هوش مصنوعی و بازی‌های ویدیویی؛ از ChatGPT و Midjourney تا کمک به تست و تولید بازی‌ها

هوش مصنوعی؛ عبارتی که از دهه‌ها قبل به شکل‌های مختلف با آن همراه بوده‌ایم و گذشته از کاربردهایی که در صنایع مختلف داشته، در فیلم‌ها و سریال‌ها، بازی‌های ویدیویی و رمان‌ها هم بارها و بارها به آن اشاره شده است. از سال‌ها قبل منتظر روزی بودیم که بالاخره هوش مصنوعی به نقطه‌ای برسد که تشخیص آن از هوش طبیعی و انسانی دشوار باشد؛ موقعیتی که البته هنوز تا رسیدن به آن فاصله داریم، ولی با سرعت به سمت آن پیش می‌رویم و روزبه‌روز با نمونه‌های جالب‌تر و عجیب‌تری روبه‌رو می‌شویم، مثل هوش مصنوعی ChatGPT که این روزها همه‌جا صحبت از آن است.

درکنار کارایی هوش مصنوعی در زمینه‌های مختلف، صنعت بازی نیز به شکل‌های گوناگونی پذیرای آن شده است و به تدریج شاهد نفوذ بیشتر هوش مصنوعی در این بخش از دنیای سرگرمی خواهیم بود؛ موضوعی که قرار است در این مقاله به آن بپردازیم. با gsxr همراه شوید تا سری بزنیم به ارتباط هوش مصنوعی با دنیای بازی، از ChatGPT و Midjourney تا نمونه‌های دیگر.

الکس رز، بازی‌ساز مستقلی است که این روزها به سراغ استفاده‌های جالبی از هوش مصنوعی رفته است. او بعد از مدتی دست‌وپنجه نرم کردن با ChatGPT به‌عنوان محصول شرکت OpenAI، به این نتیجه رسید که این چت‌بات درکنار توانایی پاسخ دادن به سؤالات با حالتی انسانی، می‌تواند حتی در زمینه تولید کدهای بازی‌های ویدیویی نیز فعالیت کند. به شکلی که رز از ChatGPT برای نوشتن کدهای یک بازی Endless Runner ازطریق #C در موتور یونیتی کمک گرفته است (بازی‌های Endless Runner، آثاری مثل Temple Run و Subway Surfers هستند که شخصیت اصلی در آن‌ها در محیطی با خطرات مختلف به پیش می‌رود و نباید به موانع برخورد کند).

ChatGPT موفق می‌شود در مدت‌زمانی بسیار کوتاه، کدهای چنین بازی‌ای را ارائه دهد که البته در نگاه اول بی‌ایراد نیست و کیفیت خیلی بالایی ندارد، ولی به‌عنوان بستر اولیه برای چنین سبکی، کاملاً کفایت می‌کند. سپس رز کدهای موردنظر را وارد پروژه یونیتی جدید خود می‌کند و در ابتدا به نظر می‌رسد این کدها کارایی ندارند، تا اینکه رز متوجه می‌شود ChatGPT کدها را برای یک بازی سه‌بعدی تدارک دیده است، نه دوبعدی.

بعد از آن رز دوباره از ChatGPT می‌خواهد که با اعمال تغییراتی در کدها، مشکلات مربوط‌به محل قرارگیری دوربین پشت شخصیت اصلی و پارامترهای مخصوص پریدن را برطرف کند که البته ChatGPT در این راه با ایراداتی همراه می‌شود؛ مشکلاتی که گاهی اوقات علت آن به محدودیت کاراکترها در این چت‌بات برمی‌گردد یا مثلاً ChatGPT از روش‌هایی استفاده می‌کند که برای یونیتی تعریف نشده‌اند و بنابراین در این موتور جواب نمی‌دهند.

ولی خیلی اوقات هم کدهای چت جی پی تی به خوبی عمل می‌کنند و کاملاً کارایی دارند؛ به طوری که بازی‌سازی مثل الکس رز را به حیرت می‌اندازند و باعث شگفت‌زدگی او از عملکرد این چت‌بات می‌شوند: «چت جی پی تی به‌طور کامل متوجه می‌شود که منظور من چیست و کد موردنظر من را در جای درست قرار می‌دهد.»

البته صحبت رز به معنای این نیست که چت جی پی تی هر کدی را که بخواهیم می‌نویسد و دیگر نیازی به اضافه‌کاری نداریم: «باید از قبل اطلاعات زیادی از نحوه کدنویسی بازی‌های ویدیویی داشته باشید و هرچقدر بیشتر با مراحل تولید بازی‌ها آشنا باشید، ارتباط برقرار کردن با چت جی پی تی و درخواست کد از آن هم ساده‌تر خواهد بود. این هوش مصنوعی می‌تواند در مواردی مثل پورت کردن بازی‌ها روی پلتفرم‌های مختلف کمک بزرگی کند. مثلاً شرایطی وجود دارد که باید وقت زیادی برای کدنویسی بخشی از بازی بگذارید که کدهای خیلی پیچیده‌ای هم نیستند، ولی می‌توان زمان موردنظر را صرف انجام کارهای دیگری کرد. در این‌گونه موارد می‌شود استفاده‌های مناسبی از چت جی پی تی کرد تا بخشی از کار توسط این هوش مصنوعی پیش برود.»

رز یک بار دیگر به بازی Endless Runner خود برمی‌گردد و بعد از کمی کار با آن، تنها پس از یک ساعت به یک بازی ساده ولی سرگرم‌کننده می‌رسد؛ اثری که در آن باید یک بلوک رنگی را از پلتفرمی به پلتفرم دیگر انتقال داد و به‌گفته رز، لحظات مفرحی را برای او رقم زده است.

بازی ساده‌ای به سبک Endless Runner که کدهای آن در عرض یک ساعت توسط هوش مصنوعی ChatGPT آماده شده است

با وجود موج جدید هوش مصنوعی که این روزها شاهد آن هستیم، بازی‌های ویدیویی از سال‌ها قبل در حال استفاده از ابزارهای هوش مصنوعی هستند و این موضوع در صنعت بازی خیلی هم جدید محسوب نمی‌شود. یکی از بزرگ‌ترین نمونه‌ها در این زمینه را می‌توان مراحلی دانست که هر بار به شکل رندوم و تصادفی طراحی می‌شوند، یا حتی نمونه ساده‌تر و شناخته‌شده‌تر، همان هوش مصنوعی شخصیت‌ها و دشمنان بازی‌ها است که با الگوریتم‌های ریاضی سر و کار دارند.

