Google Project Chimera позволит маленьким командам создавать большие игры

[Ippolitovich]

Машинное обучение используется в самых разных сферах информационных технологий, и естественно задаться вопросом, как его можно применить для расширения возможностей разработки игр. Это именно то, что исследует Google с помощью своего проекта Chimera. Команда инженеров и разработчиков изучает потенциальные возможности применения генеративно-состязательной нейронной сети (GAN). Общаясь с изданием MCVUK, руководитель творческого отдела исследований и разработок Google Stadia Эрин Хоффман-Джон (Erin Hoffman-John) объяснила, что машинное обучение может позволить даже небольшим командам создавать игры размером с World of Warcraft.

 

 

«Мы берём на себя риск, который не хотят брать разработчики. Мы говорили с внешними разработчиками и спрашивали их — что они всегда хотели сделать, но не смогли? Какие вещи им пришлось вырезать из своих игр, потому что не удалось сделать их достаточно быстро, или просто не было вычислительной мощности, — сказала Хоффман-Джон. — Что, если команда из 14 человек сможет сделать игру масштабом с World of Warcraft? Это абсурдная цель, правда? В таких играх, как WoW, заложено много тяжёлого повторного создания контента. Художники и сценаристы делают много, по сути, дублирующих работ — вот куда вкладываются большие инвестиции. Если вы посмотрите на сумму, потраченную на создание такой игры, как World Warcraft, это примерно 70 % контента и 30 % кода или меньше. Даже несмотря на то, что это огромное количество кода, контента сильно больше».

 

Project Chimera также призван упростить балансирование игр. «Миллионы игровых сессий нейросетевых агентов, обученных правилам игры, позволят нам очень быстро протестировать баланс, — сказала Хоффман-Джон. — Таким образом, даже небольшая студия-разработчик, которая может не иметь доступа к сотням людей для тестирования своей игры, получит доступ к этому инструменту обучения с агентами, которые оптимизируют игру. Они могут самостоятельно изучить игру, без написания скриптов, а затем сказать вам, где проблемы в балансе. Это позволяет вам сравнить свои теории дизайна с тем, что происходит, в реальном времени».

 

 

Ранее искусственный интеллект AlphaStar смог выиграть 99,9 % игроков в StarCraft II. И хотя он был направлен на победу в матче, а не занимался тестированием баланса, это показательный пример использования машинного обучения на практике.