Alkalmazási ÚTMUTATÓ

AI az eljárási tartalom létrehozásában játékokhoz

Az eljárási tartalomgenerálás (PCG) algoritmusokat használ a játékvilágok, szintek, tárgyak és küldetések automatikus létrehozásához.

Hallgassa meg ezt az útmutatótAI-narrált · ~2 min

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A mesterséges intelligencia jövője a játékokhoz készült eljárási tartalom létrehozásában
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Lehetővé teszi a kis csapatok számára, hogy hatalmas, változatos játékokat építsenek, és most a generatív mesterséges intelligencia tölti fel.

Mély merülés

A PCG hosszú múltra tekint vissza: Rogue (1980) algoritmikusan generált kazamatákat, a No Man's Sky pedig híresen állítja, hogy több mint 18 ötmilliárd egyedi bolygót építettek determinisztikus magvakból. A Minecraft csaknem végtelen terepet generál a Perlin/zaj függvények segítségével, a Spelunky pedig úttörő volt a kényszeralapú szintgenerálásban, amely véletlenszerű és játszható is marad. A legtöbb klasszikus PCG szabály- vagy zajalapú, gondos megszorításokkal, így a kimenet szórakoztató, nem csak változatos. Egy kutatási részterület, a PCGML (PCG gépi tanuláson keresztül), modelleket képez a meglévő szinteken, hogy újakat hozzon létre. Ma a generatív AI kiterjeszti a PCG-t textúrákra, 3D modellekre, párbeszédekre és küldetésekre. Nagy előnye a tartalom méretaránya és újrajátszhatósága; a nagy kihívás a minőség-ellenőrzés, a koherencia és az unalmas, egyforma kimenet elkerülése, amit gyakran „zabpehely problémának” is neveznek.

Valós megvalósítás

A No Man's Sky több mint 18 kvintimillió bolygót generál determinisztikus magokból és eljárási szabályokból

A Minecraft zajfüggvényeket használva hatékonyan végtelen, változatos terepet építhet menet közben

Spelunky véletlenszerű, de mindig kitölthető szinteket generál kényszer alapú tervezéssel

Diablo és más akció-RPG-k, amelyek procedurálisan tömlöc elrendezéseket és véletlenszerű zsákmányt generálnak az újrajátszhatóság érdekében

A mesterséges intelligencia jövője a játékokhoz készült eljárási tartalom létrehozásában

A generatív mesterséges intelligencia egyre gyakrabban fog igény szerint előállítani művészetet, 3D-s eszközöket, hangot és narratívát, ami potenciálisan személyre szabott szintet tesz lehetővé az egyes játékosok képességeihez igazítva. Szigorúbb emberi és mesterséges intelligencia-készítő eszközökre számíthat, ahol a tervezők irányítják a modelleket, ahelyett, hogy minden szabályt leírnának. A kulcsfontosságú határok a nagy világok közötti koherencia, a szerzői jogok és a képzési adatok származása, valamint az, hogy a tartalom értelmes legyen, ne pedig végtelen, de üres legyen. A nyertes rendszerek a generációt erős értékeléssel és gondozással párosítják.

A gyakorlatba ültetés

Miért számít

  • Építési lehetőségek. Az alkalmazásszintű tervezés határozza meg, hogy az AI javítja-e a valós eredményeket.
  • Csapat és munkafolyamat. A jó munkafolyamat-integráció olyan termelékenységnövekedést eredményez, amelyben a felhasználók megbízhatnak.
  • Kockázat és biztonság. A jól körülhatárolt felhasználási esetek csökkentik a változtatások fáradtságát és a végrehajtás kockázatát.

Vigyázz

  • Egy megszakadt folyamat automatizálása felerősítheti a meglévő problémákat.
  • A csapatok túlautomatizálhatják és eltávolíthatják a szükséges emberi ítélőképességet.
  • A minőség sodródhat, ha a kimeneteket nem értékelik folyamatosan.

Következő lépések

  1. Térképezze fel az aktuális munkafolyamatot, és határozza meg a legnagyobb súrlódású lépést.
  2. Emberi ellenőrzőpontok meghatározása a teljes automatizálás előtt.
  3. Tanítsa meg a felhasználókat az utasításokról, az eszkalációs utakról és a minőségi szabványokról.
  4. Kövesse nyomon a feladat szintű eredményeket a tartós érték megerősítéséhez.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI in Procedural Content Generation for Games quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a mesterséges intelligencia a játékokhoz készült eljárási tartalom létrehozásában?

Az eljárási tartalomgenerálás (PCG) algoritmusokat használ a játékvilágok, szintek, tárgyak és küldetések automatikus létrehozásához. Lehetővé teszi a kis csapatok számára, hogy hatalmas, változatos játékokat építsenek, és most a generatív mesterséges intelligencia tölti fel.

Mit jelent a PCG a játékfejlesztésben?

A PCG vagy a Procedural Content Generation algoritmusokat használ a játéktartalom (például szintek, domborzat és elemek) automatikus létrehozásához.

Melyik korai játék a procedurálisan generált kazamaták klasszikus példája?

A Rogue minden egyes végigjátszás során algoritmikusan generálta a kazamatait, így az egész 'roguelike' műfaj nevét adta.

Hogyan hoz létre egy olyan játék, mint a No Man's Sky, egy szinte korlátlan univerzumot anélkül, hogy minden bolygót tárolna?

A magérték determinisztikusan reprodukálja ugyanazt a procedurálisan létrehozott világot, így nem kell bolygók kvintillióit külön-külön tárolni.

Mire használhatók a PCG-ben az olyan zajfunkciók, mint a Perlin zaj?

A Perlin és a Simplex zaj sima színátmeneteket hoz létre, amelyek ideálisak a természetes domborzati magasságtérképekhez, ahogy az a Minecraft tájain is látható.

Miért használ a Spelunky kényszeralapú szintgenerálást?

A megszorítások garantálják az érvényes útvonal meglétét, így a szintek véletlenszerűek és megoldhatók is maradnak, nem pedig véletlenszerűen lehetetlenek.