ولی هوش مصنوعی مدرنی که این روزها هیاهوی زیادی به پا کرده است، با «یادگیری ماشینی» (Machine Learning) در ارتباط است؛ نوعی از هوش مصنوعی که داده‌ها و اطلاعات بسیار عظیمی را جمع‌آوری و پردازش می‌کند تا براساس آن‌ها به تولید محتوا یا پیش‌بینی اتفاقات بپردازد و به تدریج هم کیفیت پاسخ‌گویی بهتری پیدا می‌کند.

یکی از اولین آثاری که از این تکنولوژی استفاده کرد، بازی توم ریدر: آندرورلد (Tomb Raider: Underworld) محصول ۲۰۰۸ بود؛ اثری از استودیو کریستال داینامیکس (Crystal Dynamics) که داده‌های مربوط‌به نحوه بازی افراد در آن جمع‌آوری می‌شد و سپس این داده‌ها با کمک یادگیری ماشینی، تحلیل و بررسی می‌شدند و هوش مصنوعی تخمین می‌زد که کدام بازیکن‌ها براساس نحوه بازی خود در مرحله اول، می‌توانند بازی را به‌راحتی تا پایان پیش ببرند.

این نحوه تحلیل داده‌های بازی‌ها، امروز به موضوعی رایج در این صنعت تبدیل شده است و مخصوصاً در بازار بازی‌های موبایل، توسط شرکت‌های زیادی به کار می‌رود. شرکت هوش مصنوعی دانمارکی Modl این روزها روی طراحی ابزار پیشرفته‌ای در ارتباط با یادگیری ماشینی در بازی‌های ویدیویی کار می‌کند و شرکایی مثل یوبیسافت مسیو (Ubisoft Massive) و کینگ (King) دارد. کریستوفر هلمگارد، یکی از مؤسسان این شرکت می‌گوید: «به تدریج شاهد گسترش نفوذ یادگیری ماشینی در بازی‌های مختلف هستیم و این قضیه در طول پنج سال اخیر خیلی بیشتر از قبل به چشم می‌آید و صنعت بازی بیش‌ازپیش پذیرای روش‌های تحلیل داده براساس یادگیری ماشینی شده است.»

بازی Tomb Raider: Underworld از هوش مصنوعی برای تحلیل رفتار کاربران استفاده می‌کرد

یکی دیگر از بخش‌هایی که این روزها انقلابی عظیم به پا کرده، طراحی‌های هنری تولید شده توسط هوش مصنوعی است و از DALL-E 2 و Midjourney تا Stable Diffusion در سال ۲۰۲۲ به دستاوردهای بزرگی در این زمینه رسیدند. این برنامه‌ها بعد از پشت سر گذاشتن آموزش‌های مختلف با کمک میلیاردها متنی که به تصویر تبدیل کردند، به مرحله‌ای رسیده‌اند که تقریباً هر عبارت ساده‌ای را در قالب طرحی زیبا و عمیق به تصویر می‌کشند.

البته این هوش مصنوعی‌ها هنوز به نقطه کمال نرسیده‌اند و گاهی اوقات ایراداتی در طراحی‌های آن‌ها به چشم می‌خورد، مثل مشکلاتی در طراحی دست‌ها. بااین‌حال روزبه‌روز در حال تماشای رشد و پیشرفت آن‌ها هستیم و کار به جایی رسیده است که حتی بعضی از بازی‌سازهای مستقل هم از طرح‌های برگرفته از هوش مصنوعی در آثار خود استفاده می‌کنند و این موضوع در حال راه پیدا کردن به بازی‌هایی با بودجه‌های بزرگ‌تر است؛ از جمله بازی High on Life اثر Squanch Games که در آن شاهد پوسترهای هنری متنوعی هستیم که توسط هوش مصنوعی Midjourney طراحی شده‌اند.

اوضاع به جایی رسیده است که حتی مدتی قبل، یک نفر با کمک Midjourney عکسی را با حال و هوای بازی استارفیلد (Starfield) به‌عنوان یک تصویر فاش شده از این اثر استودیو بتسدا (Bethesda) معرفی کرد، ولی خیلی زود مشخص شد که همه چیز حالت جعلی داشته و این تصویر هیچ ارتباطی به استارفیلد نداشته است؛ موضوعی که نشان می‌دهد از این به بعد باید بیشتر از قبل مراقب تصاویر جعلی تولید شده توسط هوش مصنوعی باشیم.

بااین‌حال هلمگارد عقیده دارد که استفاده از طراحی‌های هنری تولید شده توسط هوش مصنوعی در بازی‌های ویدیویی محدودیت‌هایی دارد و فعلاً قرار نیست خیلی هم شاهد آن‌ها باشیم، چرا که هوش مصنوعی هنوز تا رسیدن به نقطه ایده‌آل فاصله دارد: «شما نمی‌توانید تمام خواسته‌ها و انتظارات خود را در ارتباط با این طرح‌ها و مدل‌های هنری به‌طور ۱۰۰٪‌ از هوش مصنوعی دریافت کنید و همچنان باید پیشرفت‌های بیشتری در این زمینه صورت بگیرد.»

طرحی که با کمک هوش مصنوعی Midjourney تولید شده و به‌عنوان تصویر فاش شده از بازی استارفیلد معرفی شده بود

حتی با وجود تحول اساسی که در این مورد اتفاق افتاده است، هنوز هم هوش مصنوعی به اندازه یک طراح حرفه‌ای نمی‌تواند سبک هنری مطلوب کارگردان را در تمام بخش‌های بازی به شکل ثابت و یکدست تدارک ببیند. ولی سرعت پیشرفت هوش مصنوعی بسیار بالا است و بنابراین عجیب نیست که درکنار جذابیت‌های آن، ترس و وحشت عده‌ای را هم نسبت به پیشرفت‌های آن ببینیم، مخصوصاً هنرمندان واقعی که نگران جایگزینی خود با هوش مصنوعی هستند و احتمال می‌دهند که به‌زودی، با درخواست‌های کمتری مواجه شوند و به تدریج زیر سایه هوش مصنوعی قرار بگیرند.

وضعیت وقتی برای این هنرمندان دردناک‌تر می‌شود که بفهمیم خیلی از این برنامه‌های هوش مصنوعی برای آموزش و پیشرفت خود از تصاویر هنری همین افراد در سایت‌هایی مثل DeviantArt، Pinterest و Tumblr کمک گرفته‌اند. یعنی شاید در آینده‌ای نزدیک، هوش مصنوعی در حالی جایگزین هنرمندان شود که خود در دوران رشد و تکامل، از آثار آن‌ها استفاده کرده و به کمک آن‌ها تربیت شده است، بدون اینکه هیچ هزینه‌ای به آن‌ها پرداخته باشد.

