Sebagian besar diskusi awal tentang revolusi AI generatif dalam game berfokus pada bagaimana alat AI dapat meningkatkan efisiensi pembuat game, memungkinkan game diproduksi lebih cepat dan dalam skala yang lebih besar dari sebelumnya. Dalam jangka panjang, kami yakin AI tidak hanya akan mengubah cara pembuatan game, tetapi juga sifat dari game itu sendiri.
Sepanjang waktu, AI membantu menghasilkan bentuk permainan baru. Dari ruang bawah tanah yang dibuat secara prosedural di Rogue (1980), hingga mesin negara terbatas di Half-Life (1998), hingga direktur permainan AI di Left 4 Dead (2008). Baru-baru ini, kemajuan dalam teknologi pembelajaran mendalam telah mengubah permainan lebih lanjut dengan memungkinkan komputer menghasilkan konten baru berdasarkan permintaan pengguna dan kumpulan data besar.
Ini masih awal, tetapi kami telah melihat beberapa area menarik dari game berbasis AI, termasuk agen generatif, personalisasi, penceritaan AI, dunia dinamis, dan co-pilot AI. Jika berhasil, sistem ini dapat digabungkan untuk membuat game AI baru yang mempertahankan kader pemain yang setia.
Agen Generatif
Dipelopori oleh SimCity Maxis pada tahun 1989, game simulasi ini memungkinkan pemain untuk membangun dan mengelola kota virtual. Saat ini, game simulasi paling populer adalah The Sims, di mana lebih dari 70 juta pemain di seluruh dunia mengelola orang-orang virtual yang dikenal sebagai "sims" dan membiarkan mereka menjalani kehidupan sehari-hari. Desainer Will Wright pernah menggambarkan The Sims sebagai "rumah boneka interaktif".
AI generatif dapat sangat memajukan pengembangan game simulasi dengan membuat agen lebih realistis melalui perilaku sosial yang muncul yang didorong oleh model bahasa besar (LLM).
Awal tahun ini, tim peneliti dari Universitas Stanford dan Google menerbitkan makalah yang menunjukkan cara menerapkan LLM ke agen dalam game. Dipimpin oleh mahasiswa doktoral Joon Sung Park, tim peneliti menggabungkan 25 agen mirip Sims di dunia kotak pasir pixel-art yang perilakunya ditentukan oleh ChatGPT dan arsitektur yang memperluas LLM untuk menggunakan bahasa alami untuk menyimpan catatan lengkap pengalaman agen, mensintesis ingatan ini menjadi refleksi tingkat yang lebih tinggi, dan secara dinamis mengambilnya kembali untuk merencanakan perilaku.
Hasil ini merupakan pratinjau yang sangat baik dari potensi masa depan game simulasi. Dimulai dengan saran yang ditentukan pengguna bahwa seorang agen ingin menyelenggarakan pesta Hari Valentine, para agen secara mandiri mendistribusikan undangan pesta, menjalin pertemanan baru, saling mengundang pada tanggal, dan berkoordinasi untuk tiba di pesta tepat waktu dua hari kemudian.
Perilaku ini dimungkinkan karena LLM dilatih pada data jejaring sosial, sehingga modelnya mencakup dasar-dasar bagaimana manusia berbicara satu sama lain dan berperilaku dalam berbagai konteks sosial. Dan dalam lingkungan digital interaktif seperti permainan analog, respons ini dapat dipicu untuk menciptakan perilaku yang nyata.
Dari sudut pandang pemain, hasil akhirnya adalah pengalaman bermain game yang lebih imersif. Sebagian besar kesenangan bermain The Sims atau sim koloni RimWorld datang dari kejadian tak terduga. Dengan perilaku agen di jejaring sosial, kita mungkin melihat game simulasi yang tidak hanya menampilkan imajinasi desainer game, tetapi juga mencerminkan masyarakat manusia yang tidak dapat diprediksi. Menonton sim ini dapat memberikan hiburan sebanyak menonton The Truman Show generasi berikutnya dengan cara yang tidak mungkin dilakukan dengan TV atau film praproduksi saat ini.
Agen itu sendiri juga dapat dipersonalisasi, berdasarkan aspirasi imajinatif kami untuk game "Rumah Boneka". Pemain dapat merancang agen yang ideal berdasarkan diri mereka sendiri atau karakter fiksi. "Ready Player Me" memungkinkan pengguna membuat avatar 3D mereka sendiri dengan mengambil selfie dan mengimpor avatar ke lebih dari 9000 game/aplikasi. Platform karakter AI Character.ai, InWorld, dan Convai dapat membuat NPC khusus dengan latar belakang, kepribadian, dan kontrol perilaku mereka sendiri.
Dengan kemampuan bahasa alami, cara kita berinteraksi dengan agen juga telah diperluas. Saat ini, pengembang dapat menggunakan model text-to-speech Eleven Labs untuk menghasilkan suara yang realistis untuk agen mereka. Convai baru-baru ini bermitra dengan Nvidia untuk demo yang dipublikasikan dengan baik di mana pemain dapat terlibat dalam percakapan suara alami dengan NPC koki ramen AI, dengan dialog dan ekspresi wajah yang cocok dihasilkan secara real time. Aplikasi pendamping AI Replika sudah memungkinkan pengguna untuk mengobrol dengan teman mereka melalui suara, video, dan AR/VR. Di masa depan, dapat dibayangkan sebuah game simulasi di mana pemain dapat tetap berhubungan dengan agen mereka melalui obrolan telepon atau video saat bepergian, dan kemudian mengklik game yang lebih imersif saat mereka kembali ke komputer.
Namun, masih banyak tantangan yang harus diselesaikan sebelum kita dapat melihat The Sims versi full-generate. Data pelatihan untuk LLM memiliki bias bawaan yang mungkin tercermin dalam perilaku agen. Game layanan real-time 24x7 Biaya menjalankan simulasi skala besar mungkin tidak layak secara ekonomi, menjalankan 25 agen dalam 2 hari akan membebani tim peneliti ribuan dolar dalam komputasi. Upaya untuk memindahkan beban kerja model ke perangkat memang menjanjikan, tetapi masih relatif dini. Kita mungkin juga perlu mengembangkan norma-norma baru seputar hubungan kuasi-sosial dengan agen.
Tapi satu hal yang jelas, ada permintaan besar untuk agen generatif saat ini. Dalam survei kami baru-baru ini, 61% studio game berencana untuk bereksperimen dengan AI NPC. Kami percaya bahwa pendamping AI akan segera menjadi hal yang biasa saat agen memasuki lingkungan sosial kita sehari-hari. Game simulasi menyediakan kotak pasir digital tempat kita dapat berinteraksi dengan teman AI favorit kita dengan cara yang menyenangkan dan tidak terduga. Dalam jangka panjang, sifat permainan simulasi kemungkinan besar akan berubah, dengan agen-agen ini bukan hanya mainan, tetapi calon teman, anggota keluarga, kolega, penasihat, dan bahkan kekasih.
