游戏中的生成人工智能（Generative AI）革命，都有哪些应用市场

原文作者：James Gwertzman 和 Jack Soslow，由 DeFi 之道翻译编辑。

要了解生成式 AI 将如何彻底改变游戏，只需看看 @emmanuel_2 m 最近发布的这篇 Twitter 帖子。在这篇文章中，他探讨了使用 Stable Diffusion + Dreambooth（流行的 2 D 生成 AI 模型）为假设的游戏生成药水图像。

这项工作的变革性不仅在于它节省了时间和金钱，同时还提供了质量——从而打破了经典的“成本、质量或速度同时只能拥有两个”的三角关系。艺术家们现在可以在几个小时内创作出高质量的图像，而手工生成这些图像需要数周时间。真正具有变革性的是：

现在，任何可以学习一些简单工具的人都可以获得这种创造力。

这些工具可以以高度迭代的方式创建无数的变体。

一旦经过训练，这个过程就是实时的——结果几乎是即时可用的。

自实时 3D 以来，还没有出现过对游戏具有如此革命性意义的技术。花任何时间与游戏创作者交谈，兴奋和惊奇的感觉是显而易见的。那么这项技术将走向何方？它将如何改变游戏？不过，首先，让我们回顾一下什么是生成人工智能（Generative AI）？

图片来源：由无界版图 AI 工具生成

什么是生成人工智能

生成 AI 是机器学习的一种，计算机可以根据用户的提示生成原创的新内容。今天，文本和图像是这项技术最成熟的应用，但几乎每个创意领域都在开展工作，从动画到音效，再到音乐，甚至创建具有完全充实个性的虚拟角色。

当然，人工智能在游戏中的应用并不是什么新鲜事。即使是早期的游戏，如 Atari 的 Pong，也有计算机控制的对手来挑战玩家。然而，这些虚拟敌人并没有像我们今天所知道的那样运行人工智能。它们只是游戏设计师编写的脚本程序。他们模拟了一个人工智能对手，但他们无法学习，他们只能和建造他们的程序员一样好。

由于更快的微处理器和云计算，现在的不同之处在于可用的计算能力。有了这种能力，就可以构建大型神经网络来识别高度复杂领域中的模式和表征。

这篇博文分为两部分：

第一部分——观察和预测

假设

首先，让我们探讨一下这篇博文其余部分的一些假设：

1. 通用人工智能的研究量将继续增长，创造出更有效的技术

考虑一下 arXiv 档案中每月发表的关于机器学习或人工智能的学术论文数量图表：

如您所见，论文数量呈指数级增长，丝毫没有放缓的迹象。这仅包括已发表的论文——许多研究甚至从未发表过，直接用于开源模型或产品研发。结果是兴趣和创新的爆炸式增长。

2. 在所有娱乐中，游戏将受生成人工智能的影响最大

就涉及的资产类型（2 D 艺术、3 D 艺术、音效、音乐、对话等）的数量而言，游戏是最复杂的娱乐形式。游戏也是最具互动性的，非常强调实时体验。这为新游戏开发者创造了一个陡峭的进入壁垒，同时也为制作一款现代的、排行榜首的游戏付出了高昂的成本。它还为生成 AI 的颠覆创造了巨大的机会。

想想像 Red Dead Redemption 2 这样的游戏，它是有史以来最昂贵的游戏之一，制作成本接近 5 亿美元。原因很容易理解——它拥有市场上所有游戏中最美丽、最真实的虚拟世界之一。它还花费了将近 8 年的时间打造，拥有超过 1,000 个不可玩的角色（每个角色都有自己的个性、艺术作品和配音演员），一个近 30 平方英里的世界，超过 100 个任务分为 6 个章节，以及由 100 多位音乐家创作的近 60 小时的音乐。这个游戏的一切都很大。

现在将 Red Dead Redemption 2 与 Microsoft Flight Simulator 进行比较，后者不仅大，而且非常庞大。Microsoft Flight Simulator 使玩家能够在整个地球上飞行，包括 1.97 亿平方英里的地球。微软是如何打造如此庞大的游戏的？通过让人工智能来做。微软与 blackshark.ai 合作，训练人工智能从 2 D 卫星图像生成逼真的 3 D 世界。