متیو گازدیال، استادیار دپارتمان محاسبات کامپیوتری دانشگاه آلبرتا، در سال ۲۰۱۸ به سراغ آموزش یک هوش مصنوعی رفت که براساس ویدیوهایی از مردم در حال بازی کردن آثار کلاسیک NES، بازی‌های جدیدی طراحی کند. او در مورد نگرانی‌ها پیرامون هوش مصنوعی می‌گوید: «به نظر من تنها افرادی که ممکن است در آینده نزدیک واقعاً با مشکلاتی مواجه شوند، هنرمندان مفهومی هستند؛ افرادی که ایده‌های اعضای تیم را در قالب تصاویر مفهومی به‌دست کارگردان هنری بازی می‌رسانند. اکنون هوش مصنوعی به جایی رسیده است که می‌توان خیلی از ایده‌ها را با کمک آن از قالب متن به تصویر درآورد و آن‌ها کیفیت بالایی در این زمینه دارند.»

به عقیده گازدیال، بیش از همه هنرمندان مفهومی تازه‌کار با مشکل مواجه خواهند شد و هنرمندان باسابقه، هنوز خطر زیادی را احساس نمی‌کنند. ریکاردو سیسنت، مهندس ارشد شرکت Modl نیز پیش‌بینی می‌کند که به‌زودی تغییراتی در مشاغلی مثل هنر مفهومی شکل بگیرد: «بعضی از هنرمندان تازه‌کار، خیلی زود تغییر شغل خواهند داد و به سراغ Prompt Engineering خواهند رفت؛ بخشی از دنیای هوش مصنوعی که در آن باید ورودی‌های مناسب برای استفاده توسط هوش مصنوعی را پیدا کرد تا پروسه موردنظر به شکل بهتری پیش برود. در مجموع هوش مصنوعی هم مثل سایر تکنولوژی‌ها، در ابتدای راه باعث وحشت عده‌ای خواهد شد ولی پس از آن مردم با وفق دادن خود با شرایط جدید، به این نتیجه می‌رسند که اوضاع خیلی هم ترسناک نیست و اگر مشاغلی از بین می‌روند، مشاغل جدیدی هم متولد می‌شوند.»

پوسترهای بازی High on Life، طراحی شده با هوش مصنوعی Midjourney

شاید بتوان گفت بزرگ‌ترین سد دربرابر استفاده از هوش مصنوعی برای طراحی‌های هنری در بازی‌های ویدیویی درکنار مسائل انسانی و اخلاقی (مثل الگو گرفتن هوش مصنوعی از طرح‌های هنرمندان بدون پرداخت هزینه آن)، به بحث‌های حقوقی برمی‌گردد. در حال حاضر تعریف دقیق و مشخصی وجود ندارد که طراحی‌های صورت گرفته توسط هوش مصنوعی، از نظر حق نشر (کپی‌رایت) چه وضعیتی دارند و چه کسی صاحب آن‌ها است. آیا کاربری که عبارت موردنظر را به هوش مصنوعی داده است، صاحب تصویر نهایی به حساب می‌آید؟ یا شرکتی که هوش مصنوعی را خلق کرده است، مالک این تصاویر محسوب می‌شود؟ اگر هوش مصنوعی در راه خلق تصاویر موردنظر، از بعضی تصاویر دارای حق نشر استفاده کرده باشد چه می‌شود؟ در این صورت هنرمند اصلی و دارنده حق نشر می‌تواند از شرکت مالک هوش مصنوعی شکایت کند؟ یا اگر فردی متنی را به هوش مصنوعی بدهد و تصویر نهایی شباهت زیادی به یک تصویر هنری دارای حق نشر داشته باشد، از نظر حقوقی با چه حالتی طرف هستیم؟

گازدیال با اشاره به این موارد می‌گوید: «همین الآن که در ابتدای این مسیر هستیم، دادگاه‌هایی برای شکایت از هوش مصنوعی بابت زیر پا گذاشتن حق نشر در حال راه‌اندازی است و سیستم‌های حقوقی به‌شدت سرگرم کار روی جنبه‌های مختلف این قضیه هستند.»

همین چند وقت پیش بود که اداره ثبت اختراع و نشان تجاری ایالات متحده آمریکا وارد ماجرایی در ارتباط با کمیک بوکی به نام Zarya of the Dawn شد که تصاویر آن با کمک Midjourney طراحی شده بودند؛ کمیکی که ابتدا اعلام نشده بود که طراحی‌های آن توسط هوش مصنوعی صورت گرفته است و برای آن حق نشر در نظر گرفته شد، ولی بعد از مدتی که مشخص شد ماجرا از چه قرار بوده و Midnjourney مسئولیت طراحی‌های کمیک را برعهده داشته است، امتیاز حق نشر تصاویر آن گرفته شد؛ چرا که حق نشر در قوانین فعلی تنها برای انسان‌ها کاربرد دارد، نه هوش مصنوعی. البته با اینکه خود تصاویر این کمیک به‌تنهایی قابل کپی شدن و استفاده توسط سایر افراد هستند، نحوه به‌کارگیری آن‌ها درکنار متن و دیالوگ‌های کمیک دارای حق نشر است و نمی‌توان از آن‌ها استفاده کرد.

تصاویری از کمیک Zarya of the Dawn، طراحی شده با هوش مصنوعی Midjourney

به بحث صنعت بازی برگردیم. استودیو هیون (Haven Studios) از جمله شرکت‌هایی است که این روزها در حال انجام کارهایی در ارتباط با هوش مصنوعی است؛ استودیویی که جید ریموند به‌عنوان عضو ارشد سابق یوبیسافت، آن را در سال ۲۰۲۱ تأسیس کرد و یک سال بعد هم توسط سونی خریداری شد تا عضو جدیدی از خانواده استودیوهای پلی استیشن باشد. این استودیو روی تکنولوژی خاصی در ارتباط با هوش مصنوعی کار می‌کند که با دادن مدلی سه‌بعدی از سر یک انسان به آن و تایپ دستوراتی در آن، می‌توان مدل موردنظر را به شکل‌های دلخواه تغییر داد.

لوگان اولسن، مسئول یادگیری ماشینی استودیو هیون، این تکنولوژی را یکی از اولین آزمایش‌های تجربی استودیو در ارتباط با هوش مصنوعی می‌داند. طبق توضیحات او، مدل سر ابتدا وارد «میدان درخشندگی عصبی» (NeRF) می‌شود که شبکه‌ای عصبی برای نمایش اطلاعات سه‌بعدی است. سپس با تکنولوژی OpenAI (که بخش عظیمی از موج اخیر هوش مصنوعی با کمک آن صورت گرفته است) می‌توان تغییراتی در این مدل ایجاد کرد.

اولسن در این مورد می‌گوید: «ما مدت‌ها قبل به سراغ تجربه چنین تکنولوژی‌ای رفتیم، زمانی‌که هنوز تکنیک‌های جدید مطرح نشده بودند. این روزها هم با کمک یادگیری ماشینی، در حال کار روی تکامل این تکنولوژی و ایجاد نوآوری‌های بیشتر در آن هستیم و می‌توانیم مدل‌های سه‌بعدی را براساس داده‌های متنی آماده کنیم.»