Personalisasi
Tujuan akhir dari permainan yang dipersonalisasi adalah untuk memberi setiap pemain pengalaman bermain yang unik. Misalnya, mari kita mulai dengan pembuatan karakter - dari game papan Dungeons & Dragons asli hingga Dampak Genshin Mihoyo, pembuatan karakter telah menjadi tulang punggung dari hampir setiap game role-playing (RPG). Sebagian besar RPG memungkinkan pemain untuk memilih dari opsi prasetel untuk menyesuaikan penampilan, jenis kelamin, kelas, dll. Jadi bagaimana Anda melampaui preset untuk menghasilkan karakter unik untuk setiap pemain dan gameplay? Pembuat karakter yang dipersonalisasi menggabungkan LLM dengan model difusi teks-ke-gambar memungkinkan ini.
Spellbrush's Arrowmancer adalah RPG yang didukung oleh model animasi kustom berbasis GAN perusahaan. Di Arrowmancer, pemain dapat menghasilkan satu set karakter anime unik yang lengkap, termasuk seni dan kemampuan bertarung. Personalisasi ini juga merupakan bagian dari sistem monetisasinya, dengan pemain mengimpor karakter buatan AI ke spanduk gacha khusus, tempat mereka dapat memperoleh karakter duplikat untuk memperkuat peringkat mereka.
Personalisasi juga meluas ke item dalam game. Misalnya, AI dapat membantu menghasilkan senjata dan baju besi unik yang hanya tersedia bagi pemain yang menyelesaikan tugas tertentu. Azra Games membangun saluran aset yang diberdayakan AI untuk dengan cepat membuat ide dan menghasilkan perpustakaan besar item dalam game dan dunia, membuka jalan untuk pengalaman bermain game yang lebih beragam. Pengembang AAA terkenal Activision Blizzard membangun sistem Difusi Blizzard, replika pembuat gambar Difusi Stabil, untuk membantu menghasilkan seni konsep untuk berbagai karakter dan pakaian.
Teks dan dialog dalam game juga dapat dipersonalisasi. Emblem di dunia dapat mencerminkan semacam gelar atau status yang telah diraih pemain. NPC dapat diatur sebagai agen LLM dengan kepribadian unik yang beradaptasi dengan perilaku pemain. Misalnya, dialog dapat berubah berdasarkan perilaku masa lalu pemain dengan agen. Kami telah melihat konsep ini berhasil diimplementasikan dalam game triple-A, dan Shadow of Mordor dari Monolith memiliki sistem balas dendam yang secara dinamis menciptakan cerita latar yang menarik untuk penjahat berdasarkan tindakan pemain. Elemen personalisasi ini membuat setiap pengalaman bermain menjadi unik.
Penerbit game Ubisoft baru-baru ini mengungkapkan Ghostwriter, alat percakapan yang didukung oleh LLM. Saat ini, penerbit menggunakan alat ini untuk menghasilkan dialog secara otomatis yang membantu mensimulasikan dunia kehidupan di sekitar pemain.
Dari sudut pandang pemain, AI menambah perendaman dan pemutaran game. Popularitas mod role-playing yang bertahan lama dalam game dunia terbuka yang imersif seperti Skyrim dan Grand Theft Auto V menunjukkan kebutuhan laten akan cerita yang dipersonalisasi. Bahkan saat ini, GTA V secara konsisten memiliki jumlah pemain yang lebih tinggi di server role-playing daripada game aslinya. Kami percaya bahwa di masa mendatang, sistem personalisasi akan menjadi alat operasional real-time integral untuk menarik dan mempertahankan pemain di semua game.
Narasi AI
Tentu saja, ada lebih banyak permainan yang bagus daripada karakter dan dialog. Skenario menarik lainnya adalah memanfaatkan AI generatif untuk menceritakan kisah yang lebih baik dan lebih pribadi.
Dungeons & Dragons adalah kakek dari mendongeng yang dipersonalisasi dalam game, di mana seseorang yang dikenal sebagai "master penjara bawah tanah" bersiap untuk menceritakan sebuah cerita kepada sekelompok teman yang masing-masing berperan dalam cerita tersebut. Cerita yang dihasilkan adalah bagian drama improvisasi, bagian RPG, artinya setiap permainan itu unik. Sebagai tanda perlunya penceritaan yang dipersonalisasi, Dungeons & Dragons menjadi lebih populer dari sebelumnya saat ini, dengan penjualan digital dan analog mencapai rekor tertinggi.
Saat ini, banyak perusahaan menerapkan LLM ke mode cerita Dungeons & Dragons. Peluangnya terletak pada pemain yang menghabiskan waktu di alam semesta buatan pemain atau IP favorit mereka, dipandu oleh pendongeng AI yang sangat sabar. Diluncurkan pada tahun 2019, AI Dungeon Latitude adalah game petualangan berbasis teks terbuka di mana AI memainkan master penjara bawah tanah. Pengguna juga telah menyempurnakan versi GPT-4 OpenAI untuk memainkan Dungeons & Dragons dengan hasil yang menjanjikan. Game petualangan teks Character.AI adalah salah satu mode aplikasi yang paling populer.
Pintu Tersembunyi melangkah lebih jauh dengan melatih model pembelajaran mesin pada kumpulan materi sumber tertentu (seperti The Wizard of Oz) dan membiarkan pemain berpetualang dalam dunia IP tertentu. Dengan cara ini, Hidden Door bekerja sama dengan pemilik kekayaan intelektual untuk mengaktifkan bentuk ekstensi merek yang baru dan interaktif. Segera setelah penggemar selesai menonton film atau buku, mereka dapat melanjutkan petualangan mereka di dunia favorit mereka melalui acara khusus yang mirip dengan Dungeons & Dragons. Permintaan akan pengalaman penggemar sedang booming, dengan Archiveofourown.org dan Wattpad, dua repositori fiksi penggemar online terbesar, masing-masing menerima lebih dari 354 juta dan 146 juta kunjungan situs web, pada bulan Mei saja.
NovelAI mengembangkan LLM Clio-nya sendiri, menggunakannya untuk bercerita dalam mode kotak pasir untuk membantu penulis manusia mengatasi masalah blok penulisan. Untuk penulis yang paling cerdas, NovelAI memungkinkan pengguna menyempurnakan Clio berdasarkan karya mereka sendiri, atau bahkan karya penulis terkenal seperti HP Lovecraft atau Jules Verne.
Perlu dicatat bahwa ada banyak rintangan sebelum produksi cerita AI siap sepenuhnya. Membangun pendongeng AI yang baik saat ini membutuhkan banyak pengaturan aturan manusia untuk membuat garis naratif yang menentukan cerita yang bagus. Memori dan koherensi sangat penting, pendongeng perlu mengingat apa yang terjadi sebelumnya dalam cerita dan konsisten dalam fakta dan gaya. Interpretabilitas tetap menjadi tantangan bagi banyak kode sumber tertutup yang beroperasi sebagai kotak hitam, dan desainer game perlu memahami bagaimana perilaku sistem untuk meningkatkan pengalaman bermain game.
