Spiludvikling gennemgår en periode med hurtige forandringer, og en af drivkræfterne bag disse forandringer er kunstig intelligens (AI). AI-teknologier har allerede fundet vej til mange områder af spiludviklingen, fra fjendtlig AI i actionspil til AI-ledsagere. Men nu er en ny revolution lige om hjørnet: Generativ AI (GenAI). Der var mange foredrag om AI på udviklerkonferencen devcom. Jeg har opsummeret resultaterne fra flere af disse foredrag for dig her.
Hvad er devcom?
#DDC2024. Devcom Developer Conference 2024 (devcom) er den årlige konference for spiludviklere, som finder sted i Köln. Ud over netværk og dialog er der faglige præsentationer på forskellige scener.
- En af talerne er Jeff SkeltonHead of Technology Partnerships hos Electronic Arts (EA), som delte sin erfaring med at integrere AI i udviklingsprocessen hos en stor softwarevirksomhed.
- Vitalii VashchukHead of Gaming hos EPAM Systems, bidrog med sin ekspertise inden for implementering af AI-teknologier til mere effektiv spiludvikling.
- Kent KeirseyCEO for Invoke AI, præsenterede, hvordan skræddersyede AI-løsninger kan revolutionere kunstneres kreative arbejde.
- Judy EhrentrautCreative Content Strategist hos Red Meat Games, rundede emnet af med at tale om de etiske konsekvenser af AI i den kreative branche.
Hvad er generativ AI, og hvorfor er det vigtigt for spilbranchen?
Generativ kunstig intelligens (GenAI) har i de senere år revolutioneret den måde, indhold skabes på. Kernen i GenAI er baseret på maskinlæring (ML), en teknologi, der gør det muligt for computere at lære af data og genkende mønstre uden at være eksplicit programmeret til at gøre det.
En gammel hat? Maskinlæring siden 1950'erne
Maskinlæring i sig selv er ikke ny; den stammer helt tilbage fra 1950'erne. Men det er først i de sidste ti år, at vi har set store gennembrud, som er blevet muliggjort af tilgængeligheden af store mængder data og den eksponentielle stigning i computerkraft. Disse fremskridt har gjort det muligt for os at træne stadig mere komplekse modeller, der kan levere forbløffende præcise resultater.
Genkende og generere mønstre
Generativ AI fungerer ved at skabe indhold baseret på tidligere indlærte mønstre og data. En GenAI-model trænes med en række forskellige data, f.eks. tekster, billeder eller musikstykker. På den måde lærer modellen, hvordan sådant indhold typisk er struktureret, og kan derefter generere nyt indhold, der følger disse mønstre. Det betyder, at GenAI ikke bare kopierer eksisterende data, men faktisk skaber nyt indhold baseret på de principper, den har lært.
Acceleration og optimering
Fordelene og potentialet ved GenAI i spiludvikling er enorme. Denne teknologi gør det muligt at skabe indhold som figurer, landskaber eller endda dialoger på en brøkdel af den tid, som traditionelle metoder ville kræve. AI kan også automatisere hverdagsopgaver, som tidligere krævede manuel indgriben.
Hej Jeff! Automatisering i hverdagen.
Forestil dig, at du vil holde et 30-minutters møde med Jeff i morgen. Du giver simpelthen kommandoen med stemmen: "Organiser et møde med Jeff i morgen. 30 minutter." Og AI'en oversætter talen til tekst. Baseret på dette opretter AI'en automatisk et Zoom-møde, som er synkroniseret med begge kalendere. Den har genkendt i lokalebookingværktøjet, at du og Jeff ikke vil være det samme sted i morgen.
Hverdagens assistenter. Denne evne til selv at træffe nyttige og fornuftige beslutninger og påtage sig rutineopgaver er kun en lille del af det potentiale, som AI rummer for alle kontorfag - herunder spiludvikling.
Automatisering og øget effektivitet gennem GenAI
Automatisering. GenAI har potentiale til at fremskynde den kreative proces i spiludvikling betydeligt ved at automatisere gentagne og tidskrævende opgaver.
I traditionel spiludvikling kræver hver fase - fra brainstorming til prototyper og endelig implementering - en enorm mængde tid og manuelt arbejde. GenAI kan forenkle og fremskynde mange af disse trin ved at levere automatiserede løsninger, der øger både kreativiteten og effektiviteten.
