau gameplay l'IA créera-t-elle ?
source/a16z
Compiler/Nick
Une grande partie des premières discussions sur la révolution de l'IA générative dans les jeux s'est concentrée sur la manière dont les outils d'IA peuvent améliorer l'efficacité des créateurs de jeux, permettant aux jeux d'être produits plus rapidement et à plus grande échelle qu'auparavant. À long terme, nous pensons que l'IA ne changera pas seulement la façon dont les jeux sont créés, mais la nature même des jeux eux-mêmes.
En permanence, l'IA contribue à générer de nouvelles formes de jeux. Des donjons générés de manière procédurale dans Rogue (1980), aux machines à états finis dans Half-Life (1998), aux réalisateurs de jeux d'IA dans Left 4 Dead (2008). Plus récemment, les progrès de la technologie d'apprentissage en profondeur ont encore modifié la donne en permettant aux ordinateurs de générer de nouveaux contenus en fonction des invites de l'utilisateur et de grands ensembles de données.
C'est encore tôt, mais nous voyons déjà des domaines intéressants du jeu basé sur l'IA, notamment les agents génératifs, la personnalisation, la narration d'IA, les mondes dynamiques et les copilotes d'IA. En cas de succès, ces systèmes pourraient être combinés pour créer des jeux d'IA émergents qui conservent des cadres de joueurs fidèles.
Agent Génératif
Lancé par Maxis' SimCity en 1989, le jeu de simulation permet aux joueurs de construire et de gérer une ville virtuelle. Aujourd'hui, le jeu de simulation le plus populaire est Les Sims, où plus de 70 millions de joueurs dans le monde gèrent des personnes virtuelles appelées "sims" et les laissent vaquer à leurs occupations quotidiennes. Le designer Will Wright a un jour décrit Les Sims comme une "maison de poupée interactive".
L'IA générative peut faire progresser considérablement le développement de jeux de simulation en rendant les agents plus réalistes grâce à des comportements sociaux émergents pilotés par de grands modèles de langage (LLM).
Plus tôt cette année, une équipe de recherche de l'Université de Stanford et de Google a publié un article montrant comment appliquer le LLM aux agents dans les jeux. Dirigée par le doctorant Joon Sung Park, l'équipe de recherche a incorporé 25 agents de type Sims dans un monde de bac à sable pixel art dont le comportement a été déterminé par ChatGPT et une architecture qui étend LLM pour utiliser le langage naturel pour stocker un enregistrement complet de l'expérience d'un agent, synthétiser ces souvenirs dans une réflexion de niveau supérieur et les récupérer dynamiquement pour planifier le comportement.
Ces résultats sont un excellent aperçu de l'avenir potentiel des jeux de simulation. En commençant par une suggestion spécifiée par l'utilisateur selon laquelle un agent souhaite organiser une fête de la Saint-Valentin, les agents distribuent indépendamment les invitations à la fête, nouent de nouvelles amitiés, s'invitent à des dates et se coordonnent pour arriver à la fête à l'heure deux jours plus tard.
Ce comportement est possible parce que les LLM sont formés sur les données des réseaux sociaux, de sorte que leurs modèles incluent les principes fondamentaux de la façon dont les humains se parlent et se comportent dans divers contextes sociaux. Et dans les environnements numériques interactifs comme les jeux analogiques, ces réponses peuvent être déclenchées pour créer un comportement réaliste.
Du point de vue du joueur, le résultat final est une expérience de jeu plus immersive. Une grande partie du plaisir de jouer aux Sims ou à la simulation de colonie RimWorld vient de l'événement inattendu. Avec le comportement des agents dans les réseaux sociaux, nous pouvons voir des jeux de simulation qui non seulement mettent en valeur l'imagination des concepteurs de jeux, mais reflètent également l'imprévisibilité de la société humaine. Regarder ces sims peut fournir autant de divertissement que de regarder la prochaine génération de The Truman Show d'une manière qui n'est pas possible avec la télévision ou les films pré-produits d'aujourd'hui.
Les agents eux-mêmes peuvent également être personnalisés, en s'inspirant de nos aspirations imaginatives pour un jeu "Dollhouse". Les joueurs peuvent concevoir un agent idéal basé sur eux-mêmes ou sur des personnages fictifs. "Ready Player Me" permet aux utilisateurs de générer leur propre avatar 3D en prenant un selfie et d'importer l'avatar dans plus de 9000 jeux/applications. Les plates-formes de personnages IA Character.ai, InWorld et Convai peuvent créer des PNJ personnalisés avec leurs propres histoires, personnalités et contrôles comportementaux.