Namun, dalam mengatasi rintangan ini, AI telah menjadi co-pilot pendongeng manusia. Saat ini, jutaan penulis menggunakan ChatGPT untuk menginspirasi cerita mereka. Entertainment studio ic telah menyatukan DALL-E, ChatGPT, Midjourney, Eleven Labs, dan Runway dengan tim editorial manusia untuk membuat acara petualangan interaktif pilihan Anda sendiri, sekarang streaming di Netflix.
Bangunan dunia yang dinamis
Meskipun cerita berbasis teks sangat populer, banyak pemain juga ingin melihat cerita mereka dihidupkan secara visual. Mungkin salah satu peluang terbesar untuk AI generatif dalam game adalah untuk membantu menciptakan dunia yang hidup di mana para pemain menghabiskan waktu berjam-jam untuk membenamkan diri.
Visi utamanya adalah untuk dapat menghasilkan level dan konten secara real time saat pemain melanjutkan permainan. "Game Pikiran" dalam novel fiksi ilmiah "Ender's Game" (Ender's Game) adalah contoh tipikal dari jenis game ini. The Mind Game adalah game yang dipandu oleh AI yang beradaptasi secara real time dengan minat setiap siswa, dengan dunia game yang terus berubah berdasarkan perilaku siswa dan informasi mental lainnya yang disimpulkan oleh AI.
Mungkin hal yang paling dekat dengan "permainan otak" saat ini adalah seri Left 4 Dead dari Valve, yang menggunakan panduan AI untuk menyesuaikan kecepatan dan kesulitan permainan secara dinamis. Sutradara AI tidak mengatur titik spawn musuh (zombie), tetapi menempatkan zombie di posisi yang berbeda sesuai dengan status, keterampilan, dan posisi masing-masing pemain, sehingga menciptakan pengalaman unik di setiap game. Sutradara juga menciptakan suasana permainan melalui efek visual dan musik yang dinamis. Pendiri Valve, Gabe Newell, menyebut sistem ini "bercerita terprogram". Remake Dead Space yang diakui secara kritis oleh EA menggunakan varian sistem direktur AI untuk membuat horor menjadi ekstrem.
Meskipun ini mungkin tampak seperti plot fiksi ilmiah hari ini, suatu hari nanti, dengan peningkatan model generatif dan perolehan kalkulasi dan data yang cukup, kita dapat membuat direktur AI yang tidak hanya dapat membuat ketakutan, tetapi juga menciptakan dunia itu sendiri.
Perlu dicatat bahwa konsep level yang dihasilkan mesin dalam game bukanlah hal baru. Dari Supergiant's Hades hingga Blizzard's Diablo hingga Mojang's Minecraft, banyak game paling populer saat ini menggunakan generasi prosedural, yang menggunakan persamaan dan kumpulan aturan yang dijalankan oleh perancang manusia untuk secara acak membuat level yang berbeda setiap saat. Satu set lengkap perpustakaan perangkat lunak telah dibuat untuk membantu pembuatan program. SpeedTree Unity membantu pengembang menghasilkan dedaunan virtual yang mungkin pernah Anda lihat di hutan Pandora di Avatar atau lanskap Elden Ring.
Gim dapat menggabungkan generator aset prosedural dengan LLM di antarmuka pengguna. Gim "Townscaper" menggunakan sistem prosedural yang hanya membutuhkan pemain untuk memasukkan dua informasi (posisi dan warna balok), dan dapat dengan cepat diubah menjadi pemandangan kota yang indah. Bayangkan menambahkan Townscaper LLM ke antarmuka pengguna untuk membantu pemain mengulangi karya yang lebih halus dan indah melalui petunjuk bahasa alami.
Banyak pengembang juga tertarik dengan potensi penggunaan pembelajaran mesin untuk menyempurnakan pembuatan program. Suatu hari nanti, desainer dapat secara iteratif menghasilkan draf level pertama yang layak menggunakan model yang dilatih pada level yang ada dengan gaya serupa. Awal tahun ini, Shyam Sudhakaran memimpin tim di University of Copenhagen yang menciptakan MarioGPT — alat GPT2 yang menghasilkan level Super Mario menggunakan model yang dilatih pada level asli dari Super Mario 1 dan 2. Penelitian akademik di bidang ini telah berlangsung selama beberapa waktu, termasuk proyek tahun 2018 yang menggunakan generative adversarial network (GAN) untuk merancang level DOOM penembak orang pertama.
Model generatif, yang digunakan bersama dengan sistem prosedural, dapat sangat mempercepat pembuatan aset. Seniman sudah menggunakan model difusi teks-ke-gambar untuk seni konsep dan papan cerita yang dibantu AI. Dalam posting blog ini, pengawas efek visual mainframe Jussi Kemppainen menjelaskan bagaimana dia membangun dunia dan karakter untuk game petualangan 2.5D dengan bantuan Midjourney dan Adobe Firefly.
Teknik generatif 3D juga telah banyak diteliti. Luma memanfaatkan Neural Radiation Fields (NeRFs) untuk memungkinkan konsumen membangun aset 3D fotorealistik dari gambar 2D yang diambil di iPhone. Kaedim menggunakan kombinasi AI dan kontrol kualitas manusia untuk membuat jaring 3D siap produksi dan saat ini digunakan oleh lebih dari 225 pengembang game. CSM baru-baru ini merilis model berpemilik yang dapat menghasilkan model 3D dari video dan gambar.
Pembangunan dunia waktu nyata dengan model AI adalah hal yang penting dalam jangka panjang. Menurut pendapat kami, di masa mendatang, seluruh game tidak perlu lagi dirender, tetapi akan dibuat saat runtime menggunakan jaringan saraf. Teknologi DLSS Nvidia sudah dapat menghasilkan bingkai game beresolusi tinggi baru dengan cepat menggunakan GPU tingkat konsumen. Mungkin suatu hari nanti, Anda akan dapat menekan tombol "berinteraksi" dalam film Netflix dan masuk ke dunia di mana setiap adegan dihasilkan dengan cepat dan disesuaikan dengan pemainnya. Di masa depan, game tidak akan berbeda dengan film.
Perlu dicatat bahwa dunia yang dihasilkan secara dinamis saja tidak cukup untuk membuat game yang bagus, sebagaimana dibuktikan oleh ulasan untuk No Man's Sky. Janji dunia yang dinamis terletak pada kombinasinya dengan sistem permainan lain (personalisasi, agen generatif, dll.) Untuk membuka bentuk cerita baru. Lagi pula, bagian paling menarik dari "Permainan Pikiran" adalah bagaimana hal itu membentuk dirinya sendiri untuk Ed, bukan dunia itu sendiri.
AI "co-pilot"
Meskipun sebelumnya kami telah membahas penggunaan agen generatif dalam game simulasi, ada kasus penggunaan lain yang muncul di mana AI bertindak sebagai co-pilot game, membimbing kita melalui game, dan dalam beberapa kasus bahkan bertarung bersama kita.
