म्यूजिक एआई को वीडियो गेम पर प्रशिक्षित किया गया था खून बहना
माइक्रोसॉफ्ट
Microsoft का एक आर्टिफिशियल इंटेलिजेंस मॉडल यथार्थवादी वीडियो गेम फुटेज को फिर से बना सकता है जो कंपनी का कहना है कि डिजाइनरों को गेम बनाने में मदद कर सकती है, लेकिन विशेषज्ञों को इस बात का असंबद्ध है कि यह उपकरण अधिकांश गेम डेवलपर्स के लिए उपयोगी होगा।
तंत्रिका नेटवर्क जो वीडियो गेम से सुसंगत और सटीक फुटेज का उत्पादन कर सकते हैं, वे नए नहीं हैं। हाल ही में Google- निर्मित AI ने क्लासिक कंप्यूटर गेम का पूरी तरह से खेलने योग्य संस्करण उत्पन्न किया कयामत अंतर्निहित गेम इंजन तक पहुंच के बिना। मूल कयामत, हालाँकि, 1993 में जारी किया गया था; अधिक आधुनिक खेल कहीं अधिक जटिल हैं, परिष्कृत भौतिकी और कम्प्यूटेशनल रूप से गहन ग्राफिक्स के साथ, जो एआईएस के लिए ईमानदारी से फिर से बनाने के लिए मुश्किल साबित हुए हैं।
अब, माइक्रोसॉफ्ट रिसर्च में काटजा हॉफमैन और उनके सहयोगियों ने एक एआई मॉडल विकसित किया है, जिसे म्यूजियम कहा जाता है, जो मल्टीप्लेयर ऑनलाइन बैटल गेम के पूर्ण अनुक्रमों को फिर से बना सकता है खून बह रहा है। हॉफमैन कहते हैं कि ये अनुक्रम खेल के अंतर्निहित भौतिकी का पालन करते हैं और खिलाड़ियों और इन-गेम ऑब्जेक्ट्स को समय के साथ संगत रखते हैं, जिसका अर्थ है कि मॉडल ने खेल की गहरी समझ को समझा है।
म्यूज को सात साल के मानव गेमप्ले डेटा पर प्रशिक्षित किया जाता है, जिसमें कंट्रोलर और वीडियो फुटेज दोनों शामिल हैं, द्वारा प्रदान किया गया है खून बहनाMicrosoft के स्वामित्व वाले डेवलपर, निंजा स्टूडियो। यह चैटगिप जैसे बड़े भाषा मॉडल के समान काम करता है; जब एक इनपुट दिया जाता है, तो एक वीडियो गेम फ्रेम और उसके संबद्ध नियंत्रक कार्यों के रूप में, इसे गेमप्ले की भविष्यवाणी करने का काम सौंपा जाता है जो आगे आ सकता है। हॉफमैन कहते हैं, “यह वास्तव में काफी मनमौजी है, यहां तक कि अब भी, कि विशुद्ध रूप से प्रशिक्षण मॉडल से यह अनुमान लगाने के लिए कि आगे क्या दिखाई देने जा रहा है … यह इस जटिल 3 डी वातावरण की एक परिष्कृत, गहरी समझ सीखता है,” हॉफमैन कहते हैं।
यह समझने के लिए कि लोग MUSE जैसे AI टूल का उपयोग कैसे कर सकते हैं, टीम ने गेम डेवलपर्स को यह जानने के लिए भी सर्वेक्षण किया कि वे क्या सुविधाएँ उपयोगी पाएंगे। नतीजतन, शोधकर्ताओं ने मक्खी पर किए गए परिवर्तनों को पुनरावृत्त रूप से समायोजित करने की क्षमता को जोड़ा, जैसे कि एक खिलाड़ी का चरित्र बदल रहा है या एक दृश्य में प्रवेश करने वाली नई वस्तुएं। यह नए विचारों के साथ आने और डेवलपर्स के लिए क्या-यदि परिदृश्य की कोशिश कर रहा है, यह उपयोगी हो सकता है, हॉफमैन कहते हैं।