Grâce aux capacités de langage naturel, la façon dont nous interagissons avec les agents a également été élargie. Aujourd'hui, les développeurs peuvent utiliser les modèles de synthèse vocale d'Eleven Labs pour générer des voix réalistes pour leurs agents. Convai s'est récemment associé à Nvidia pour une démo très médiatisée dans laquelle les joueurs pouvaient engager une conversation vocale naturelle avec un PNJ chef de ramen AI, avec le dialogue et les expressions faciales correspondantes générées en temps réel. L'application compagnon AI Replika permet déjà aux utilisateurs de discuter avec leurs amis via la voix, la vidéo et l'AR/VR. À l'avenir, on peut imaginer un jeu de simulation où les joueurs peuvent rester en contact avec leurs agents par téléphone ou chat vidéo tout en voyageant, puis cliquer sur un jeu plus immersif lorsqu'ils retournent sur leur ordinateur.
Cependant, il reste encore de nombreux défis à résoudre avant de pouvoir voir une version entièrement générée des Sims. Les données de formation pour les LLM ont des biais inhérents qui peuvent se refléter dans le comportement des agents. Jeux de service en temps réel 24 heures sur 24, 7 jours sur 7 Le coût de l'exécution de simulations à grande échelle peut ne pas être économiquement viable, l'exécution de 25 agents en 2 jours coûterait à l'équipe de recherche des milliers de dollars en calcul. Les efforts pour décharger les charges de travail des modèles sur les appareils sont prometteurs mais encore relativement précoces. Nous devrons peut-être aussi développer de nouvelles normes autour des relations quasi-sociales avec les agents.
Mais une chose est claire, il y a une énorme demande d'agents génératifs en ce moment. Dans notre récente enquête, 61% des studios de jeux prévoient d'expérimenter des PNJ IA. Nous pensons que les compagnons IA deviendront bientôt monnaie courante à mesure que les agents entreront dans nos sphères sociales quotidiennes. Les jeux de simulation fournissent un bac à sable numérique dans lequel nous pouvons interagir avec nos compagnons IA préférés de manière amusante et imprévisible. À long terme, la nature des jeux de simulation est susceptible de changer, avec ces agents non seulement des jouets, mais des amis potentiels, des membres de la famille, des collègues, des conseillers et même des amants.
Personnalisation
Le but ultime d'un jeu personnalisé est de fournir à chaque joueur une expérience de jeu unique. Par exemple, commençons par la création de personnages - du jeu de société original Dungeons & Dragons à Genshin Impact de Mihoyo, la création de personnages est l'épine dorsale de presque tous les jeux de rôle (RPG). La plupart des RPG permettent au joueur de choisir parmi des options prédéfinies pour personnaliser l'apparence, le sexe, la classe, etc. Alors, comment allez-vous au-delà des préréglages pour générer un personnage unique pour chaque joueur et gameplay ? Un créateur de personnage personnalisé combinant LLM avec un modèle de diffusion texte-image permet cela.
Spellbrush's Arrowmancer est un RPG alimenté par le modèle d'animation personnalisé basé sur GAN de la société. Dans Arrowmancer, les joueurs peuvent générer un ensemble complet de personnages d'anime uniques, y compris des capacités artistiques et de combat. Cette personnalisation fait également partie de son système de monétisation, les joueurs important des personnages créés par l'IA dans des bannières gacha personnalisées, où ils peuvent gagner des personnages en double pour renforcer leurs rangs.
La personnalisation s'étend également aux éléments du jeu. Par exemple, l'IA peut aider à générer des armes et des armures uniques qui ne sont disponibles que pour les joueurs qui accomplissent certaines tâches. Azra Games a construit un pipeline d'actifs alimenté par l'IA pour concevoir et générer rapidement une vaste bibliothèque d'éléments de jeu et du monde, ouvrant la voie à une expérience de jeu plus diversifiée. Le célèbre développeur AAA Activision Blizzard a construit le système Blizzard Diffusion, une réplique du générateur d'images Stable Diffusion, pour aider à générer des concepts artistiques pour divers personnages et tenues.
Le texte et les dialogues du jeu peuvent également être personnalisés. Les emblèmes dans le monde peuvent refléter une sorte de titre ou de statut que le joueur a atteint. Les PNJ peuvent être configurés en tant qu'agents LLM avec des personnalités uniques qui s'adaptent au comportement du joueur. Par exemple, le dialogue peut changer en fonction du comportement passé du joueur avec l'agent. Nous avons vu ce concept mis en œuvre avec succès dans un jeu triple A, et Shadow of Mordor de Monolith a un système de vengeance qui crée dynamiquement des histoires intéressantes pour les méchants en fonction des actions des joueurs. Ces éléments de personnalisation rendent chaque expérience de jeu unique.
L'éditeur de jeux Ubisoft a récemment révélé Ghostwriter, un outil conversationnel alimenté par des LLM. Aujourd'hui, les éditeurs utilisent l'outil pour générer automatiquement un dialogue qui aide à simuler le monde vivant autour des joueurs.
Du point de vue du joueur, l'IA ajoute à l'immersion et à la jouabilité du jeu. La popularité durable des mods de jeu de rôle dans les jeux immersifs en monde ouvert comme Skyrim et Grand Theft Auto V démontre un besoin latent d'histoires personnalisées. Même aujourd'hui, GTA V compte toujours plus de joueurs sur les serveurs de jeu de rôle que le jeu original. Nous pensons qu'à l'avenir, les systèmes de personnalisation deviendront un outil opérationnel intégral en temps réel pour attirer et fidéliser les joueurs dans tous les jeux.
Récit de l'IA
Bien sûr, un bon jeu ne se limite pas aux personnages et aux dialogues. Un autre scénario intéressant consiste à tirer parti de l'IA générative pour raconter des histoires meilleures et plus personnelles.
Dungeons & Dragons est l'ancêtre de la narration personnalisée dans les jeux, dans laquelle une personne connue sous le nom de "maître de donjon" se prépare à raconter une histoire à un groupe d'amis qui jouent chacun un rôle dans l'histoire. L'histoire qui en résulte est en partie un drame d'improvisation, en partie un RPG, ce qui signifie que chaque jeu est unique. Signe de la nécessité d'une narration personnalisée, Donjons & Dragons est plus populaire que jamais aujourd'hui, avec des ventes numériques et analogiques atteignant des records.
Aujourd'hui, de nombreuses entreprises appliquent LLM au mode histoire de Donjons & Dragons. L'opportunité ici est pour les joueurs de passer leur temps dans leurs univers préférés créés par des joueurs ou IP, guidés par un conteur IA infiniment patient. Lancé en 2019, Latitude's AI Dungeon est un jeu d'aventure textuel ouvert dans lequel l'IA joue le maître du donjon. Les utilisateurs ont également affiné la version GPT-4 d'OpenAI pour jouer à Dungeons & Dragons avec des résultats prometteurs. Le jeu d'aventure textuelle de Character.AI est l'un des modes les plus populaires de l'application.
Hidden Door va encore plus loin en formant un modèle d'apprentissage automatique sur un ensemble spécifique de matériel source (tel que The Wizard of Oz), permettant aux joueurs de s'aventurer dans un univers IP donné. De cette manière, Hidden Door a travaillé avec le propriétaire de la propriété intellectuelle pour permettre une nouvelle forme interactive d'extension de marque. Dès que les fans ont fini de regarder un film ou un livre, ils peuvent poursuivre leurs aventures dans leurs mondes préférés grâce à des événements personnalisés similaires à Donjons & Dragons. La demande pour l'expérience des fans est en plein essor, avec Archiveofourown.org et Wattpad, les deux plus grands référentiels de fan fiction en ligne, recevant respectivement plus de 354 millions et 146 millions de visites de sites Web, rien qu'en mai.
NovelAI a développé son propre LLM Clio, l'utilisant pour raconter des histoires en mode bac à sable afin d'aider les écrivains humains à surmonter les problèmes de blocs d'écriture. Pour les écrivains les plus exigeants, NovelAI permet aux utilisateurs d'affiner Clio en fonction de leur propre travail, ou même de celui d'auteurs célèbres comme HP Lovecraft ou Jules Verne.
Il convient de noter qu'il existe de nombreux obstacles avant que la production d'histoires d'IA ne soit complètement prête. Construire un bon conteur d'IA aujourd'hui nécessite beaucoup de règles humaines pour créer les lignes narratives qui définissent une bonne histoire. La mémoire et la cohérence sont très importantes, le conteur doit se souvenir de ce qui s'est passé plus tôt dans l'histoire et être cohérent dans les faits et le style. L'interprétabilité reste un défi pour une grande partie du code source fermé qui fonctionne comme une boîte noire, et les concepteurs de jeux doivent comprendre comment les systèmes se comportent afin d'améliorer l'expérience de jeu.
