W dzisiejszych czasach coraz częściej spotykamy się ze Sztuczną Inteligencją (AI) i jej wpływem na różne aspekty naszego życia. AI weszła do świata gier ze zdumiewającą siłą, otwierając drzwi do nieskończonych możliwości. Niestety temat ten jest zbyt szeroki, by poruszyć wszystkie jego aspekty, pozwólcie nam więc przedstawić kilka przykładów, jak AI rewolucjonizuje tę branżę.

Are we doomed? (Yes)

 

AlphaGo (https://www.youtube.com/watch?v=WXuK6gekU1Y) i OpenAI Five (https://www.youtube.com/watch?v=pkGa8ICQJS8)  to dwa znakomite przykłady zastosowania sztucznej inteligencji (AI) w świecie gier.

AlphaGo, stworzony przez DeepMind, to program AI, który zdobył ogromną sławę w 2016 roku, pokonując mistrza świata w grze Go. Go jest jedną z najbardziej skomplikowanych gier planszowych, a sukces AlphaGo był przełomowy, ponieważ pokonał najlepszego gracza na świecie. AlphaGo używało uczenia maszynowego, aby analizować setki tysięcy ruchów, tworzyć strategie i uczyć się z doświadczenia. Wykorzystując swoją zdolność do przewidywania ruchów przeciwników, AlphaGo mogło podejmować decyzje, które wydawały się niemożliwe dla innych programów komputerowych. To pokazało, jak AI może przekraczać granice człowieka w dziedzinie gier.

Natomiast OpenAI Five to program AI stworzony przez organizację OpenAI. OpenAI Five to zespół pięciu agentów AI, którzy współpracują, aby grać w popularną grę Dota 2. Dota 2 to złożona gra wieloosobowa, w której dwie drużyny rywalizują ze sobą na arenie. OpenAI Five zostało zaprogramowane do uczenia się poprzez grę ze sobą i z innymi graczami, a następnie ewoluowało, aby stworzyć zaawansowane strategie i taktyki. W 2018 roku OpenAI Five zostało zaproszone do rywalizacji z profesjonalnymi graczami Dota 2 na arenie międzynarodowym turnieju “The International”. Choć OpenAI Five ostatecznie przegrało, pokazało ogromny postęp w dziedzinie AI i zdolność do współpracy w złożonych środowiskach gier.

Oba te przykłady, AlphaGo i OpenAI Five, pokazują, jak AI może znacząco wpływać na rozwój nowoczesnych gier. Dzięki możliwościom analizy danych, uczenia się i tworzenia strategii, AI jest w stanie dostarczać nowe i fascynujące doświadczenia dla graczy, zarówno w pojedynczych jak i wieloosobowych grach.

 

Or are we? (*vsauce music*)

 

 Modele pokazały niesamowite możliwości uczenia się z danych, rozrywek historycznych jak i poprzez mechanizm self-play. Ale współczesna sztuczna inteligencja dalej cierpi na szereg problemów. Jednym z większych jest oczywiście object permanence – posiadanie zrozumienia tego konceptu często jest asocjowane z prawdziwą inteligencją. Dla niewtajemniczonych, object permanence to świadomość, że obiekt istnieje, mimo to, że przestaliśmy go obserwować. Świadomość, że nie zniknął z chwilą, w której nasze sensory przestały go obserować. Wśród dzieci mówi się o wieku około 2 lat, gdy ta zdolność się kształtuje, dla AI jest dużo gorzej.  W interview z Filipem Wolskim w 2019 roku, jeden z nas potwierdził, że boty OpenAI Five, mimo bardzo dobrego zrozumienia gry jako takiej, mieli duże problemy żeby złapać koncepty takie jak widzialność, ograniczona wizja, a także mechaniki związane z wardingiem. Co pozwalało łatwo zbłaźnić boty i w miarę łatwo z nimi wygrać.

 

Z drugiej strony gry które często są asocjowane z wykrywaniem wzorców i obliczaniem różnych możliwości rozgrywki (szachy, go, ect) już od dawna zdominowane są algorytmami sztucznej inteligencji. 

 

Na co AI wpływa już dzisiaj?

 

AI odgrywa kluczową rolę w poprawie efektów wizualnych w nowoczesnych grach, a jednym z ciekawych rozwiązań jest NVIDIA DLSS (Deep Learning Super Sampling).

NVIDIA DLSS jest technologią wykorzystującą sztuczną inteligencję do zwiększania jakości grafiki w grach przy jednoczesnym minimalnym wpływie na wydajność. Tradycyjne metody antyaliasingu, takie jak MSAA (Multisample Anti-Aliasing), mogą pomagać w redukcji krawędzi i poprawie jakości obrazu, ale są wymagające dla GPU i mogą obciążać wydajność. DLSS wykorzystuje algorytmy uczenia maszynowego do analizy i generowania nowych pikseli, co pozwala na odtworzenie wyższej rozdzielczości obrazu z niższej rozdzielczości źródłowej.