लेकिन म्यूज अभी भी मूल की सीमा के भीतर अनुक्रम उत्पन्न करने के लिए सीमित है खून बहना खेल – यह नई अवधारणाओं या डिजाइन के साथ नहीं आ सकता है। और यह स्पष्ट नहीं है कि यह मॉडल की एक अंतर्निहित सीमा है, या कुछ ऐसा है जिसे अन्य खेलों से अधिक प्रशिक्षण डेटा के साथ दूर किया जा सकता है, किंग्स कॉलेज लंदन में माइक कुक कहते हैं। “यह इस विचार से एक लंबा, लंबा रास्ता है कि एआई सिस्टम अपने दम पर गेम डिजाइन कर सकते हैं।”
कुक कहते हैं, जबकि लगातार गेमप्ले अनुक्रम उत्पन्न करने की क्षमता प्रभावशाली है, डेवलपर्स को अधिक नियंत्रण करना पसंद हो सकता है। “यदि आप एक उपकरण का निर्माण करते हैं जो वास्तव में आपके गेम का परीक्षण कर रहा है, तो गेम कोड को स्वयं चला रहा है, आपको दृढ़ता या स्थिरता के बारे में चिंता करने की आवश्यकता नहीं है, क्योंकि यह वास्तविक गेम चला रहा है। इसलिए ये उन समस्याओं को हल कर रहे हैं जिन्हें जनरेटिव एआई ने खुद पेश किया है। ”
यह वादा करता है कि मॉडल को डेवलपर्स को ध्यान में रखते हुए डिज़ाइन किया गया है, जो कि माल्टा विश्वविद्यालय में डिजिटल गेम्स इंस्टीट्यूट में जॉर्जियोस यानाककिस कहते हैं, लेकिन यह उन अधिकांश डेवलपर्स के लिए संभव नहीं हो सकता है जिनके पास इतना प्रशिक्षण डेटा नहीं है। “यह इस सवाल के लिए नीचे आता है कि क्या यह करने लायक है?” यानाककिस कहते हैं। “Microsoft ने सात साल बिताए और डेटा एकत्र किया और इन मॉडलों को प्रशिक्षित करने के लिए प्रशिक्षण दिया कि आप वास्तव में ऐसा कर सकते हैं। लेकिन एक वास्तविक गेम स्टूडियो बर्दाश्त करेगा [to do] यह?”
यहां तक कि Microsoft स्वयं इस बात पर समान है कि क्या AI- डिज़ाइन किए गए गेम क्षितिज पर हो सकते हैं: जब उनसे पूछा गया कि क्या इसके Xbox गेमिंग डिवीजन में डेवलपर्स टूल का उपयोग कर सकते हैं, तो कंपनी ने टिप्पणी करने से इनकार कर दिया।
जबकि हॉफमैन और उनकी टीम को उम्मीद है कि भविष्य के म्यूजियम के भविष्य के संस्करण उनके प्रशिक्षण डेटा से परे सामान्यीकरण करने में सक्षम होंगे – उन खेलों के लिए नए परिदृश्यों और स्तरों के साथ आ रहे हैं जिन पर उन्हें प्रशिक्षित किया जाता है, साथ ही साथ विभिन्न खेलों के लिए काम करना – यह एक महत्वपूर्ण होगा। चुनौती, कुक कहते हैं, क्योंकि आधुनिक खेल बहुत जटिल हैं।
“एक खेल एक खेल को अलग -अलग करने और नए वैचारिक स्तर के विचारों को पेश करने के तरीकों में से एक है। यह मशीन लर्निंग सिस्टम के लिए अपने प्रशिक्षण डेटा से बाहर निकलने और नवाचार करने और जो कुछ भी देखा है, उससे परे आविष्कार करता है, ”वह कहते हैं।
विषय:
