微软想要使用生成AI工具来帮助制作视频游戏

Muse AI接受了视频游戏的培训 出血边缘微软的人工智能模型可以重新创建现实的视频游戏镜头，该镜头可以帮助设计师制作游戏，但是专家认为该工具对大多数游戏开发人员都有用。

可以从视频游戏中产生连贯和准确的镜头的神经网络并不新鲜。最近的Google创建的AI生成了经典电脑游戏的完全可玩版本厄运无需访问基础游戏引擎。原始 厄运， 但是，1993年发布；更复杂的物理学和计算密集的图形更为复杂，这更加复杂，事实证明，AIS忠实地重新创建了更棘手的东西。

现在，Microsoft Research及其同事的Katja Hofmann开发了一种名为Muse的AI模型，该模型可以重新创建多人在线战斗游戏的完整序列 出血边缘。 霍夫曼说，这些序列似乎可以遵守游戏的基本物理学，并使玩家和游戏中的对象随着时间的推移保持一致，这意味着该模型对游戏有了深刻的了解。

Muse接受了七年的人类游戏数据的培训，包括控制器和视频录像，由 出血边缘Microsoft拥有的开发人员Ninja Studios。它的工作原理类似于诸如chatgpt之类的大型语言模型。当给出输入时，以视频游戏框架及其关联的控制器操作的形式，它的任务是预测可能下一步的游戏玩法。霍夫曼说：“即使对我来说，这确实令人难以置信，这纯粹是从培训模型来预测接下来会出现的事情……它对这种复杂的3D环境有了复杂而深刻的了解。”

为了了解人们如何使用像Muse这样的AI工具，团队还调查了游戏开发人员，以了解他们发现有用的功能。结果，研究人员将功能添加到了迭代地调整为即时进行的更改，例如玩家的角色更改或进入场景的新对象。霍夫曼说，这对于提出新想法并尝试开发人员的情况可能很有用。

但是缪斯仍然仅限于在原始范围内生成序列 出血边缘 游戏 - 它不能提出新的概念或设计。伦敦国王学院的迈克·库克（Mike Cook）说，目前尚不清楚这是否是模型的固有限制，还是其他游戏中更多训练数据可以克服的东西。“这距离AI系统可以自己设计游戏的想法还有很长的路要走。 ”

库克说，尽管产生一致的游戏序列的能力令人印象深刻，但开发人员可能更喜欢拥有更大的控制权。“如果您构建了实际测试游戏，运行游戏代码本身的工具，则无需担心持久性或一致性，因为它正在运行实际的游戏。因此，这些正在解决生成AI本身引入的问题。”

马耳他大学数字游戏学院的Georgios Yannakakis说，该模型是考虑到开发人员设计的，但对于大多数没有那么多培训数据的开发人员来说，这可能是不可行的。“这归结为值得做的问题吗？”Yannakakis说。“微软花了七年的时间来收集数据并培训这些模型，以证明您实际上可以做到这一点。但是，实际的游戏工作室可以做到这一点吗？”

甚至微软本身对于AI设计的游戏是否可以亮相是模棱两可的：当被问及Xbox游戏部中的开发人员是否可能使用该工具时，该公司拒绝发表评论。

尽管霍夫曼（Hofmann）和她的团队希望Muse的未来版本将能够超越其培训数据超出他们的培训数据，并为他们接受培训的游戏以及为不同的游戏而工作的新场景和水平，这将是一个重大挑战，因为现代游戏非常复杂。

他说：“游戏区分自己的一种方式之一是改变系统并引入新的概念级别的想法。这使机器学习系统很难超越他们的培训数据，并超越他们所看到的创新和发明。 ”

本文来自作者[admin]投稿，不代表象功馆立场，如若转载，请注明出处：https://wap.xianggongguan.cn/xgzx/202506-234.html