گیم لیول جنریشن میں AI
AI ہر دیوار اور دشمن کو ہاتھ سے لگانے کے بجائے خود بخود گیم لیول، نقشے اور دنیا بنا سکتا ہے۔
جائزہ
This procedural content generation gives games near-infinite variety and helps small studios ship huge worlds.
گہرا غوطہ
پروسیجرل کنٹینٹ جنریشن (PCG) نے کئی دہائیوں سے گیمز کو طاقتور بنایا ہے، جن میں روگ (1980) سے لے کر نو مینز اسکائی کے 18 کوئنٹلین سیاروں تک۔ کلاسک طریقے شور کے فنکشنز کا استعمال کرتے ہیں جیسے خطوں کے لیے Perlin noise، نیز گرائمر اور قاعدے سیٹ رومز اور quests کے لیے۔ نئی لہر PCG کے ذریعے مشین لرننگ (PCGML) ہے، جہاں ماڈل موجودہ سطحوں سے سیکھتے ہیں۔ اپروچز میں GANs شامل ہیں جو کھیلنے کے قابل ماریو طرز کے مراحل پیدا کرتے ہیں، کمک سیکھنے والے ایجنٹ جو تفریح یا دشواری کو زیادہ سے زیادہ بنا کر سطحوں کو ڈیزائن کرتے ہیں، اور Wave Function Collapse، ایک رکاوٹ حل کرنے والا جو نقشے کو ٹائل کرتا ہے تاکہ پڑوسی ٹکڑے ہمیشہ فٹ رہیں۔ ایک مرکزی چیلنج اس بات کی ضمانت دیتا ہے کہ سطحیں حقیقت میں مکمل اور متوازن ہیں، نہ کہ صرف بصری طور پر قابل فہم، اس لیے ڈیزائنرز جنریٹرز کو خودکار پلے ٹیسٹنگ بوٹس کے ساتھ جوڑتے ہیں۔
تکنیکی بصیرت
Wave Function Collapse، ایک مقبول ٹول، لیول بلڈنگ کو ایک رکاوٹ والی پہیلی کی طرح سمجھتا ہے: یہ سپرپوزیشن میں ہر ٹائل سے شروع ہوتا ہے، پھر بار بار سب سے کم اینٹروپی سیل کو ایک ہی ٹائل پر 'گرا دیتا ہے' اور ملحقہ اصولوں کو باہر کی طرف پھیلاتا ہے، بالکل سوڈوکو کو حل کرنے کی طرح۔ سیکھنے پر مبنی طریقے نمونے کی سطح پر جنریٹر کو تربیت دینے کے بجائے؛ امتیازی سلوک کرنے والا یا فٹنس فنکشن آؤٹ پٹ کو چیک کرتا ہے، اور تلاش کی تکنیک جیسے ارتقائی الگورتھم یا کوالٹی ڈائیورسٹی (MAP-Elites) مختلف قسم کے پلے ایبلٹی کے لیے دباؤ ڈالتی ہے۔
اسٹریٹجک اثر
Build choices
ایپلیکیشن لیول ڈیزائن اس بات کا تعین کرتا ہے کہ آیا AI حقیقی نتائج کو بہتر بناتا ہے۔
Team and workflow
اچھا ورک فلو انضمام پیداواری صلاحیت پیدا کرتا ہے جس پر صارفین بھروسہ کر سکتے ہیں۔
خطرہ اور حفاظت
اچھی طرح سے دائرہ کار کے استعمال کے معاملات تبدیلی کی تھکاوٹ اور نفاذ کے خطرے کو کم کرتے ہیں۔
گیم لیول جنریشن میں AI کا مستقبل
جنریشن آف لائن اثاثہ کی تخلیق سے ریئل ٹائم، پلیئر کے موافق لیولز کی طرف منتقل ہو رہی ہے جو مشکل اور ترتیب کو آپ کے کھیلنے کے طریقے کے مطابق بناتی ہے۔ بڑی زبان اور پھیلاؤ کے ماڈلز ٹیکسٹ پرامپٹس سے سوالات، مکالمے اور 3D اثاثے تیار کرنا شروع کر رہے ہیں، جس سے ڈیزائنرز ایک تہھانے کو بیان کرنے اور ایک مسودہ حاصل کرنے دیتے ہیں۔ 'مکسڈ انیشی ایٹو' ٹولز کی توقع کریں جہاں AI تجویز کرتا ہے اور انسانوں کو درست کرتے ہیں، نیز حل پذیری کی مضبوط ضمانتیں ہیں تاکہ تیار کردہ مواد دستی فکسنگ کے بغیر بھیجے جا سکے۔
حقیقی دنیا کا نفاذ