Proces trenowania DLSS polega na podawaniu algorytmowi dużej liczby obrazów w wysokiej rozdzielczości oraz ich równoważników w niższej rozdzielczości. AI analizuje te pary i uczy się, jak poprawnie odtworzyć brakujące szczegóły. Po zakończeniu procesu trenowania, algorytm DLSS jest w stanie przewidywać, jak powinny wyglądać piksele w wyższej rozdzielczości na podstawie dostępnych informacji w niższej rozdzielczości.

Dzięki NVIDIA DLSS gry mogą oferować wyższą jakość grafiki przy zachowaniu płynności i wydajności. Przez generowanie dodatkowych pikseli i poprawę jakości krawędzi, obraz wydaje się bardziej ostry, szczegółowy i pozbawiony drgań. Ponadto, DLSS może być szczególnie przydatne dla graczy korzystających z wyższych rozdzielczości, takich jak 4K, gdzie obciążenie dla GPU jest większe.

 

Nowsze  wersje tego oprogramowania są w stanie przewidywać klatki do przodu, pozwalając na nawet większe oszczędzanie zasobów, bez straty jakości.

 

Wnioskiem jest to, że AI, takie jak NVIDIA DLSS, ma potencjał do znacznego ulepszenia efektów wizualnych w grach, zapewniając lepszą jakość obrazu przy minimalnym wpływie na wydajność. Dzięki temu gracze mogą cieszyć się bardziej realistycznymi i immersyjnymi doświadczeniami wizualnymi.

Future is now

 

AI odgrywa kluczową rolę w personalizacji doświadczeń w grach, umożliwiając dostosowanie rozgrywki do indywidualnych preferencji graczy. Adaptacyjne systemy trudności analizują sposób, w jaki gracz się porusza, podejmuje decyzje i osiąga cele w grze, aby dynamicznie dostosować poziom trudności. Rekomendacje i sugestie AI oparte na analizie preferencji gracza pomagają odkrywać nowe gry i aspekty rozgrywki, które są najbardziej interesujące. Personalizowane dialogi i interakcje AI sprawiają, że postacie w grze reagują na styl gry gracza, tworząc autentyczne doświadczenia. Dodatkowo, dopasowanie do stylu gry gracza pozwala AI na lepsze dostosowanie rozgrywki, spełniając preferencje taktyczne, strategie i preferowane rodzaje rozgrywki. Dzięki temu, AI sprawia, że gry stają się bardziej spersonalizowane, angażujące i satysfakcjonujące dla każdego gracza.

 

Niedawno na konferencji Computex Jensen Huang przedstawił mowy poziom w immersyjność doświadczenia gamingowego demonstrując jak łącząc Nvidia’s Avatar Cloud Engine z silnikiem gry można personalizować interakcję z dowolnym NPC w grze. 

 

Ale to nie wszystko. Tych zastosowań jest o wiele więcej i aby pokazać, że omówione przez nas tematy, to tylko wierzchołek góry lodowej, wspomnijmy tylko, że AI może wspomóc wykrywanie graczy używających programów wspomagające w grach polegających na rywalizacji (Aim boty w CS), tym samym zwiększając jakość gry dla innych graczy. Może również wspomagać generowanie proceduralne, pomagać w balansowaniu rozgrywki, poprawiać doświadczenie dla nowych graczy i poprawiać jakość wychodzących gier, poprzez detekcję potencjalnych problemów i błędów.

 

Wnioski

 

Wnioskiem jest to, że sztuczna inteligencja (AI) ma ogromny potencjał w personalizacji doświadczeń w grach. Dzięki adaptacyjnym systemom trudności, rekomendacjom, personalizowanym dialogom i dopasowaniu do stylu gry gracza, AI może tworzyć unikalne, spersonalizowane i angażujące doświadczenia dla każdego gracza. To oznacza, że gry mogą dostosowywać się do indywidualnych preferencji, umożliwiając każdemu graczowi odkrycie gier, wyzwań i treści, które najbardziej odpowiadają ich gustom. Dzięki temu AI podnosi jakość rozgrywki, angażuje graczy na głębszym poziomie i zapewnia satysfakcję z gry. Personalizacja doświadczeń przy użyciu AI przynosi korzyści zarówno dla twórców gier, którzy mogą dostarczyć unikalne treści, jak i dla graczy, którzy mogą cieszyć się spersonalizowanymi przygodami w wirtualnym świecie gier.

 

Literatura

https://openai.com/research/openai-five-defeats-dota-2-world-champions

https://www.deepmind.com/research/highlighted-research/alphago

https://www.nvidia.com/pl-pl/geforce/technologies/dlss/

https://support.benchmarks.ul.com/support/solutions/articles/44002137036-how-to-test-dlss-performance

https://www.verywellmind.com/what-is-object-permanence-2795405

https://developer.nvidia.com/omniverse/ace

https://www.computextaipei.com.tw/en/index.html

https://www.engati.com/blog/ai-in-gaming