شرکت گوگل قصد دارد به توسعه‌دهندگان بازی برای پلتفرم استدیا از طریق “یادگیری ماشین” کمک کند

تکنیک‌های “یادگیری ماشین (Machine learning)” در انواع فناوری‌ها استفاده می‌شوند، پس طبیعی خواهد بود از خود بپرسیم که چگونه می‌توان از آن‌ها به نفع توسعه‌ی بازی‌ها استفاده کرد؟ این دقیقاً همان کاری است که شرکت گوگل از طریق پروژه‌ی Chimera خود جهت پشتیبانی از توسعه‌دهندگان انجام خواهد داد. پروژه‌ی Chimera متشکل از تیمی از مهندسان و توسعه‌دهندگان در حال پژوهش برای کشف کاربرد‌های بالقوه‌ی “شبکه‌های تداخل‌گر مولد” یا GAN‌) Generative Adversarial Networks) هستند. این تکنیک می‌تواند داده‌های جدیدی را با همان اطلاعاتی که مجموعه به او آموزش می‌دهد تولید کند.

ارین هافمن-جان (Erin Hoffman-John) رئیس بخش تحقیقات و توسعه‌ی استدیا (Stadia)، در طی مصاحبه‌ای توضیح داد که یادگیری ماشین می‌تواند به تیم‌های توسعه‌دهنده‌ی کوچک اجازه دهد تا بازی‌های بزرگی حتی در مقیاس عنوان World of Warcraft را بسازند. اگر شروع کار با یادگیری ماشین باشد در این صورت تولید محتوا می‌تواند بسیار ساده‌تر صورت گیرد؛ زیرا یادگیری ماشین می‌تواند برخی از تصاویر مرجع را فرا گرفته و سپس طراحی‌های کاملا جدید به همان سبک را انجام دهد.

ارین هافمن-جان در این باره اظهار داشت:

ما از ریسکی که توسعه‌دهندگان از آن نگران هستند آگاه هستیم و حل این مشکل را پذیرفته‌ایم. ما با توسعه‌دهندگان گفتگو کرده‌ایم و از آن‌ها پرسیدیم که کارهایی که همیشه خواسته‌اید انجام دهید اما نتوانسته‌اید چه بوده‌اند؟ مواردی که مجبور شده‌اید به دلیل پیشرفت کم و سرعت کند فرآیند تولید یا ناتوانی در پردازش بازی‌های خود حذف کنید کدامند؟

چه می‌شود اگر تیم کوچکی متشکل از فقط ۱۴ نفر بتواند یک بازی را در مقیاس World of Warcraft بسازد؟ این یک هدف نامعقول است، مگر نه؟ نکته‌ای که در مورد بازی‌هایی به مانند World of Warcraft صدق می‌کند این است که توسعه‌دهندگان این سبک بازی‌ها به ایجاد محتوا‌های بسیار سنگین و تکراری متکی هستند. هنرمندان و نویسندگان کارهای اساساً کپی‌برداری شده یا اقتباس شده انجام می‌دهند، چرا که در صورت عدم انجام این اقدام به صرف سرمایه‌ی زیادی نیاز خواهند داشت. اگر به سرمایه‌ای که با آن عنوان World of Warcraft ساخته شد توجه کنید، متوجه خواهید شد که ۷۰ درصد این هزینه صرف تولید محتوا و ۳۰ درصد آن صرف برنامه‌نویسی و کدگذاری بازی شد. حتی اگر با یک برنامه‌نویسی عظیم و هنگفت مواجه باشیم، بازهم هزینه‌ی تولید محتوا بیشتر خواهد بود.

این موضوع برخلاف چیزی نیست که اخیراً با یادگیری ماشین StyleGAN شرکت انویدیا (NVIDIA) دیده‌ایم. از این تکنولوژی برای بازآفرینی طرح‌های جدید مانگا (کمیک‌بوک‌های ژاپنی) بر اساس آثار اوسامو تزوکا (Osamu Tezuka) استفاده شده است.

پروژه‌ی Chimera شرکت گوگل همچنین هدف دارد تعادل و بهینه‌سازی را برای توسعه‌دهندگان بازی آسان‌تر کند. بهینه‌سازی از دیگر اقداماتی است که معمولاً انجام دادن آن به صورت کامل و عالی کاری بسیار دشوار و پیچیده برای تیم‌های کوچک بازی‌سازی محسوب می‌شود اما طبق گفته‌های هافمن-جان یادگیری ماشین (به طور خاص “یادگیری ماشین تقویت شده”) می‌تواند از طرق مختلف اقدام به حل این مشکل کند.

رئیس بخش تحقیقات و توسعه‌ی استدیا در این باره می‌گوید:

با میلیون‌ها بار تجربه‌ی بازی‌ها توسط “یادگیری ماشین تقویت‌ شده” که ما در مورد قوانین بازی به آن آموزش داده‌ایم، این امکان فراهم خواهد شد تا بسیار سریع‌تر از حالت عادی بهینه‌سازی و تعادل بازی را تست کنیم. بنابراین حتی یک توسعه‌دهنده‌ی کوچک که ممکن است به صدها نفر برای تست بازی خود دسترسی نداشته باشد، می‌تواند با استفاده از این تکنولوژی بهینه‌سازی بازی‌ها را سرعت بخشد. این یادگیری ماشین تقویت شده می‌تواند قواعد و روش بازی را به صورت خودکار فرا گیرد بدون اینکه نیازی به برنامه‌نویسی داشته باشد و سپس به شما بگوید که مشکلات تعادل بازی در چه بخش‌هایی وجود دارد. این قابلیت همچنین به شما اجازه می‌دهد تا تئوری‌های خود را به صورت اتفاقاتی واقعی امتحان کنید.

در حال حاضر نمونه‌های دیگری از کاربرد یادگیری ماشین تقویت شده وجود دارند؛ به عنوان مثال هوش مصنوعی DeepMind در بخش AlphaStar عنوان Starcraft II به قدری نامتعادل عمل می‌کند که قادر به از میان برداشتن ۹۹٫۸٪ از بازی‌بازان انسانی خواهد بود. با این حال، هدف در اینجا تعادل بازی به کمک تکنیک یادگیری ماشین به جای استفاده از آن برای کشتن بازی‌بازان محسوب می‌شود. لازم به ذکر است که برای هر دو روش مورد بحث، اثربخشی تکنیک یادگیری ماشین می‌تواند بر حسب نوع بازی بسیار متفاوت عمل کند.

حتی اگر بازی‌های بزرگی توسط استودیو‌های بسیار کوچک ساخته شوند، پیشرفت بزرگی حاصل می‌شود. یادگیری ماشین مطمئناً نقش مهمی در توسعه‌ی بازی‌ها خواهد داشت و ما شما را در مورد کاربرد‌های بیشتر آن مطلع خواهیم کرد.