«Если дать алгоритму делать своё дело, он создаст нечто ужасное»: будущее машинного обучения в разработке игр

Над чем работает отдел исследовательских разработок Google Stadia.

Глава R&D-отдела (Research & Development) Google Stadia Эрин Хоффман-Джон рассказала изданию GamesIndustry.biz, как изменится разработка игр с развитием технологий машинного обучения. Она поделилась подробностями создания прототипа Chimera и описала главные достоинства и недостатки применения ИИ. Мы выбрали из текста главное.

По словам Хоффман-Джон, сейчас перед Google стоит задача максимального расширения аудитории игроков. Чтобы добиться этого, компания планирует увеличить количество и разнообразие новых тайтлов — именно так можно максимально расширить охват. Поэтому Google решила сосредоточиться на создании инструментов, которые упрощают разработку — это позволит не только повысить эффективность небольших команд, но и позволит им экономить на некоторых аспектах создания игр.

Команда Хоффман-Джон как раз пытается найти способ упростить создание игр и решить некоторые распространённые проблемы. Сама же команда состоит в основном из разработчиков и инженеров, которые используют существующие технологии Google в прототипах игр.

При этом вся работа планируется на несколько лет вперёд — может потребоваться от двух до пяти лет, чтобы доказать, что эта технология вообще применима к разработке.

По словам Хоффман-Джон, её отдел стремится к тому, чтобы даже игровые студии из 20 человек могли сделать нечто настолько же сложное, как, например, World of Warcraft. Но пока авторы проекта сосредоточились на меньшей задаче — применение алгоритмов машинного обучения при разработке коллекционной карточной игры (ККИ).

Хоффман-Джон отметила, что при создании многих ККИ основная часть работы лежит на художниках, которые рисуют и оформляют игровые карты. На них же уходит большая часть бюджета. В таких играх около 70% времени и инвестиций уходит на репитативную подготовку контента, например, на создание вариаций монстров для наполнения мира.

Это не то творчество, которым разработчики действительно хотят заниматься. Это лишь конвейер контента, который нужен, чтобы мир игры казался разнообразным и наполненным.
Эрин Хоффман-Джон, глава R&D-отдела Google Stadia

В прототипе ККИ под названием Chimera команда Stadia использует машинное обучение именно для создания монстров. Разработчики во многом вдохновляются примером генеративно-состязательных сетей, которые могут, например, создавать изображения лиц людей, основываясь на примерах реальных фотографий.

Chimera работает по аналогичному принципу — художники создали несколько изображений животных и установили некоторые правила для всех карт: освещение всегда сверху, существо находится в динамической позе, а камера смотрит снизу-вверх для придания значимости.

Затем команда использовала два алгоритма машинного обучения: первый подбирал подходящие позы, а второй искал пейзажи для фона и накладывал фильтр для стилизации под ручную роспись.

Оказалось, если просто позволить алгоритму слепить животных вместе, получится то, что моя команда называет «топливом для ночных кошмаров». Они комично ужасны, но это не то, к чему мы стремимся. Если дать алгоритму делать своё дело, он создаст нечто ужасное и выходящее за пределы замысла художника. Поэтому, если мы хотим расширить возможности [разработчиков], мы должны сделать так, чтобы они могли направлять ИИ в правильную сторону.
Эрин Хоффман-Джон, глава R&D-отдела Google Stadia

Сейчас команда Stadia может по желанию добавлять разные части тела, например, крылья, плавники и так далее. При этом от самих разработчиков ничего не требуется — им достаточно задать нужные условия в системе. Хоффман-Джон называет этот процесс «беседой с машиной».

Также машинное обучение применяется в Chimera для улучшения баланса — алгоритм может протестировать игру миллионы раз, используя множество стратегий.

С помощью этой системы я могу попробовать некоторые дикие штуки, а затем машина скажет мне, что не так, и какова вероятность победы с такими способностями.
В обычных условиях нам пришлось бы исправлять это уже после релиза. Это разозлило бы игроков, для которых это выглядело бы как недоработка. Но система настолько комплексная, что сложно спланировать абсолютно все варианты.
Эрин Хоффман-Джон, глава R&D-отдела Google Stadia

Похоже, что тираннозавр со способностью «уворачиваться» может сломать механику игры

Этот проект — не что-то уникальное. Например, Ubisoft говорила об использовании машинного обучения для тестирования For Honor в 2018 году. Но в том случае студия преследовала иные цели.

Сейчас проект Chimera полезен в первую очередь для художников и геймдизайнеров, но команда продолжает искать сферы, в которых машинное обучение будет так же востребовано.

Несмотря на то, что оно поможет сэкономить на некоторых аспектах разработки, Хоффман-Джон предполагает, что это никак не повлияет на игровые бюджеты.

Когда вы даёте разработчикам больше власти, они просто делают больше вещей. Я не уверена, что это снизит затраты [на разработку] — просто эти деньги будут перенаправлены на другие вещи. И мы надеемся, что игры станут лучше.
Эрин Хоффман-Джон, глава R&D-отдела Google Stadia

Несмотря на это, она подчеркнула, что реальное влияние машинного обучения на индустрию пока не будет понятно в ближайшем будущем. И проект её команды всё ещё находится на самых ранних стадиях.

#ии #stadia #google #технологии