Untuk pemain yang memulai permainan yang kompleks, peran co-pilot AI tidak dapat diukur. Misalnya, game sandbox UGC seperti Minecraft, Roblox, atau Rec Room adalah lingkungan yang kaya tempat pemain dapat membangun hampir semua hal yang dapat mereka bayangkan dengan bahan dan keterampilan yang tepat. Tetapi ambang pembelajarannya sangat tinggi, dan tidak mudah bagi sebagian besar pemain untuk menemukan cara untuk memulai.
Co-pilot AI dapat menjadikan pemain mana pun sebagai master builder dalam game UGC, memberikan panduan langkah demi langkah berdasarkan petunjuk teks atau gambar, dan membimbing pemain untuk mengatasi kesalahan. Referensi yang bagus adalah konsep "pembangun ahli" di dunia LEGO, makhluk langka yang memiliki karunia untuk dapat melihat cetak biru dari ciptaan apa pun yang dapat mereka bayangkan saat dibutuhkan.
Microsoft telah mulai mengembangkan sistem berbantuan AI untuk Minecraft yang menggunakan DALL-E dan Github Copilot untuk memungkinkan pemain menyuntikkan aset dan logika ke dalam sesi Minecraft melalui permintaan bahasa alami. Roblox secara aktif mengintegrasikan alat penghasil kecerdasan buatan ke dalam platform Roblox dengan misi memungkinkan "setiap pengguna menjadi pencipta". Dari pengkodean dengan Github Copilot hingga menulis dengan ChatGPT, efektivitas kopilot AI dalam kreasi bersama telah dibuktikan di banyak bidang.
Selain penulisan bersama, LLM yang dilatih tentang data game manusia harus dapat memahami cara berperilaku di berbagai game. Dengan integrasi yang baik, agen dapat bertindak sebagai mitra ketika teman pemain tidak dapat berpartisipasi, atau sebagai pihak lain dalam permainan head-to-head seperti FIFA dan NBA 2k. Agen seperti itu dapat berpartisipasi dalam permainan kapan saja, baik menang atau kalah, ramah dan tidak akan menyalahkan pemain. Disempurnakan berdasarkan riwayat permainan individu kami, agen semacam itu bisa jauh mengungguli bot yang ada, bermain persis seperti yang kami lakukan, atau bermain dengan cara yang saling melengkapi.
Proyek serupa telah berhasil dijalankan di lingkungan yang terbatas. Game balapan populer Forza telah mengembangkan sistem "Drivatar" yang menggunakan pembelajaran mesin untuk membuat driver AI untuk setiap pemain manusia yang meniru perilaku mengemudi mereka. Drivatar diunggah ke cloud, dan saat pasangan manusia sedang offline, Drivatar dapat dipanggil untuk balapan melawan pemain lain dan bahkan mendapatkan poin kemenangan. AlphaStar dari DeepMind dari Google dilatih menggunakan kumpulan data game StarCraft II "berusia 200 tahun" untuk membuat agen yang dapat bermain melawan dan mengalahkan profesional e-sports manusia.
Sebagai mekanisme permainan, co-pilot AI bahkan bisa membuat mode permainan baru. Bayangkan Fortnite, tetapi setiap pemain memiliki tongkat "pembangun ahli" yang dapat langsung membangun menara penembak jitu atau batu besar yang menyala dengan petunjuk. Dalam mode permainan ini, hasilnya mungkin lebih bergantung pada apa yang dilakukan tongkat (petunjuk) daripada pada kemampuan mengarahkan senjata.
"Mitra" AI yang sempurna dalam game telah menjadi bagian yang tak terlupakan dari banyak franchise game populer. Contohnya termasuk Cortana di alam semesta Halo, Elle di The Last of Us, atau Elizabeth di BioShock Infinite. Mengalahkan bot komputer tidak pernah ketinggalan zaman untuk permainan kompetitif -- mulai dari menggoreng alien di Space Invaders hingga memerangi injakan di StarCraft, yang akhirnya berubah menjadi mode permainannya sendiri, Co-op Commander.
Saat game berkembang menjadi jejaring sosial generasi berikutnya, kami berharap co-pilot AI memainkan peran sosial yang semakin penting. Telah didokumentasikan dengan baik bahwa menambahkan fitur sosial dapat meningkatkan daya rekat game, dengan tingkat retensi hingga 5x lebih tinggi untuk pemain yang memiliki teman. Menurut kami, setiap game di masa depan akan memiliki AI co-pilot.
Kesimpulannya
Kami masih berada di masa-masa awal dalam menerapkan AI ke dalam game, dan banyak rintangan hukum, etika, dan teknis perlu diselesaikan sebelum ide-ide ini dapat diwujudkan. Saat ini, kepemilikan legal dan perlindungan hak cipta untuk game yang menggunakan aset buatan AI sebagian besar tidak jelas kecuali developer dapat membuktikan kepemilikan semua data yang digunakan untuk melatih model. Hal ini mempersulit pemilik kekayaan intelektual berlisensi yang ada untuk menggunakan model AI pihak ketiga dalam saluran produksi mereka.
Bagaimana memberi kompensasi kepada penulis, artis, dan pencipta asli di balik data pelatihan juga merupakan masalah utama. Tantangannya adalah sebagian besar model AI dilatih pada data publik di Internet, yang sebagian besar merupakan karya berhak cipta. Dalam beberapa kasus, pengguna bahkan dapat mereproduksi gaya artis menggunakan model generatif. Ini masih awal, dan masalah kompensasi untuk pembuat konten perlu diselesaikan dengan baik.
Sebagian besar model generatif saat ini terlalu mahal untuk dijalankan di cloud pada skala global 24/7, yang diperlukan untuk pengoperasian game modern. Untuk menekan biaya, pengembang aplikasi mungkin perlu mencari cara untuk memindahkan beban kerja model ke perangkat pengguna akhir, tetapi ini akan memakan waktu.
Namun, sekarang jelas bahwa pengembang dan pemain game memiliki banyak minat pada AI generatif untuk game. Meskipun ada banyak hype, kami sangat senang melihat banyak tim berbakat di ruang ini bekerja lembur untuk membuat produk inovatif.
Peluangnya tidak hanya untuk membuat game yang ada lebih cepat dan lebih murah, tetapi juga untuk membuat game AI jenis baru yang sebelumnya tidak mungkin dilakukan. Kami belum tahu seperti apa bentuk permainan ini, tetapi kami tahu bahwa sejarah industri game telah menjadi salah satu teknologi yang memungkinkan bentuk permainan baru. Dengan sistem seperti agen generatif, personalisasi, penceritaan AI, pembangunan dunia yang dinamis, dan co-pilot AI, kita mungkin hampir melihat game "tanpa akhir" pertama yang dibuat oleh pengembang AI.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
a16z analisis mendalam: Gameplay baru apa yang akan dibuat oleh AI?
sumber/a16z
Kompilasi / Nick
Sebagian besar diskusi awal tentang revolusi AI generatif dalam game berfokus pada bagaimana alat AI dapat meningkatkan efisiensi pembuat game, memungkinkan game diproduksi lebih cepat dan dalam skala yang lebih besar dari sebelumnya. Dalam jangka panjang, kami yakin AI tidak hanya akan mengubah cara pembuatan game, tetapi juga sifat dari game itu sendiri.
Sepanjang waktu, AI membantu menghasilkan bentuk permainan baru. Dari ruang bawah tanah yang dibuat secara prosedural di Rogue (1980), hingga mesin negara terbatas di Half-Life (1998), hingga direktur permainan AI di Left 4 Dead (2008). Baru-baru ini, kemajuan dalam teknologi pembelajaran mendalam telah mengubah permainan lebih lanjut dengan memungkinkan komputer menghasilkan konten baru berdasarkan permintaan pengguna dan kumpulan data besar.
Ini masih awal, tetapi kami telah melihat beberapa area menarik dari game berbasis AI, termasuk agen generatif, personalisasi, penceritaan AI, dunia dinamis, dan co-pilot AI. Jika berhasil, sistem ini dapat digabungkan untuk membuat game AI baru yang mempertahankan kader pemain yang setia.
Agen Generatif
Dipelopori oleh SimCity Maxis pada tahun 1989, game simulasi ini memungkinkan pemain untuk membangun dan mengelola kota virtual. Saat ini, game simulasi paling populer adalah The Sims, di mana lebih dari 70 juta pemain di seluruh dunia mengelola orang-orang virtual yang dikenal sebagai "sims" dan membiarkan mereka menjalani kehidupan sehari-hari. Desainer Will Wright pernah menggambarkan The Sims sebagai "rumah boneka interaktif".
AI generatif dapat sangat memajukan pengembangan game simulasi dengan membuat agen lebih realistis melalui perilaku sosial yang muncul yang didorong oleh model bahasa besar (LLM).
Awal tahun ini, tim peneliti dari Universitas Stanford dan Google menerbitkan makalah yang menunjukkan cara menerapkan LLM ke agen dalam game. Dipimpin oleh mahasiswa doktoral Joon Sung Park, tim peneliti menggabungkan 25 agen mirip Sims di dunia kotak pasir pixel-art yang perilakunya ditentukan oleh ChatGPT dan arsitektur yang memperluas LLM untuk menggunakan bahasa alami untuk menyimpan catatan lengkap pengalaman agen, mensintesis ingatan ini menjadi refleksi tingkat yang lebih tinggi, dan secara dinamis mengambilnya kembali untuk merencanakan perilaku.
Hasil ini merupakan pratinjau yang sangat baik dari potensi masa depan game simulasi. Dimulai dengan saran yang ditentukan pengguna bahwa seorang agen ingin menyelenggarakan pesta Hari Valentine, para agen secara mandiri mendistribusikan undangan pesta, menjalin pertemanan baru, saling mengundang pada tanggal, dan berkoordinasi untuk tiba di pesta tepat waktu dua hari kemudian.
Perilaku ini dimungkinkan karena LLM dilatih pada data jejaring sosial, sehingga modelnya mencakup dasar-dasar bagaimana manusia berbicara satu sama lain dan berperilaku dalam berbagai konteks sosial. Dan dalam lingkungan digital interaktif seperti permainan analog, respons ini dapat dipicu untuk menciptakan perilaku yang nyata.
Dari sudut pandang pemain, hasil akhirnya adalah pengalaman bermain game yang lebih imersif. Sebagian besar kesenangan bermain The Sims atau sim koloni RimWorld datang dari kejadian tak terduga. Dengan perilaku agen di jejaring sosial, kita mungkin melihat game simulasi yang tidak hanya menampilkan imajinasi desainer game, tetapi juga mencerminkan masyarakat manusia yang tidak dapat diprediksi. Menonton sim ini dapat memberikan hiburan sebanyak menonton The Truman Show generasi berikutnya dengan cara yang tidak mungkin dilakukan dengan TV atau film praproduksi saat ini.
Agen itu sendiri juga dapat dipersonalisasi, berdasarkan aspirasi imajinatif kami untuk game "Rumah Boneka". Pemain dapat merancang agen yang ideal berdasarkan diri mereka sendiri atau karakter fiksi. "Ready Player Me" memungkinkan pengguna membuat avatar 3D mereka sendiri dengan mengambil selfie dan mengimpor avatar ke lebih dari 9000 game/aplikasi. Platform karakter AI Character.ai, InWorld, dan Convai dapat membuat NPC khusus dengan latar belakang, kepribadian, dan kontrol perilaku mereka sendiri.
Dengan kemampuan bahasa alami, cara kita berinteraksi dengan agen juga telah diperluas. Saat ini, pengembang dapat menggunakan model text-to-speech Eleven Labs untuk menghasilkan suara yang realistis untuk agen mereka. Convai baru-baru ini bermitra dengan Nvidia untuk demo yang dipublikasikan dengan baik di mana pemain dapat terlibat dalam percakapan suara alami dengan NPC koki ramen AI, dengan dialog dan ekspresi wajah yang cocok dihasilkan secara real time. Aplikasi pendamping AI Replika sudah memungkinkan pengguna untuk mengobrol dengan teman mereka melalui suara, video, dan AR/VR. Di masa depan, dapat dibayangkan sebuah game simulasi di mana pemain dapat tetap berhubungan dengan agen mereka melalui obrolan telepon atau video saat bepergian, dan kemudian mengklik game yang lebih imersif saat mereka kembali ke komputer.
Namun, masih banyak tantangan yang harus diselesaikan sebelum kita dapat melihat The Sims versi full-generate. Data pelatihan untuk LLM memiliki bias bawaan yang mungkin tercermin dalam perilaku agen. Game layanan real-time 24x7 Biaya menjalankan simulasi skala besar mungkin tidak layak secara ekonomi, menjalankan 25 agen dalam 2 hari akan membebani tim peneliti ribuan dolar dalam komputasi. Upaya untuk memindahkan beban kerja model ke perangkat memang menjanjikan, tetapi masih relatif dini. Kita mungkin juga perlu mengembangkan norma-norma baru seputar hubungan kuasi-sosial dengan agen.
Tapi satu hal yang jelas, ada permintaan besar untuk agen generatif saat ini. Dalam survei kami baru-baru ini, 61% studio game berencana untuk bereksperimen dengan AI NPC. Kami percaya bahwa pendamping AI akan segera menjadi hal yang biasa saat agen memasuki lingkungan sosial kita sehari-hari. Game simulasi menyediakan kotak pasir digital tempat kita dapat berinteraksi dengan teman AI favorit kita dengan cara yang menyenangkan dan tidak terduga. Dalam jangka panjang, sifat permainan simulasi kemungkinan besar akan berubah, dengan agen-agen ini bukan hanya mainan, tetapi calon teman, anggota keluarga, kolega, penasihat, dan bahkan kekasih.