Cependant, en surmontant ces obstacles, l'IA est devenue le copilote des conteurs humains. Aujourd'hui, des millions d'écrivains utilisent ChatGPT pour inspirer leurs histoires. Le studio de divertissement ic a réuni DALL-E, ChatGPT, Midjourney, Eleven Labs et Runway avec une équipe éditoriale humaine pour créer une émission d'aventure interactive à choisir soi-même, désormais diffusée sur Netflix.
Construction d'un monde dynamique
Alors que les histoires basées sur du texte sont populaires, de nombreux joueurs sont également impatients de voir leurs histoires prendre vie visuellement. L'une des plus grandes opportunités pour l'IA générative dans le jeu est peut-être d'aider à créer des mondes vivants dans lesquels les joueurs passent d'innombrables heures à s'immerger.
La vision ultime est de pouvoir générer des niveaux et du contenu en temps réel au fur et à mesure que le joueur progresse dans le jeu. Le "Mind Game" dans le roman de science-fiction "Ender's Game" (Ender's Game) est un exemple typique de ce genre de jeu. The Mind Game est un jeu guidé par l'IA qui s'adapte en temps réel aux intérêts de chaque élève, le monde du jeu changeant constamment en fonction du comportement de l'élève et de toute autre information mentale que l'IA déduit.
La chose la plus proche d'un "jeu mental" aujourd'hui est probablement la série Left 4 Dead de Valve, qui utilise les conseils de l'IA pour ajuster dynamiquement le rythme et la difficulté du jeu. Le directeur de l'IA n'a pas défini le point d'apparition de l'ennemi (zombie), mais a placé les zombies dans différentes positions en fonction du statut, des compétences et de la position de chaque joueur, créant ainsi une expérience unique dans chaque jeu. Le réalisateur a également créé l'atmosphère du jeu grâce à des effets visuels dynamiques et à la musique. Le fondateur de Valve, Gabe Newell, appelle ce système "la narration programmée". Le remake de Dead Space acclamé par la critique d'EA utilise une variante du système de directeur d'IA pour pousser l'horreur à l'extrême.
Bien que cela puisse sembler être un complot de science-fiction aujourd'hui, un jour, avec l'amélioration des modèles génératifs et l'acquisition de suffisamment de calculs et de données, nous pourrions créer un directeur de l'IA qui peut non seulement créer des frayeurs, mais aussi créer le monde lui-même.
Il convient de noter que le concept de niveaux générés par la machine dans les jeux n'est pas nouveau. De Supergiant's Hades à Blizzard's Diablo en passant par Mojang's Minecraft, bon nombre des jeux les plus populaires d'aujourd'hui utilisent la génération procédurale, qui utilise des équations et des ensembles de règles gérés par des concepteurs humains pour créer au hasard des niveaux différents à chaque fois. Un ensemble complet de bibliothèques de logiciels a été créé pour aider à la génération de programmes. SpeedTree d'Unity aide les développeurs à générer le feuillage virtuel que vous avez peut-être vu dans les forêts de Pandora dans Avatar ou les paysages d'Elden Ring.
Un jeu pourrait combiner un générateur d'actifs procéduraux avec LLM dans l'interface utilisateur. Le jeu "Townscaper" utilise un système procédural qui n'a besoin que du joueur pour saisir deux informations (la position et la couleur des blocs), et il peut être rapidement transformé en un magnifique paysage urbain. Imaginez l'ajout de Townscaper de LLM à l'interface utilisateur pour aider les joueurs à itérer des œuvres plus raffinées et exquises grâce à des invites en langage naturel.
De nombreux développeurs sont également enthousiasmés par le potentiel d'utilisation de l'apprentissage automatique pour améliorer la génération de programmes. Un jour, les concepteurs pourraient générer de manière itérative des premières ébauches de niveaux viables en utilisant des modèles formés sur des niveaux existants avec des styles similaires. Plus tôt cette année, Shyam Sudhakaran a dirigé une équipe à l'Université de Copenhague qui a créé MarioGPT - un outil GPT2 qui génère des niveaux Super Mario en utilisant un modèle formé sur les niveaux originaux de Super Mario 1 et 2. La recherche universitaire dans ce domaine est en cours depuis un certain temps, y compris un projet de 2018 utilisant des réseaux antagonistes génératifs (GAN) pour concevoir des niveaux pour le jeu de tir à la première personne DOOM.
Les modèles génératifs, utilisés conjointement avec des systèmes procéduraux, peuvent considérablement accélérer la création d'actifs. Les artistes utilisent déjà des modèles de diffusion texte-image pour l'art conceptuel et le storyboard assistés par l'IA. Dans cet article de blog, Jussi Kemppainen, superviseur des effets visuels mainframe, décrit comment il a construit le monde et les personnages d'un jeu d'aventure 2.5D avec l'aide de Midjourney et d'Adobe Firefly.
Les techniques génératives 3D ont également fait l'objet de nombreuses recherches. Luma exploite les champs de rayonnement neuronal (NeRF) pour permettre aux consommateurs de créer des ressources 3D photoréalistes à partir d'images 2D capturées sur un iPhone. Kaedim utilise une combinaison d'IA et de contrôle qualité humain pour créer des maillages 3D prêts pour la production et est actuellement utilisé par plus de 225 développeurs de jeux. CSM a récemment publié un modèle propriétaire capable de générer des modèles 3D à partir de vidéos et d'images.
La construction d'un monde en temps réel avec des modèles d'IA est ce qui compte à long terme. À notre avis, à l'avenir, le jeu entier n'aura plus besoin d'être rendu, mais sera généré au moment de l'exécution à l'aide de réseaux de neurones. La technologie DLSS de Nvidia peut déjà générer de nouvelles images de jeu haute résolution à la volée à l'aide de GPU grand public. Peut-être qu'un jour, vous pourrez appuyer sur le bouton "interagir" dans un film Netflix et entrer dans un monde où chaque scène est générée à la volée et adaptée au joueur. À l'avenir, les jeux ne seront pas différents des films.
Il convient de noter qu'un monde généré dynamiquement ne suffit pas à lui seul pour faire un bon jeu, comme en témoigne la critique de No Man's Sky. La promesse des mondes dynamiques réside dans sa combinaison avec d'autres systèmes de jeu (personnalisation, agents génératifs, etc.) pour ouvrir de nouvelles formes de narration. Après tout, la partie la plus convaincante de "Mind Games" est la façon dont il se façonne pour Ed, pas le monde lui-même.
IA "co-pilote"
Bien que nous ayons déjà couvert l'utilisation d'agents génératifs dans des jeux simulés, il existe un autre cas d'utilisation émergent où l'IA agit en tant que copilote de jeu, nous guidant tout au long du jeu et, dans certains cas, combattant même à nos côtés.
Pour les joueurs qui débutent dans des jeux complexes, le rôle du copilote IA est incommensurable. Par exemple, un jeu sandbox UGC comme Minecraft, Roblox ou Rec Room est un environnement riche où les joueurs peuvent construire presque tout ce qu'ils peuvent imaginer avec les bons matériaux et les bonnes compétences. Mais le seuil d'apprentissage est très élevé, et il n'est pas facile pour la plupart des joueurs de trouver un moyen de se lancer.
Le copilote IA peut faire de n'importe quel joueur un constructeur maître dans les jeux UGC, en fournissant des conseils étape par étape basés sur des invites textuelles ou des images, et en guidant les joueurs pour surmonter les erreurs. Un bon point de référence est le concept de "master builders" dans le monde LEGO, ces êtres rares qui ont le don de pouvoir voir les plans de n'importe quelle création qu'ils peuvent imaginer en cas de besoin.
Microsoft a commencé à développer un système assisté par l'IA pour Minecraft qui utilise DALL-E et Github Copilot pour permettre aux joueurs d'injecter des actifs et de la logique dans les sessions Minecraft via des invites en langage naturel. Roblox intègre activement des outils de génération d'intelligence artificielle dans la plate-forme Roblox avec pour mission de permettre à "chaque utilisateur d'être un créateur". Du codage avec Github Copilot à l'écriture avec ChatGPT, l'efficacité des copilotes IA en co-création a été prouvée dans de nombreux domaines.
En plus de la co-création, un LLM formé aux données de jeu humain devrait être capable de comprendre comment se comporter dans divers jeux. Avec une intégration appropriée, l'agent peut agir en tant que partenaire lorsque les amis du joueur ne peuvent pas participer, ou en tant qu'adversaire dans des jeux en face à face tels que FIFA et NBA 2k. Un tel agent peut participer au jeu à tout moment, qu'il gagne ou qu'il perde, il est aimable et ne blâmera pas le joueur. Ajustés en fonction de nos historiques de jeu individuels, ces agents pourraient largement surpasser les robots existants, en jouant exactement comme nous le faisons ou en jouant de manière complémentaire.