او آینده این تکنولوژی را در حدی می‌داند که می‌توان برای هر مخاطب، محتوای شخصی و ویژه‌ای تدارک دید: «در حال حاضر محتوای خلق شده در بازی‌های ویدیویی که با کمک ابزار سنتی و رایج شکل می‌گیرد، برای همه کاربران یکسان است. مثلاً وقتی آن‌ها با شخصیتی درون بازی مواجه می‌شوند، بافت پوست او حالت مشخص و از پیش تعیین‌شده‌ای دارد. ولی فکر می‌کنم تا چند سال دیگر به نقطه‌ای می‌رسیم که در بازی‌های عظیم و AAA، هر مخاطب تجربه‌ای کاملاً مخصوص خود را خواهد داشت و چیزهایی را می‌بیند که سایر افراد نخواهند دید. هرچند می‌توانم از الآن چنین تجربه‌ای را در مورد آینده بازی‌های ویدیویی درک کنم، ولی حس می‌کنم که وقتی زمان آن از راه برسد، حتی خود ما هم غافلگیر خواهیم شد که چه پتانسیل عظیمی در این قضیه وجود دارد و طراحان و تیم‌های هنری به سراغ چه راه‌های نوآورانه و خلاقانه‌ای خواهند رفت.»

البته گازدیال تا این حد نسبت به ماجرا خوشبین نیست و فکر می‌کند طراحی مدل‌های سه‌بعدی توسط هوش مصنوعی، محدودیت‌های خاص خود را خواهد داشت که علت اصلی آن هم به کمبود داده‌ها در این زمینه برمی‌گردد: «هرچند هوش مصنوعی‌های هنرمند به جایی رسیده‌اند که با کمک داده‌های مختلف می‌توانند طراحی‌های دوبعدی جالبی خلق کنند، ولی فکر می‌کنم هنوز در حدی داده و اطلاعات نداریم که در بخش سه‌بعدی نیز چنین دستاوردهایی را ببینیم.»

هرچقدر در بعضی از زمینه‌ها تا رسیدن به دستاوردهای اساسی توسط هوش مصنوعی در بازی‌های ویدیویی فاصله زیادی داریم، در یک مورد به نقطه‌ای رسیده‌ایم که همین الآن هم می‌توان استفاده‌های جالبی از هوش مصنوعی کرد و به‌گفته گازدیال: «این روزها تقریباً همه شرکت‌های بزرگ در حال بهره‌گیری از هوش مصنوعی در زمینه تست و تضمین کیفیت بازی‌های خود هستند.»

مت بوتی، رئیس استودیوهای بازی ایکس باکس هم در جریان رویداد PAX West در ماه سپتامبر گذشته، از این گفته بود که از قدیم رؤیای بزرگی در ارتباط با استفاده از هوش مصنوعی برای تست کیفیت سریع بازی‌ها داشته است. هلمگارد نیز در این مورد می‌گوید: «همه بازی‌ها نیازمند پشت سر گذاشتن مراحل تست و تضمین کیفیت هستند و همیشه کمبودهای فراوانی در این زمینه به چشم می‌خورد و استودیوها افراد کافی را برای انجام این کار در اختیار ندارند. بنابراین عجیب نیست که پای هوش مصنوعی به این بخش از صنعت بازی باز شود و تسترها بتوانند با کمک هوش مصنوعی، به شکل بهتری بازی‌ها را پیش از عرضه تجربه کنند.»

سیسنت هم از تأثیر هوش مصنوعی در کنترل کیفیت بازی‌های لایو سرویس می‌گوید؛ آثاری که همواره محتوای جدیدی در حال اضافه شدن به آن‌ها است و باید روی حفظ کیفیت آن‌ها توجه ویژه‌ای کرد تا کاربران خود را از دست ندهند: «در این‌گونه آثار، می‌توان از بات‌ها برای تست و کنترل کیفیت استفاده کرد و به این ترتیب وقت اعضای تیم برای کار روی محتوای جدید، آزادتر می‌شود و آن‌ها نیازی به نگرانی بابت بروز مشکل در بازی ندارند.»

وقتی در مورد تست و کنترل کیفیت بازی‌ها صحبت می‌کنیم، باید به «یادگیری تقویتی» (Reinforcement Learning) نیز اشاره کنیم؛ شاخه‌ای از یادگیری ماشینی که در آن یک عامل هوشمند به انجام کارهای رندوم و تصادفی می‌پردازد و روی محیط تأثیر می‌گذارد و سپس نسبت به تأثیرات مثبت یا منفی که به‌جای گذاشته است، با تنبیه یا پاداش مواجه می‌شود. این عامل هوشمند بعد از اینکه بارها و بارها به سراغ انجام چنین کاری می‌رود، به تدریج به نقطه‌ای می‌رسد که پاداش‌های بیشتری دریافت کند و به این ترتیب کم‌کم قدرت بالاتری در تست و کنترل کیفیت بازی پیدا می‌کند.

به‌گفته گازدیال: «شرکت الکترونیک آرتز همین الآن هم در حال استفاده از این سیستم درون بازی‌های خود است. الکترونیک آرتز بازی‌های ورزشی سالانه‌ای دارد که هر نسخه از آن‌ها شباهت‌های زیادی به نسخه قبلی دارد و بنابراین استفاده از این عوامل هوشمند برای کنترل کیفیت آن‌ها به خوبی امکان‌پذیر است و این عوامل هوشمند می‌توانند بارها و بارها به انجام وظیفه در این بازی‌ها بپردازند.»

او به‌عنوان مثال، از بازی‌های گلف الکترونیک آرتز یاد می‌کند که یادگیری تقویتی در آن‌ها به کار می‌رود و در زمینه پیدا کردن بهترین راه و روش برای ضربه زدن به توپ و پرتاب آن در سوراخ فعالیت می‌کند و به این ترتیب سازندگان بازی می‌توانند رقبایی هرچه طبیعی‌تر و قدرتمندتر برای بازیکن‌ها تدارک ببینند. این عوامل هوشمند حتی به سراغ بررسی نرخ فریم بازی‌ها هم می‌روند و مثلاً بررسی می‌کنند که در چه شرایطی، نرخ فریم پایین می‌آید و با ارائه داده‌های موردنظر به سازندگان بازی، به آن‌ها در رفع مشکلات فنی کمک می‌کنند.

یادگیری تقویتی، زیرمجموعه‌ای به نام «یادگیری تقلیدی» (Imitation Learning) هم دارد که هوش مصنوعی در آن به بررسی نحوه بازی کاربران انسانی می‌پردازد و از این طریق آموزش می‌بیند؛ به شکلی که اگر بتواند به خوبی از کاربران انسانی تقلید و اهداف موردنظر را برآورده کند، توسط سازندگان بازی پاداش می‌گیرد.

الکترونیک آرتز از یادگیری تقویتی در بخش‌هایی از بازی‌های فوتبال آمریکایی خود استفاده می‌کند و شرکت OpenAI نیز سال گذشته نمایشی از این قابلیت را در ارتباط با بازی ماینکرفت (Minecraft) به اجرا گذاشت. آن‌ها ۷۰ هزار ساعت بازی توسط کاربران انسانی را برای تجزیه و تحلیل در اختیار هوش مصنوعی قرار دادند، درکنار دو هزار ساعت بازی مخصوص به وسیله عوامل استخدام‌شده توسط شرکت که همه حرکات کیبورد و ماوس در آن ثبت شده بود و هوش مصنوعی موفق شد با بررسی این ویدیوها به تجربه ماینکرفت بپردازد.

در اینجا هم مثل جنبه‌های هنری هوش مصنوعی، بحث‌های اخلاقی شکل می‌گیرد و مثلاً می‌توانیم از این زاویه به ماجرا نگاه کنیم که شرکت‌ها با استخدام تسترها و افرادی که وظیفه کنترل کیفیت بازی‌ها را برعهده دارند، از آن‌ها برای آموزش هوش مصنوعی استفاده می‌کنند و در آینده‌ای نزدیک نیز همین هوش مصنوعی جایگزین تسترهای انسانی می‌شود. یعنی می‌توان گفت این افراد به‌نوعی در حال آموزش دادن جانشین‌های خود هستند.

البته یادگیری تقویتی در حال حاضر با محدودیت‌هایی همراه است که گازدیال در این مورد می‌گوید: «مشکل اینجا است که هر وقت تغییری در بازی می‌دهید، باید دوباره تنظیمات مربوط‌به هوش مصنوعی را از ابتدا انجام دهید. بنابراین اضافه شدن هر مکانیزم جدید به بازی، نیازمند تغییرات فراوانی در هوش مصنوعی برای تست و کنترل کیفیت آن است.»

هلمگارد هم می‌گوید: «نمی‌توان برای رفع همه ایرادات بازی از یادگیری تقویتی استفاده کرد و این قضیه مخصوصاً در مواردی مثل کنترل کیفیت خودکار، مشکلاتی دارد.»

البته راه‌حل‌هایی هم برای مواقعی که بازی به‌روزرسانی می‌شود و تغییر می‌کند، وجود دارد؛ ازجمله کاری که استودیو ربلیون (Rebellion Developments) انجام می‌دهد و «برنامه‌ریزی هوش مصنوعی» (AI Planning) نام دارد. برام ریدر مسئولیت انجام این کار را در استودیو ربلیون برعهده داشته است؛ یک محقق فوق دکترا که پیش از این مدتی را سرگرم طراحی وسایل نقلیه زیرآبی خودکار بوده است که در زمینه نظارت و نگه‌داری از تأسیسات نفت و گاز در بستر دریا فعالیت می‌کنند.

او بعد از ملحق شدن به استودیو ربلیون در سال ۲۰۱۸، شروع کرد به کمک کردن به اعضای تیم در راه توسعه سیستم‌های هوش مصنوعی و بعدها در اکتبر ۲۰۲۲ آن‌جا را ترک کرد و به شرکت Kythera AI ملحق شد؛ شرکتی که تخصص آن ارائه راه‌حل‌های مرتبط با هوش مصنوعی در تولید بازی‌های ویدیویی است. ریدر در این مورد می‌گوید: «مشکل اصلی در مورد یادگیری ماشینی، به مدت‌زمان بسیار بالایی برمی‌گردد که باید صرف آموزش هوش مصنوعی کرد. بنابراین من از روش متفاوتی برای تست خودکار بازی‌ها استفاده کردم که هوش مصنوعی در آن با حالتی شبیه یک بازیکن انسانی، به سراغ تجربه بازی می‌رود و همه مراحل بازی را تست و بررسی می‌کند و پس از پایان کار، گزارشی از آن را آماده می‌کند و به‌دست سازندگان بازی می‌رساند که شامل موارد مختلفی می‌شود؛ از جمله اینکه هر بخش از بازی چه میزان از حافظه دستگاه را به خود اختصاص می‌دهد.»

در این روش از یادگیری ماشینی استفاده نمی‌شود، بلکه روش انجام بازی در اختیار هوش مصنوعی قرار می‌گیرد و او متوجه مکانیزم‌های مختلفی مثل دشمنان، درها و کلیدها می‌شود و با منطق خاص خود، به بررسی زوایای مختلف بازی می‌پردازد تا هر مرحله را پشت سر بگذارد. به‌گفته ریدر: «فایده این سیستم برنامه‌ریزی این است که هوش مصنوعی با بررسی همه جوانب ماجرا، توانایی تمام کردن بازی را بدون دخالت سازندگان آن دارد و نیازی به برنامه‌ریزی مجدد برای هر دور بازی نیست.»

استودیو ربلیون تا امروز در بازی‌های Evil Genius 2، Zombie Army 4 و Sniper Elite 5 از این سیستم استفاده کرده است و بازی‌های جدیدی که در استودیو در دست تولید هستند نیز در حال بهره‌گیری از همین روش هستند.

ریدر صحبت‌های خود را به این شکل ادامه می‌دهد: «نکته جالبی که توسط این سیستم به آن رسیده‌ایم این است که اکثر اوقات وقتی هوش مصنوعی نمی‌تواند مرحله‌ای را کامل کند، ایراد از نحوه طراحی آن مرحله است، نه هوش مصنوعی.» تا مدتی قبل، وقتی هوش مصنوعی در بخشی از بازی گیر می‌کرد و پیش نمی‌رفت، طراحان بازی مجبور بودند ازطریق تصاویر مربوط‌به نقطه موردنظر، مشکل را شناسایی و برطرف کنند. ولی ریدر پیش از ترک استودیو ربلیون، سیستم جدیدی را تحت عنوان «برنامه‌ریزی شرح‌پذیر» (Explainable Planning) برای آن‌ها تدارک دید که همان‌طور که از نام آن نیز مشخص است، هوش مصنوعی با رسیدن به هر مشکلی به سازندگان بازی توضیحات لازم را می‌دهد.

به‌گفته ریدر: «مثلاً اگر هوش مصنوعی به نقطه‌ای برسد که امکان عبور از آن را ندارد، به طراحان بازی پیام می‌دهد که “من نمی‌توانم از اینجا رد شوم، چرا که یک در بسته وجود دارد که نیازمند یک کلید است، ولی کلید مربوطه در این مرحله وجود ندارد.” و به این ترتیب سازندگان به فکر حل مشکل می‌افتند.»