Personalisasi
Tujuan akhir dari permainan yang dipersonalisasi adalah untuk memberi setiap pemain pengalaman bermain yang unik. Misalnya, mari kita mulai dengan pembuatan karakter - dari game papan Dungeons & Dragons asli hingga Dampak Genshin Mihoyo, pembuatan karakter telah menjadi tulang punggung dari hampir setiap game role-playing (RPG). Sebagian besar RPG memungkinkan pemain untuk memilih dari opsi prasetel untuk menyesuaikan penampilan, jenis kelamin, kelas, dll. Jadi bagaimana Anda melampaui preset untuk menghasilkan karakter unik untuk setiap pemain dan gameplay? Pembuat karakter yang dipersonalisasi menggabungkan LLM dengan model difusi teks-ke-gambar memungkinkan ini.
Spellbrush's Arrowmancer adalah RPG yang didukung oleh model animasi kustom berbasis GAN perusahaan. Di Arrowmancer, pemain dapat menghasilkan satu set karakter anime unik yang lengkap, termasuk seni dan kemampuan bertarung. Personalisasi ini juga merupakan bagian dari sistem monetisasinya, dengan pemain mengimpor karakter buatan AI ke spanduk gacha khusus, tempat mereka dapat memperoleh karakter duplikat untuk memperkuat peringkat mereka.
Personalisasi juga meluas ke item dalam game. Misalnya, AI dapat membantu menghasilkan senjata dan baju besi unik yang hanya tersedia bagi pemain yang menyelesaikan tugas tertentu. Azra Games membangun saluran aset yang diberdayakan AI untuk dengan cepat membuat ide dan menghasilkan perpustakaan besar item dalam game dan dunia, membuka jalan untuk pengalaman bermain game yang lebih beragam. Pengembang AAA terkenal Activision Blizzard membangun sistem Difusi Blizzard, replika pembuat gambar Difusi Stabil, untuk membantu menghasilkan seni konsep untuk berbagai karakter dan pakaian.
Teks dan dialog dalam game juga dapat dipersonalisasi. Emblem di dunia dapat mencerminkan semacam gelar atau status yang telah diraih pemain. NPC dapat diatur sebagai agen LLM dengan kepribadian unik yang beradaptasi dengan perilaku pemain. Misalnya, dialog dapat berubah berdasarkan perilaku masa lalu pemain dengan agen. Kami telah melihat konsep ini berhasil diimplementasikan dalam game triple-A, dan Shadow of Mordor dari Monolith memiliki sistem balas dendam yang secara dinamis menciptakan cerita latar yang menarik untuk penjahat berdasarkan tindakan pemain. Elemen personalisasi ini membuat setiap pengalaman bermain menjadi unik.
Penerbit game Ubisoft baru-baru ini mengungkapkan Ghostwriter, alat percakapan yang didukung oleh LLM. Saat ini, penerbit menggunakan alat ini untuk menghasilkan dialog secara otomatis yang membantu mensimulasikan dunia kehidupan di sekitar pemain.
Dari sudut pandang pemain, AI menambah perendaman dan pemutaran game. Popularitas mod role-playing yang bertahan lama dalam game dunia terbuka yang imersif seperti Skyrim dan Grand Theft Auto V menunjukkan kebutuhan laten akan cerita yang dipersonalisasi. Bahkan saat ini, GTA V secara konsisten memiliki jumlah pemain yang lebih tinggi di server role-playing daripada game aslinya. Kami percaya bahwa di masa mendatang, sistem personalisasi akan menjadi alat operasional real-time integral untuk menarik dan mempertahankan pemain di semua game.
Narasi AI
Tentu saja, ada lebih banyak permainan yang bagus daripada karakter dan dialog. Skenario menarik lainnya adalah memanfaatkan AI generatif untuk menceritakan kisah yang lebih baik dan lebih pribadi.
Dungeons & Dragons adalah kakek dari mendongeng yang dipersonalisasi dalam game, di mana seseorang yang dikenal sebagai "master penjara bawah tanah" bersiap untuk menceritakan sebuah cerita kepada sekelompok teman yang masing-masing berperan dalam cerita tersebut. Cerita yang dihasilkan adalah bagian drama improvisasi, bagian RPG, artinya setiap permainan itu unik. Sebagai tanda perlunya penceritaan yang dipersonalisasi, Dungeons & Dragons menjadi lebih populer dari sebelumnya saat ini, dengan penjualan digital dan analog mencapai rekor tertinggi.
Saat ini, banyak perusahaan menerapkan LLM ke mode cerita Dungeons & Dragons. Peluangnya terletak pada pemain yang menghabiskan waktu di alam semesta buatan pemain atau IP favorit mereka, dipandu oleh pendongeng AI yang sangat sabar. Diluncurkan pada tahun 2019, AI Dungeon Latitude adalah game petualangan berbasis teks terbuka di mana AI memainkan master penjara bawah tanah. Pengguna juga telah menyempurnakan versi GPT-4 OpenAI untuk memainkan Dungeons & Dragons dengan hasil yang menjanjikan. Game petualangan teks Character.AI adalah salah satu mode aplikasi yang paling populer.
Pintu Tersembunyi melangkah lebih jauh dengan melatih model pembelajaran mesin pada kumpulan materi sumber tertentu (seperti The Wizard of Oz) dan membiarkan pemain berpetualang dalam dunia IP tertentu. Dengan cara ini, Hidden Door bekerja sama dengan pemilik kekayaan intelektual untuk mengaktifkan bentuk ekstensi merek yang baru dan interaktif. Segera setelah penggemar selesai menonton film atau buku, mereka dapat melanjutkan petualangan mereka di dunia favorit mereka melalui acara khusus yang mirip dengan Dungeons & Dragons. Permintaan akan pengalaman penggemar sedang booming, dengan Archiveofourown.org dan Wattpad, dua repositori fiksi penggemar online terbesar, masing-masing menerima lebih dari 354 juta dan 146 juta kunjungan situs web, pada bulan Mei saja.
NovelAI mengembangkan LLM Clio-nya sendiri, menggunakannya untuk bercerita dalam mode kotak pasir untuk membantu penulis manusia mengatasi masalah blok penulisan. Untuk penulis yang paling cerdas, NovelAI memungkinkan pengguna menyempurnakan Clio berdasarkan karya mereka sendiri, atau bahkan karya penulis terkenal seperti HP Lovecraft atau Jules Verne.
Perlu dicatat bahwa ada banyak rintangan sebelum produksi cerita AI siap sepenuhnya. Membangun pendongeng AI yang baik saat ini membutuhkan banyak pengaturan aturan manusia untuk membuat garis naratif yang menentukan cerita yang bagus. Memori dan koherensi sangat penting, pendongeng perlu mengingat apa yang terjadi sebelumnya dalam cerita dan konsisten dalam fakta dan gaya. Interpretabilitas tetap menjadi tantangan bagi banyak kode sumber tertutup yang beroperasi sebagai kotak hitam, dan desainer game perlu memahami bagaimana perilaku sistem untuk meningkatkan pengalaman bermain game.
Namun, dalam mengatasi rintangan ini, AI telah menjadi co-pilot pendongeng manusia. Saat ini, jutaan penulis menggunakan ChatGPT untuk menginspirasi cerita mereka. Entertainment studio ic telah menyatukan DALL-E, ChatGPT, Midjourney, Eleven Labs, dan Runway dengan tim editorial manusia untuk membuat acara petualangan interaktif pilihan Anda sendiri, sekarang streaming di Netflix.
Bangunan dunia yang dinamis
Meskipun cerita berbasis teks sangat populer, banyak pemain juga ingin melihat cerita mereka dihidupkan secara visual. Mungkin salah satu peluang terbesar untuk AI generatif dalam game adalah untuk membantu menciptakan dunia yang hidup di mana para pemain menghabiskan waktu berjam-jam untuk membenamkan diri.
Visi utamanya adalah untuk dapat menghasilkan level dan konten secara real time saat pemain melanjutkan permainan. "Game Pikiran" dalam novel fiksi ilmiah "Ender's Game" (Ender's Game) adalah contoh tipikal dari jenis game ini. The Mind Game adalah game yang dipandu oleh AI yang beradaptasi secara real time dengan minat setiap siswa, dengan dunia game yang terus berubah berdasarkan perilaku siswa dan informasi mental lainnya yang disimpulkan oleh AI.
Mungkin hal yang paling dekat dengan "permainan otak" saat ini adalah seri Left 4 Dead dari Valve, yang menggunakan panduan AI untuk menyesuaikan kecepatan dan kesulitan permainan secara dinamis. Sutradara AI tidak mengatur titik spawn musuh (zombie), tetapi menempatkan zombie di posisi yang berbeda sesuai dengan status, keterampilan, dan posisi masing-masing pemain, sehingga menciptakan pengalaman unik di setiap game. Sutradara juga menciptakan suasana permainan melalui efek visual dan musik yang dinamis. Pendiri Valve, Gabe Newell, menyebut sistem ini "bercerita terprogram". Remake Dead Space yang diakui secara kritis oleh EA menggunakan varian sistem direktur AI untuk membuat horor menjadi ekstrem.
Meskipun ini mungkin tampak seperti plot fiksi ilmiah hari ini, suatu hari nanti, dengan peningkatan model generatif dan perolehan kalkulasi dan data yang cukup, kita dapat membuat direktur AI yang tidak hanya dapat membuat ketakutan, tetapi juga menciptakan dunia itu sendiri.
Perlu dicatat bahwa konsep level yang dihasilkan mesin dalam game bukanlah hal baru. Dari Supergiant's Hades hingga Blizzard's Diablo hingga Mojang's Minecraft, banyak game paling populer saat ini menggunakan generasi prosedural, yang menggunakan persamaan dan kumpulan aturan yang dijalankan oleh perancang manusia untuk secara acak membuat level yang berbeda setiap saat. Satu set lengkap perpustakaan perangkat lunak telah dibuat untuk membantu pembuatan program. SpeedTree Unity membantu pengembang menghasilkan dedaunan virtual yang mungkin pernah Anda lihat di hutan Pandora di Avatar atau lanskap Elden Ring.
Gim dapat menggabungkan generator aset prosedural dengan LLM di antarmuka pengguna. Gim "Townscaper" menggunakan sistem prosedural yang hanya membutuhkan pemain untuk memasukkan dua informasi (posisi dan warna balok), dan dapat dengan cepat diubah menjadi pemandangan kota yang indah. Bayangkan menambahkan Townscaper LLM ke antarmuka pengguna untuk membantu pemain mengulangi karya yang lebih halus dan indah melalui petunjuk bahasa alami.
Banyak pengembang juga tertarik dengan potensi penggunaan pembelajaran mesin untuk menyempurnakan pembuatan program. Suatu hari nanti, desainer dapat secara iteratif menghasilkan draf level pertama yang layak menggunakan model yang dilatih pada level yang ada dengan gaya serupa. Awal tahun ini, Shyam Sudhakaran memimpin tim di University of Copenhagen yang menciptakan MarioGPT — alat GPT2 yang menghasilkan level Super Mario menggunakan model yang dilatih pada level asli dari Super Mario 1 dan 2. Penelitian akademik di bidang ini telah berlangsung selama beberapa waktu, termasuk proyek tahun 2018 yang menggunakan generative adversarial network (GAN) untuk merancang level DOOM penembak orang pertama.
Model generatif, yang digunakan bersama dengan sistem prosedural, dapat sangat mempercepat pembuatan aset. Seniman sudah menggunakan model difusi teks-ke-gambar untuk seni konsep dan papan cerita yang dibantu AI. Dalam posting blog ini, pengawas efek visual mainframe Jussi Kemppainen menjelaskan bagaimana dia membangun dunia dan karakter untuk game petualangan 2.5D dengan bantuan Midjourney dan Adobe Firefly.
Teknik generatif 3D juga telah banyak diteliti. Luma memanfaatkan Neural Radiation Fields (NeRFs) untuk memungkinkan konsumen membangun aset 3D fotorealistik dari gambar 2D yang diambil di iPhone. Kaedim menggunakan kombinasi AI dan kontrol kualitas manusia untuk membuat jaring 3D siap produksi dan saat ini digunakan oleh lebih dari 225 pengembang game. CSM baru-baru ini merilis model berpemilik yang dapat menghasilkan model 3D dari video dan gambar.
Pembangunan dunia waktu nyata dengan model AI adalah hal yang penting dalam jangka panjang. Menurut pendapat kami, di masa mendatang, seluruh game tidak perlu lagi dirender, tetapi akan dibuat saat runtime menggunakan jaringan saraf. Teknologi DLSS Nvidia sudah dapat menghasilkan bingkai game beresolusi tinggi baru dengan cepat menggunakan GPU tingkat konsumen. Mungkin suatu hari nanti, Anda akan dapat menekan tombol "berinteraksi" dalam film Netflix dan masuk ke dunia di mana setiap adegan dihasilkan dengan cepat dan disesuaikan dengan pemainnya. Di masa depan, game tidak akan berbeda dengan film.
Perlu dicatat bahwa dunia yang dihasilkan secara dinamis saja tidak cukup untuk membuat game yang bagus, sebagaimana dibuktikan oleh ulasan untuk No Man's Sky. Janji dunia yang dinamis terletak pada kombinasinya dengan sistem permainan lain (personalisasi, agen generatif, dll.) Untuk membuka bentuk cerita baru. Lagi pula, bagian paling menarik dari "Permainan Pikiran" adalah bagaimana hal itu membentuk dirinya sendiri untuk Ed, bukan dunia itu sendiri.