نو مینز اسکائی طریقہ کار سے الگورتھم اور بیجوں سے تقریباً 18 کوئنٹلین منفرد سیارے پیدا کر رہا ہے۔
مائن کرافٹ ہر بیج کے لیے لامتناہی، متنوع دنیا بنانے کے لیے شور کے افعال اور بایوم رولز کا استعمال کرتے ہوئے
Spelunky اور دیگر roguelikes ماڈیولر روم ٹیمپلیٹس سے ہر دوڑ میں تازہ تہھانے لے آؤٹ کو جمع کرتے ہیں۔
ڈیزائنرز Wave Function Collapse کا استعمال کرتے ہوئے آٹو ٹائل مربوط نقشوں کے لیے جہاں ہر ٹکڑا اپنے پڑوسیوں کو فٹ کرتا ہے۔
خطرات اور گارڈریلز
ٹوٹے ہوئے عمل کو خودکار کرنا موجودہ مسائل کو بڑھا سکتا ہے۔
ٹیمیں ضرورت سے زیادہ انسانی فیصلے کو خودکار اور ہٹا سکتی ہیں۔
اگر آؤٹ پٹس کا مسلسل جائزہ نہ لیا جائے تو معیار بڑھ سکتا ہے۔
نفاذ کا روڈ میپ
موجودہ ورک فلو کا نقشہ بنائیں اور سب سے زیادہ رگڑ والے مرحلے کی نشاندہی کریں۔
مکمل آٹومیشن سے پہلے انسانی چوکیوں کی وضاحت کریں۔
صارفین کو اشارے، ترقی کے راستے، اور معیار کے معیار پر تربیت دیں۔
پائیدار قدر کی تصدیق کے لیے ٹاسک لیول کے نتائج کو ٹریک کریں۔
دریافت کرتے رہیں
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Game Level Generation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
اگلا گائیڈ
گیمز کے لیے پروسیجرل کنٹینٹ جنریشن میں AI
اکثر پوچھے گئے سوالات
What is AI in Game Level Generation?
AI ہر دیوار اور دشمن کو ہاتھ سے لگانے کے بجائے خود بخود گیم لیول، نقشے اور دنیا بنا سکتا ہے۔ یہ طریقہ کار مواد کی نسل گیمز کو لامحدود قسم کے قریب دیتا ہے اور چھوٹے اسٹوڈیوز کو بہت بڑی دنیا بھیجنے میں مدد کرتا ہے۔
گیمز میں 'پروسیجرل کنٹینٹ جنریشن' (PCG) کا کیا مطلب ہے؟
PCG گیم کے مواد کو خود بخود تیار کرنے کے لیے الگورتھم اور قواعد کا استعمال کرتا ہے، بجائے اس کے کہ ڈیزائنرز ہر عنصر کو ہاتھ سے رکھیں۔
Wave Function Collapse algorithm نقشہ کیسے بناتا ہے؟
Wave Function Collapse نقشے کو ایک رکاوٹ پہیلی کے طور پر دیکھتا ہے، سب سے کم اینٹروپی سیل کو چننا، اس کے ٹائل کو ٹھیک کرنا، اور یہ بتانا کہ کون سے پڑوسیوں کو اب بھی اجازت ہے، سوڈوکو کی طرح۔
AI سے پیدا ہونے والی سطحوں کے لیے منفرد ایک بڑا چیلنج کیا ہے؟
ایک لیول ٹھیک لگ سکتا ہے لیکن اسے ختم کرنا ناممکن یا غیر منصفانہ طور پر مشکل ہو سکتا ہے، اس لیے ایک اہم چیلنج کھیلنے کی اہلیت کی ضمانت دینا ہے، اکثر خودکار پلے ٹیسٹنگ بوٹس کا استعمال۔
قدرتی نظر آنے والے خطوں کو پیدا کرنے کے لیے کون سا کلاسک شور فنکشن وسیع پیمانے پر استعمال ہوتا ہے؟
پرلن شور اور اسی طرح کے میلان شور کے فنکشنز ہموار، قدرتی نظر آنے والے تغیرات کو زمین کے لیے مثالی بناتے ہیں، جو مائن کرافٹ جیسے گیمز میں استعمال ہوتے ہیں۔
PCGML پرانی اصول پر مبنی نسل کے مقابلے میں کیا اضافہ کرتا ہے؟
مشین لرننگ کے ذریعے PCG ماڈلز کو مثال کی سطح پر تربیت دیتا ہے تاکہ جنریٹر مکمل طور پر ہاتھ سے لکھے ہوئے اصولوں پر انحصار کرنے کے بجائے انسانی ساختہ مواد کی طرز اور ساخت سیکھ سکے۔