همچنین ریدر یک «نقشه گرمایی» (Heat Map) تدارک دید که طراحان بازی با کمک آن می‌توانند ببینند که هوش مصنوعی بیشتر در کدام بخش‌های مرحله حضور داشته است. درکنار این‌ها، سیستم برای تست‌های مربوط‌به باز شدن صحیح اچیومنت‌ها و تروفی‌ها نیز کارایی دارد؛ موضوعی که به‌طور عادی بسیار وقت‌گیر است و ساعت‌ها طول می‌کشد تا سازندگان بازی تست کنند که همه اچیومنت‌ها و تروفی‌ها به‌طور درست و بی‌نقص باز می‌شوند، ولی هوش مصنوعی می‌تواند این مشکل را هم برطرف کند.

شرکت Modl که پیش از این به آن اشاره کردیم نیز این روزها در حال کار روی سیستم کنترل کیفیت خودکار جدیدی است. این سیستم که به شوخی نام «رومبا» (Roomba) را روی آن گذاشته‌اند (اشاره به جاروبرقی‌های روباتیک)، در قالب یک بات ساده وارد محیط بازی می‌شود و تمام گوشه و کنار منطقه را می‌گردد و دست به انجام کارهای مختلفی می‌زند.

هلمگارد در این مورد توضیح می‌دهد: «این بات لزوماً عملکردی شبیه انسان ندارد، ولی به خوبی از پسِ انجام مأموریت خود برمی‌آید و می‌توان در خیلی از سبک‌ها و بازی‌ها از آن برای شناسایی مشکلات استفاده کرد.»

تماشای ویدیو در یوتیوب

بعد از پایان مأموریت رومبا، نوبت به بات پیشرفته‌تری می‌رسد که این بار با جزئیات بیشتری کار می‌کند و برخلاف رومبا که حالت همگانی دارد، هر نمونه از این بات پیشرفته به‌طور کامل برای یک بازی خاص طراحی می‌شود: «این بات رفتاری مشابه انسان دارد و هر بازی را نسبت به نحوه طراحی آن بررسی می‌کند. ما همچنان در حال کار روی این نمونه هستیم و قصد داریم به جایی برسیم که این بات‌های هوشمند بتوانند حتی در بازی‌ای که پیش از این ندیده‌اند هم مثل یک انسان عمل کنند، ولی هنوز تا رسیدن به آن نقطه فاصله زیادی داریم.»

گازدیال هم از جمله افرادی است که به آینده هوش مصنوعی در زمینه تست و کنترل کیفیت بازی‌ها امید زیادی دارد و از طرفی هم خیلی بعید می‌داند که تسترهای انسانی به‌طور کامل از این پروسه حذف شوند: «وقتی این بخش از صنعت بازی را از زوایای مختلف ارزیابی می‌کنیم، انسان‌ها همچنان بهترین عملکرد را در زمینه تست و کنترل کیفیت دارند و با ظرافت بیشتری این کار را انجام می‌دهند و احساس خود را بیان می‌کنند. یعنی هنوز هیچ هوش مصنوعی‌ای نداریم که بتواند مثل یک انسان تستر به شما بگوید بازی‌ای که ساخته‌اید، چقدر جذاب و مفرح است.»

همه این صحبت‌ها و مثال‌هایی که مطرح شد، تنها بخش کوچکی از چیزی است که در آینده با هوش مصنوعی در صنعت بازی خواهیم دید. این روزها اکثر ناشران بزرگ توجه ویژه‌ای را به این مبحث اختصاص داده‌اند و دپارتمان‌هایی را برای تمرکز روی این تکنولوژی در نظر گرفته‌اند؛ از جمله شرکت الکترونیک آرتز که زیرمجموعه‌ای را تحت عنوان SEED (مخفف Search for Extraordinary Experiences Division یا «بخش تحقیق تجربیات خارق‌العاده») برای کار روی مواردی مثل هوش مصنوعی تدارک دیده است یا یوبیسافت که در زیرمجموعه La Forge روی این موضوعات کار می‌کند. شک و تردیدی وجود ندارد که خیلی از شرکت‌های دیگر نیز به‌طور مخفیانه به سراغ هوش مصنوعی رفته‌اند، ولی هنوز آن را مطرح نکرده‌اند.

در حال حاضر هنوز در ابتدای این مسیر قرار داریم و هر شرکتی در حال کار روی تکنولوژی‌های مخصوص خود است، ولی می‌توان پیش‌بینی کرد که در آینده‌ای نزدیک، این موضوع حالت عمومی‌تری پیدا کند و استانداردهای بیشتری در ارتباط با هوش مصنوعی در صنعت بازی شکل بگیرد و ابزارهایی از راه برسند که استودیوهای مختلف به سراغ استفاده از آن‌ها خواهند رفت.

هلمگارد در این زمینه می‌گوید: «شاید روزی برسد که وضعیت هوش مصنوعی هم مثل موتورهای بازی شود و همان‌طور که موتورهایی مانند آنریل و یونیتی به‌طور گسترده توسط استودیوهای مختلف استفاده می‌شوند، ابزار هوش مصنوعی نیز چنین حالتی پیدا کنند. سال‌ها پیش وقتی در مورد روش‌های تولید بازی‌های ویدیویی مطالعه می‌کردم، شروع کردم به بررسی موتور سورس (Source Engine) که دومین نسخه هف لایف (Half-Life 2) توسط آن ساخته شده بود. نکته جالب این بود که این موتور به‌طور عمومی در اختیار مردم قرار نگرفته بود، بلکه یک نفر به آن دسترسی پیدا کرده و اطلاعات آن را در اینترنت لو داده بود. ولی امروز به جایی رسیده‌ایم که شما می‌توانید به‌سادگی به سراغ دانلود موتوری مثل یونیتی از سایت رسمی آن بروید و شاید در آینده چنین اتفاقی برای تکنولوژی‌های مربوط‌به هوش مصنوعی نیز بیفتد.»

لوگان اولسن از استودیو هیون نیز نگاه خاص خود را به آینده هوش مصنوعی دارد و آن را قدم بزرگ بعدی در دنیای بازی‌های ویدیویی می‌داند و تکاملی که باعث خواهد شد بازی‌ها زنده‌تر از قبل شوند: «فکر می‌کنم به نقطه‌ای خواهیم رسید که بازی‌ها از حالتی مثل سریال‌های تلویزیونی که در زمان مشخص با محتوای خاصی پخش می‌شوند، به آثاری زنده‌تر تبدیل شوند و چیزی فراتر از به‌روزرسانی‌های فعلی را در آن‌ها شاهد باشیم؛ دورانی که در آن ارتباط بین بازی‌سازها و گیمرها نزدیک‌تر از قبل می‌شود و آن‌ها می‌توانند با همکاری یکدیگر و کمک هوش مصنوعی، کیفیت تجربه بازی را به‌طور هم‌زمان و در هر لحظه ارتقا دهند.»

اولسن همچنین پیش‌بینی می‌کند که هوش مصنوعی باعث خلق مواردی خواهد شد که خود سازندگان بازی آن‌ها را از پیش طراحی نکرده‌اند: «در بازی‌های امروزی، نمی‌توانیم همه گوشه و کنار محیط را به‌طور کامل طراحی کنیم و چنین چیزی از نظر بودجه و زمان امکان‌پذیر نیست. مثلاً بازیکن به ساختمانی می‌رسد، ولی توانایی ورود به درون آن را ندارد یا با میزی مواجه می‌شود، ولی نمی‌تواند کشوی آن را باز کند و سلاحی را از درون آن بردارد. ولی همان‌طور که در بازی‌های نقش‌آفرینی Dungeons and Dragons فردی به نام «ارباب سیاهچال» (Dungeon Master) حضور دارد که در مواقع خاص می‌تواند تصمیمات جدیدی برای ادامه مسیر بازیکن‌ها بگیرد، شاید در آینده چنین چیزی را با هوش مصنوعی در بازی‌های ویدیویی ببینیم و هوش مصنوعی تشخیص بدهد که در نقطه‌ای خاص از بازی، می‌شود چیز جدیدی خلق کرد و راه متفاوتی را پیش روی بازیکن قرار داد تا او بیش‌ازپیش درون بازی غرق شود.»

در هر حال هر اتفاقی که بیفتد، این نکته واضح و مشخص است که هوش مصنوعی نقش خیلی پررنگی در آینده صنعت بازی و نحوه تولید بازی‌های ویدیویی خواهد داشت. امیدواریم که هوش مصنوعی به‌طور کامل جایگزین بخشی از بازی‌سازها نشود و آن‌ها را خانه‌نشین نکند، بلکه برعکس باعث ساده‌تر شدن کارها برای بازی‌سازها شود؛ موضوعی که از جهاتی ممکن است با هوش مصنوعی جدید یوبیسافت شاهد آن باشیم. این هوش مصنوعی Ghostwriter نام دارد («نویسنده در سایه» در اصطلاح به کسی گفته می‌شود که کتاب یا مقاله‌ای را می‌نویسد که به نام فرد دیگری منتشر می‌شود) و به‌گفته یوبیسافت، قرار است برای تدارک دیالوگ‌های ساده شخصیت‌های غیرقابل بازی (NPC) به کار رود.

به این صورت که نمونه ابتدایی و اولیه مربوط‌به صحبت‌های NPCها (مثلاً واکنش آن‌ها به اقدامات بازیکن یا گفتگوی آن‌ها با یکدیگر در خیابان) را آماده می‌کند و در اختیار نویسندگان یوبیسافت قرار می‌دهد. نویسندگان هم با ویرایش این دیالوگ‌ها، جملات نهایی را آماده کنند و به این ترتیب نیازی به نوشتن تمام دیالوگ‌های ابتدایی و نه‌چندان مهم بازی ندارند و وقت خود را صرف بخش‌های مهم‌تر می‌کنند. همچنین سیستمی در اختیار نویسندگان قرار می‌گیرد که می‌توانند دیالوگ‌های طراحی‌شده توسط هوش مصنوعی را درجه‌بندی کنند و به آن‌ها امتیاز دهند و به تدریج هوش مصنوعی یاد می‌گیرد که چه نوع جملات و دیالوگ‌هایی کیفیت بالاتری دارند و باید بیشتر به سراغ آن‌ها برود.

یکی دیگر از جدیدترین موارد هم به روبلاکس (Roblox) مربوط می‌شود؛ پلتفرم بازی عظیمی که می‌توان با کمک آن به خلق تجربه‌های متنوع پرداخت و مدتی قبل با خبر شدیم که سازندگان آن هوش مصنوعی جدیدی را آماده کرده‌اند که به بازیکن در هرچه ساده‌تر شدن امکانات مربوط‌به طراحی و تولید بخش‌های مختلف بازی‌های خود کمک می‌کند.

همچنین مدتی قبل خبری منتشر شد مبنی بر اینکه بعضی از استودیوهای بازی‌سازی از جمله نینجا تئوری (Ninja Theory) که این روزها روی بازی هل بلید 2 (Senua’s Saga: Hellblade 2) کار می‌کند، در حال استفاده از هوش مصنوعی Altered AI برای صداگذاری شخصیت‌ها هستند؛ موضوعی که البته مسئولان نینجا تئوری خیلی زود در مورد آن شفاف‌سازی کردند و از این گفتند که قرار نیست هوش مصنوعی به‌طور کامل صداپیشگی شخصیت‌های مختلف را برعهده بگیرد، بلکه پیش از شروع به کار صداپیشه‌های اصلی، استفاده جالبی از هوش مصنوعی می‌شود.

به این صورت که سازندگان بازی برای صرفه‌جویی در وقت و هزینه، ابتدا یک بار دیالوگ‌های شخصیت‌ها را به هوش مصنوعی می‌دهند تا با کمک آن، زمان‌بندی دقیق جملات را به‌دست آورند و از محل قرارگیری هر عبارت در جای مشخص خود مطمئن شوند و سپس به سراغ صداپیشه‌های انسانی می‌روند تا این دیالوگ‌ها را در میان‌پرده‌های بازی اجرا کنند.

درکنار خیلی‌ها که انتظارات زیادی از هوش مصنوعی در آینده صنعت بازی دارند، عده‌ای هم این قضیه را در حدی پررنگ نمی‌بینند که جایگزین بخش‌های مختلف شود. برای مثال استراوس زلنیک، مدیرعامل شرکت Take-Two Interactive (شرکت مادر استودیو راک استار گیمز) مدتی قبل با اشاره به افزایش محبوبیت هوش مصنوعی‌هایی مثل چت جی پی تی از این گفت که تصور نمی‌کند استفاده از هوش مصنوعی باعث کاهش هزینه‌های تولید بازی‌ها شود و حتی اگر به پروسه تولید کمک کند، بازی‌سازها ترجیح می‌دهند وقت و هزینه صرفه‌جویی شده را در بخش‌های دیگری از بازی به کار گیرند و محصول خود را از جهات دیگر بزرگ‌تر کنند.

زلنیک در بخشی از صحبت‌های خود می‌گوید: «چت جی پی تی در دنیای امروز، چیزی شبیه ماشین حساب‌های دستیِ سال‌ها قبل است. زمانی‌که من کودک بودم، خبری از این ماشین حساب‌ها نبود و ما مجبور بودیم محاسبات ریاضی را خودمان انجام دهیم. بعدها ماشین حساب‌های کوچک از راه رسیدند و در ابتدا والدین فکر می‌کردند دیگر نیازی نیست که بچه‌ها محاسبات ریاضی را یاد بگیرند. ولی خیلی زود مشخص شد که چنین چیزی درست نیست و همچنان باید با ریاضیات آشنا شد و این ماشین حساب‌ها تنها نقش کمکی در راحت‌تر شدن حل مسائل ریاضی را دارند. چت جی پی تی نیز امروز چنین حالتی دارد.»