AI "co-pilot"
Meskipun sebelumnya kami telah membahas penggunaan agen generatif dalam game simulasi, ada kasus penggunaan lain yang muncul di mana AI bertindak sebagai co-pilot game, membimbing kita melalui game, dan dalam beberapa kasus bahkan bertarung bersama kita.
Untuk pemain yang memulai permainan yang kompleks, peran co-pilot AI tidak dapat diukur. Misalnya, game sandbox UGC seperti Minecraft, Roblox, atau Rec Room adalah lingkungan yang kaya tempat pemain dapat membangun hampir semua hal yang dapat mereka bayangkan dengan bahan dan keterampilan yang tepat. Tetapi ambang pembelajarannya sangat tinggi, dan tidak mudah bagi sebagian besar pemain untuk menemukan cara untuk memulai.
Co-pilot AI dapat menjadikan pemain mana pun sebagai master builder dalam game UGC, memberikan panduan langkah demi langkah berdasarkan petunjuk teks atau gambar, dan membimbing pemain untuk mengatasi kesalahan. Referensi yang bagus adalah konsep "pembangun ahli" di dunia LEGO, makhluk langka yang memiliki karunia untuk dapat melihat cetak biru dari ciptaan apa pun yang dapat mereka bayangkan saat dibutuhkan.
Microsoft telah mulai mengembangkan sistem berbantuan AI untuk Minecraft yang menggunakan DALL-E dan Github Copilot untuk memungkinkan pemain menyuntikkan aset dan logika ke dalam sesi Minecraft melalui permintaan bahasa alami. Roblox secara aktif mengintegrasikan alat penghasil kecerdasan buatan ke dalam platform Roblox dengan misi memungkinkan "setiap pengguna menjadi pencipta". Dari pengkodean dengan Github Copilot hingga menulis dengan ChatGPT, efektivitas kopilot AI dalam kreasi bersama telah dibuktikan di banyak bidang.
Selain penulisan bersama, LLM yang dilatih tentang data game manusia harus dapat memahami cara berperilaku di berbagai game. Dengan integrasi yang baik, agen dapat bertindak sebagai mitra ketika teman pemain tidak dapat berpartisipasi, atau sebagai pihak lain dalam permainan head-to-head seperti FIFA dan NBA 2k. Agen seperti itu dapat berpartisipasi dalam permainan kapan saja, baik menang atau kalah, ramah dan tidak akan menyalahkan pemain. Disempurnakan berdasarkan riwayat permainan individu kami, agen semacam itu bisa jauh mengungguli bot yang ada, bermain persis seperti yang kami lakukan, atau bermain dengan cara yang saling melengkapi.
Proyek serupa telah berhasil dijalankan di lingkungan yang terbatas. Game balapan populer Forza telah mengembangkan sistem "Drivatar" yang menggunakan pembelajaran mesin untuk membuat driver AI untuk setiap pemain manusia yang meniru perilaku mengemudi mereka. Drivatar diunggah ke cloud, dan saat pasangan manusia sedang offline, Drivatar dapat dipanggil untuk balapan melawan pemain lain dan bahkan mendapatkan poin kemenangan. AlphaStar dari DeepMind dari Google dilatih menggunakan kumpulan data game StarCraft II "berusia 200 tahun" untuk membuat agen yang dapat bermain melawan dan mengalahkan profesional e-sports manusia.
Sebagai mekanisme permainan, co-pilot AI bahkan bisa membuat mode permainan baru. Bayangkan Fortnite, tetapi setiap pemain memiliki tongkat "pembangun ahli" yang dapat langsung membangun menara penembak jitu atau batu besar yang menyala dengan petunjuk. Dalam mode permainan ini, hasilnya mungkin lebih bergantung pada apa yang dilakukan tongkat (petunjuk) daripada pada kemampuan mengarahkan senjata.
"Mitra" AI yang sempurna dalam game telah menjadi bagian yang tak terlupakan dari banyak franchise game populer. Contohnya termasuk Cortana di alam semesta Halo, Elle di The Last of Us, atau Elizabeth di BioShock Infinite. Mengalahkan bot komputer tidak pernah ketinggalan zaman untuk permainan kompetitif -- mulai dari menggoreng alien di Space Invaders hingga memerangi injakan di StarCraft, yang akhirnya berubah menjadi mode permainannya sendiri, Co-op Commander.
Saat game berkembang menjadi jejaring sosial generasi berikutnya, kami berharap co-pilot AI memainkan peran sosial yang semakin penting. Telah didokumentasikan dengan baik bahwa menambahkan fitur sosial dapat meningkatkan daya rekat game, dengan tingkat retensi hingga 5x lebih tinggi untuk pemain yang memiliki teman. Menurut kami, setiap game di masa depan akan memiliki AI co-pilot.
Kesimpulannya
Kami masih berada di masa-masa awal dalam menerapkan AI ke dalam game, dan banyak rintangan hukum, etika, dan teknis perlu diselesaikan sebelum ide-ide ini dapat diwujudkan. Saat ini, kepemilikan legal dan perlindungan hak cipta untuk game yang menggunakan aset buatan AI sebagian besar tidak jelas kecuali developer dapat membuktikan kepemilikan semua data yang digunakan untuk melatih model. Hal ini mempersulit pemilik kekayaan intelektual berlisensi yang ada untuk menggunakan model AI pihak ketiga dalam saluran produksi mereka.
Bagaimana memberi kompensasi kepada penulis, artis, dan pencipta asli di balik data pelatihan juga merupakan masalah utama. Tantangannya adalah sebagian besar model AI dilatih pada data publik di Internet, yang sebagian besar merupakan karya berhak cipta. Dalam beberapa kasus, pengguna bahkan dapat mereproduksi gaya artis menggunakan model generatif. Ini masih awal, dan masalah kompensasi untuk pembuat konten perlu diselesaikan dengan baik.
Sebagian besar model generatif saat ini terlalu mahal untuk dijalankan di cloud pada skala global 24/7, yang diperlukan untuk pengoperasian game modern. Untuk menekan biaya, pengembang aplikasi mungkin perlu mencari cara untuk memindahkan beban kerja model ke perangkat pengguna akhir, tetapi ini akan memakan waktu.
Namun, sekarang jelas bahwa pengembang dan pemain game memiliki banyak minat pada AI generatif untuk game. Meskipun ada banyak hype, kami sangat senang melihat banyak tim berbakat di ruang ini bekerja lembur untuk membuat produk inovatif.
Peluangnya tidak hanya untuk membuat game yang ada lebih cepat dan lebih murah, tetapi juga untuk membuat game AI jenis baru yang sebelumnya tidak mungkin dilakukan. Kami belum tahu seperti apa bentuk permainan ini, tetapi kami tahu bahwa sejarah industri game telah menjadi salah satu teknologi yang memungkinkan bentuk permainan baru. Dengan sistem seperti agen generatif, personalisasi, penceritaan AI, pembangunan dunia yang dinamis, dan co-pilot AI, kita mungkin hampir melihat game "tanpa akhir" pertama yang dibuat oleh pengembang AI.