چگونه هوش مصنوعی می تواند بازی ها را برای همه بازیکنان بهتر کند

وقتی گوگل فاش کرد Project Gameface، این شرکت مفتخر بود که یک ماوس بازی مجهز به هوش مصنوعی را به نمایش بگذارد که طبق اعلام آن، “به افراد اجازه می دهد تا مکان نما کامپیوتر را با استفاده از حرکات سر و حرکات صورت خود کنترل کنند.” اگرچه ممکن است این اولین ابزار بازی مبتنی بر هوش مصنوعی نباشد، مطمئناً یکی از اولین ابزارهایی بود که هوش مصنوعی را به جای توسعه‌دهندگان در اختیار بازیکنان قرار داد.

این پروژه با الهام از Lancey Carr، پخش کننده بازی های ویدیویی چهار پلژی که از ماوس ردیابی سر به عنوان بخشی از تنظیمات بازی خود استفاده می کند، الهام گرفته شده است. پس از اینکه سخت افزار موجود خود در آتش سوزی گم شد، گوگل وارد عمل شد تا جایگزینی منبع باز، بسیار قابل تنظیم و کم هزینه برای سخت افزار گران قیمت پشتیبان مبتنی بر یادگیری ماشینی ایجاد کند. در حالی که وجود گسترده‌تر هوش مصنوعی بحث برانگیز است، ما تصمیم گرفتیم کشف کنیم که آیا هوش مصنوعی، زمانی که به خوبی مورد استفاده قرار گیرد، می‌تواند آینده دسترسی به بازی باشد یا خیر.

مهم است که هوش مصنوعی و یادگیری ماشین را تعریف کنید تا به وضوح نحوه عملکرد آنها در Gameface را درک کنید. هنگامی که ما از اصطلاحات “AI” و “Machine Learning” استفاده می کنیم، منظور هر دو چیز یکسان و متفاوت است.

لارنس مورونی، رئیس حمایت از هوش مصنوعی در گوگل و یکی از ذهن‌های پشت سر Gameface، به WIRED می‌گوید: «هوش مصنوعی یک مفهوم است. “یادگیری ماشین تکنیکی است که شما برای پیاده سازی آن مفهوم از آن استفاده می کنید.”

سپس یادگیری ماشینی، همراه با پیاده سازی هایی مانند مدل های زبان بزرگ، زیر چتر هوش مصنوعی قرار می گیرد. اما در جایی که برنامه های کاربردی آشنا مانند ChatGPT OpenAI و Stable Diffusion StabilityAI تکراری هستند، یادگیری ماشین با یادگیری و انطباق بدون دستورالعمل، استنتاج از الگوهای قابل خواندن مشخص می شود.

مورونی توضیح می دهد که چگونه این مورد در Gameface در یک سری از مدل های یادگیری ماشین اعمال می شود. او می‌گوید: اولین مورد این بود که بتوانیم تشخیص دهیم صورت در کجای تصویر است. دومی این بود که وقتی تصویری از یک چهره دارید، می‌توانید تشخیص دهید که نقاط آشکار کجا هستند (چشم، بینی، گوش و غیره).

سپس مدل دیگری می تواند ژست ها را از این نقاط نقشه برداری و رمزگشایی کند و آنها را به ورودی های ماوس اختصاص دهد.

این یک پیاده سازی آشکارا کمکی از هوش مصنوعی است، بر خلاف مواردی که اغلب به عنوان زائد کردن ورودی های انسانی تبلیغ می شوند. در واقع، اینگونه است که مورونی پیشنهاد می‌کند که هوش مصنوعی به بهترین وجه برای گسترش «ظرفیت ما برای انجام کارهایی که قبلاً امکان‌پذیر نبوده‌اند» استفاده شود.

این نظر فراتر از پتانسیل Gameface برای در دسترس‌تر کردن بازی‌ها است. به گفته مورونی، هوش مصنوعی می‌تواند تأثیر زیادی بر دسترسی بازیکنان داشته باشد، اما همچنین بر نحوه ایجاد راه‌حل‌های دسترسی توسط توسعه‌دهندگان.

او می‌گوید: «هر چیزی که به توسعه‌دهندگان اجازه می‌دهد در حل دسته‌هایی از مسائل که قبلاً غیرممکن بودند، کارآمدتر باشند، فقط می‌تواند در فضای دسترسی یا هر فضایی مفید باشد».

این چیزی است که توسعه دهندگان از قبل شروع به درک آن کرده اند. Artem Koblov، مدیر خلاق Perelesoq، به WIRED می‌گوید که می‌خواهد منابع بیشتری را برای حل وظایف معمول به جای اختراع خلاق ببیند.

این به هوش مصنوعی اجازه می دهد تا به فرآیندهای فنی وقت گیر کمک کند. با برنامه‌های کاربردی مناسب، هوش مصنوعی می‌تواند یک چرخه توسعه کمتر و آسان‌تر ایجاد کند که هم به پیاده‌سازی مکانیکی راه‌حل‌های دسترسی کمک می‌کند و هم به توسعه‌دهندگان زمان بیشتری برای فکر کردن در مورد آنها می‌دهد.

کانر بردلی، مدیر خلاق استودیو سافت لیف می‌گوید: «به‌عنوان یک توسعه‌دهنده، می‌خواهید تا حد امکان ابزارهایی داشته باشید که می‌توانند به آسان‌تر کردن کار شما کمک کنند». او به دستاوردهای پیاده‌سازی‌های فعلی هوش مصنوعی در دسترسی، از جمله «تولید متن به گفتار و گفتار به متن در زمان واقعی، و همچنین تشخیص گفتار و تصویر» اشاره می‌کند. و او پتانسیلی برای توسعه آینده می بیند. با گذشت زمان، بازی‌های بیشتری را می‌بینم که از این ابزارهای قدرتمند هوش مصنوعی برای دسترسی بیشتر بازی‌های ما استفاده می‌کنند.»