Des projets similaires ont été exécutés avec succès dans des environnements contraints. Le jeu de course populaire Forza a développé un système "Drivatar" qui utilise l'apprentissage automatique pour créer un pilote IA pour chaque joueur humain qui imite son comportement de conduite. Les Drivatars sont téléchargés sur le cloud, et lorsque le partenaire humain est hors ligne, les Drivatars peuvent être invoqués pour affronter d'autres joueurs et même gagner des points de victoire. AlphaStar de DeepMind de Google s'est entraîné sur un ensemble de données de jeu StarCraft II "vieux de 200 ans" pour créer un agent capable de jouer contre et de battre des professionnels de l'e-sport humain.
En tant que mécanisme de jeu, le copilote IA peut même créer un nouveau mode de jeu. Imaginez Fortnite, mais chaque joueur a une baguette "master builder" qui peut instantanément construire des tours de tireurs d'élite ou des rochers enflammés avec des invites. Dans ce mode de jeu, le résultat peut dépendre davantage de ce que fait la baguette (indice) que de la capacité à viser avec le pistolet.
Le "partenaire" parfait de l'IA dans les jeux a été une partie mémorable de nombreuses franchises de jeux populaires. Les exemples incluent Cortana dans l'univers Halo, Elle dans The Last of Us ou Elizabeth dans BioShock Infinite. Battre des bots informatiques ne se démode jamais pour les jeux compétitifs – de la friture d'extraterrestres dans Space Invaders au combat contre le piétinement dans StarCraft, qui s'est finalement transformé en son propre mode de jeu, Co-op Commander.
Alors que le jeu évolue vers la prochaine génération de réseaux sociaux, nous nous attendons à ce que le copilote de l'IA joue un rôle social de plus en plus important. Il a été bien documenté que l'ajout de fonctionnalités sociales augmente l'adhérence du jeu, avec des taux de rétention jusqu'à 5 fois plus élevés pour les joueurs avec des amis. À notre avis, chaque jeu à l'avenir aura un copilote IA.
en conclusion
Nous en sommes encore aux premiers jours de l'application de l'IA aux jeux, et de nombreux obstacles juridiques, éthiques et techniques doivent être résolus avant que ces idées puissent prendre vie. Actuellement, la propriété légale et la protection des droits d'auteur pour les jeux utilisant des actifs générés par l'IA sont largement floues, à moins que les développeurs ne puissent prouver la propriété de toutes les données utilisées pour former des modèles. Il est donc difficile pour les propriétaires de propriété intellectuelle sous licence existante d'utiliser des modèles d'IA tiers dans leurs pipelines de production.
Comment rémunérer les auteurs, artistes et créateurs originaux derrière les données de formation est également un problème majeur. Le défi est que la plupart des modèles d'IA sont formés sur des données publiques sur Internet, dont la plupart sont des œuvres protégées par le droit d'auteur. Dans certains cas, les utilisateurs ont même pu reproduire le style d'un artiste à l'aide de modèles génératifs. Il n'en est qu'à ses débuts et la question de la rémunération des créateurs de contenu doit être correctement résolue.
La plupart des modèles génératifs sont actuellement trop coûteux pour être exécutés dans le cloud à l'échelle mondiale 24h/24 et 7j/7, ce qui est nécessaire pour les opérations de jeu modernes. Pour réduire les coûts, les développeurs d'applications devront peut-être trouver des moyens de décharger les charges de travail des modèles sur les appareils des utilisateurs finaux, mais cela prendra du temps.
Cependant, il est maintenant clair que les développeurs de jeux et les joueurs s'intéressent beaucoup à l'IA générative pour les jeux. Bien qu'il y ait aussi beaucoup de battage médiatique, nous sommes très heureux de voir de nombreuses équipes talentueuses dans cet espace travailler des heures supplémentaires pour créer des produits innovants.
L'opportunité n'est pas seulement de rendre les jeux existants plus rapides et moins chers, mais de créer un tout nouveau type de jeu d'IA qui n'était pas possible auparavant. Nous ne savons pas encore quelle forme ces jeux prendront, mais nous savons que l'histoire de l'industrie du jeu a été celle de la technologie permettant de nouvelles formes de jeu. Avec des systèmes comme les agents génératifs, la personnalisation, la narration d'IA, la construction de monde dynamique et les copilotes d'IA, nous sommes peut-être sur le point de voir les premiers jeux "sans fin" créés par des développeurs d'IA.