هلمگارد نیز فکر نمی‌کند که هوش مصنوعی به‌طور کامل جایگزین بازی‌سازها می‌شود، بلکه نقشی کمکی را برای آن پیش‌بینی می‌کند: «در آینده شاهد به کارگیری ابزار سودمندی برای بهره‌گیری از هوش مصنوعی در بهبود روند تولید بازی‌ها خواهیم بود. به‌جای اینکه هوش مصنوعی جایگزین بازی‌سازها شود، آن‌ها می‌توانند در تمام بخش‌های آثار خود از هوش مصنوعی در نقش وسیله‌ای کمکی بهره بگیرند.»

تعدادی از طراحی‌های ماریو که با کمک هوش مصنوعی شکل گرفته‌اند

اگر خوشبینانه به ماجرا نگاه کنیم، شاید این قضیه از جهاتی به نفع بازی‌سازها نیز باشد و باعث شود کرانچ (اضافه‌کاری طاقت‌فرسا) کاهش پیدا کند و پروسه تولید بازی‌ها کوتاه‌تر شود؛ موضوعی که این روزها مخصوصاً در ارتباط با بازی‌های عظیم و AAA خیلی مشکل‌ساز شده است و اکثر آن‌ها پروسه تولید بسیار طولانی با کرانچ شدید دارند.

البته بعضی از پیش‌بینی‌ها هم بسیار تاریک هستند و برای مثال اقتصاددانان مؤسسه «گلدمن ساکس» به‌تازگی از این گفته‌اند که احتمالاً حدود ۳۰۰ میلیون نفر در آینده به خاطر موج جدید هوش مصنوعی بیکار خواهند شد؛ موضوعی که البته مشخص نیست سهم صنعت بازی در آن چقدر خواهد بود.

هنوز برای پیش‌بینی آینده هوش مصنوعی در دنیای بازی زود است و چه آینده‌ای روشن در انتظار بازی‌سازها باشد و چه دورانی تاریک و نگران‌کننده برای آن‌ها، شکی نیست که تغییرات گسترده‌ای را در نحوه تولید بازی‌های ویدیویی شاهد خواهیم بود؛ دورانی که شاید بازی‌سازها به اندازه امروز روی کوچک‌ترین جزئیات مربوط‌به کدنویسی، بخش‌های هنری، طراحی مراحل و شخصیت‌ها نظارت نداشته باشند و خیلی از این موارد برعهده هوش مصنوعی قرار گیرد و وقت بازی‌سازها صرف انجام کارهای دیگری شود.

ممکن است وارد دورانی شویم که کنترل کامل پروژه از دست بازی‌سازها خارج شود و هوش مصنوعی نقشی اساسی در این زمینه ایفا کند؛ موضوعی که با عادت‌های قدیمی ‌بازی‌سازها جور نخواهد بود و ریدر در مورد آن می‌گوید: «وقتی در استودیو ربلیون کار می‌کردم، بعضی از طراحان بازی‌ها را می‌دیدم که با وجود استفاده از هوش مصنوعی برای کنترل کیفیت بازی، همچنان دوست داشتند خودشان روی همه چیز نظارت کنند و برای آن‌ها سخت بود که این عادت قدیمی را ترک کنند.»

بعضی از بازی‌سازها هم آینده هوش مصنوعی را در حدی پیشرفته می‌دانند که توانایی خلق بازی‌های متنوع را بدون دخالت انسان خواهد داشت؛ از جمله کلینت هاکینگ، از کارگردان‌های استودیو یوبیسافت مونترال که پیش‌بینی می‌کند تا ۱۰ سال دیگر به نقطه‌ای خواهیم رسید که بازیکن‌ها به هوش مصنوعی می‌گویند چه نوع بازی‌ای می‌خواهند و هوش مصنوعی هم آن را آماده می‌کند.

البته همین الآن هم نمونه‌های ساده‌ای را در این زمینه داریم؛ مثل بازی AI Dungeon که سال ۲۰۱۹ منتشر شد و یک بازی ماجرایی متن‌محور است که هوش مصنوعی در آن باتوجه‌به درخواست‌های بازیکن به خلق محتوا می‌پردازد، البته به شکلی بسیار ساده در مقایسه با چیزی که در آینده خواهیم دید. یا بازی Source of Madness که اثر روگ‌لایکی است که بازیکن را در هر نوبت با دشمنان و هیولاهای جدیدی مواجه می‌کند که به‌طور کامل توسط هوش مصنوعی طراحی می‌شوند؛ هوش مصنوعی‌ای که با کمک یادگیری ماشینی و سیستم پاداش و تنبیه که سازندگان بازی برای آن در نظر گرفته‌اند، به این نتیجه می‌رسد که طراحی چه نوع دشمنانی برای این بازی بهتر است و باید از طراحی چه مدل‌هایی خودداری کند.

در مجموع روزهای جالبی را در ارتباط با هوش مصنوعی پشت سر می‌گذاریم و از هوش مصنوعی‌های طراح و نقاش تا نمونه‌های پاسخ‌گو به سؤالات مردم را مشاهد می‌کنیم؛ روزهایی که البته در مقایسه با آینده، بسیار ابتدایی محسوب می‌شوند و چند سال بعد که به این نقطه نگاه می‌کنیم، شاید از هیجانی که بابت ظهور این هوش مصنوعی‌ها پیدا کرده بودیم بخندیم و نمونه‌های فعلی به قدری در مقایسه با مدل‌های آینده پیش‌پاافتاده به نظر برسند که حتی مقایسه آن‌ها هم مضحک باشد. همان‌طور که روزگاری بازی‌های سه‌بعدی اولیه برای خیلی از مخاطبان جذابیت فوق‌العاده‌ای داشتند و در مقطعی خیلی‌ها تصور می‌کردند که گرافیک بازی‌ها از این بیشتر پیشرفت نخواهد کرد، ولی اکنون به جایی رسیده‌ایم که حتی تصور مقایسه گرافیک‌های امروزی با ۱۵ سال قبل هم بامزه است، چه برسد به دوران پلی استیشن در اواسط دهه ۱۹۹۰.

شما همراهان gsxr هم نظرات خود را در ارتباط با موج جدید هوش مصنوعی با ما در میان بگذارید. پیش‌بینی شما از آینده هوش مصنوعی در صنعت بازی چیست و آیا ترس و اضطراب خیلی‌ها را در مورد جایگزینی انسان‌ها با این مغزهای کامپیوتری قبول دارید یا فکر می‌کنید نیازی به نگرانی نیست؟

---