Hvordan GenAI fremskynder den kreative proces
En af de største fordele ved GenAI er dens evne til at udføre komplekse manuelle opgaver i den kreative proces på kortest mulig tid. Hvor udviklere tidligere skulle bruge uger eller endda måneder på at skabe prototyper og teste ideer, kan GenAI gennemføre disse processer på få dage eller timer.
Mål: kreativt flow. Det giver dig mulighed for at bruge mere tid i "kreativt flow" - den tilstand, hvor du er mest produktiv og kan udvikle dine bedste ideer. "Jo flere administrative ting, vi kan fjerne, jo mere tid bruger kreative hjerner på at være i flow og gøre det, de er gode til," forklarer Jeff Skelton under sin præsentation.
Skab en spilverden. Et eksempel på denne acceleration er automatisering af iterative designprocesser. Hvis du vil skabe et nyt spillandskab, kan GenAI generere hundrede variationer ud fra dine specifikationer: 4×4 kilometer, to bjerge, en sø.
Hurtige iterationer. Du kan derefter vælge den bedste variant - version 36 - og forfine den yderligere: det østlige bjerg er lidt fladere, og søen er betydeligt større og med flere bugter, med en indstrømning fra nordøst og en udstrømning mod sydøst. AI'en genererer igen prototyper, der matcher disse specifikationer. Denne tilgang sparer ikke kun tid, men åbner også op for nye kreative muligheder ved at generere ideer, som du måske ikke selv havde overvejet. Trin for trin kan du arbejde dig frem til en prototype, som du derefter kan fortsætte med at finjustere manuelt.
Rollen for kodningsværktøjer og testautomatisering
Ud over at generere indhold spiller GenAI også en rolle i automatiseringen af kodnings- og testprocesser. Kodningsværktøjer baseret på GenAI kan hjælpe med at programmere hurtigere og mere effektivt ved at foreslå kodelinjer, identificere fejl og endda generere hele kodeafsnit automatisk. Det reducerer ikke kun fejlprocenten, men fremskynder også hele udviklingsprocessen.
Automatiser test. Et andet vigtigt område, hvor AI hjælper med at øge effektiviteten, er testautomatisering. I spiludvikling er testning en vigtig, men ofte kedelig proces. AI kan hjælpe med at automatisere test ved at identificere potentielle fejlkilder, foreslå løsninger og automatisk implementere og teste dem.
Analyse af testvideoer. Et eksempel blev præsenteret på Devcom, hvor menneskelige testspillere dannede en "hær af testere" sammen med AI. De videooptagelser af testspil, der genereres på denne måde, kan derefter analyseres ved hjælp af præcist trænet AI: Hvilke dele ser ud til at være fejl, som et menneske bør se nærmere på?
Kombinationen af automatiseret indholdsskabelse, kodningsværktøjer og testautomatisering har til formål at fremskynde hele udviklingsprocessen uden at gå på kompromis med kvaliteten.
Uafhængighed. Hvor et automatiseret system tidligere kunne se, hvorfor programmet var blokeret, skrev det en e-mail eller ticket til den ansvarlige for programmodulet: "Der er sket en fejl i modul XY. Ret den venligst, og genstart programmet."
Takket være AI kan sådanne beskeder allerede se sådan ud i dag:
- "Vi havde et styrt kl. 9:14:33.
- Jeg har identificeret modul XY som årsagen.
- Jeg har fundet følgende fejl i linje 2352-2366 [fejlbeskrivelse].
- og rettes som følger [rettelsesbeskrivelse].
- Jeg har testet rettelserne i testmiljøet
- og genstartede programmet kl. 9:15:21.
- Siden da har den kørt fejlfrit.
- Tjek venligst de ændringer, du har foretaget, og frigiv dem til live-drift."
Fokus på kreativitet. GenAI skal gøre det muligt at koncentrere sig om de kreative aspekter af arbejdet, mens AI'en overtager størstedelen af de tekniske og repetitive opgaver. Det giver mere tid til det, der virkelig betyder noget: at skabe innovative og spændende spilverdener.
Skræddersyet kreativitet: AI som værktøj for kunstnere
Generativ AI har potentiale til fundamentalt at ændre den måde, kunstnere arbejder på, ved at levere specialiserede værktøjer, der understøtter og forbedrer det kreative arbejde.
Væk fra mainstream. Et centralt aspekt af dette er udviklingen og brugen af specialiserede AI-modeller, der er skræddersyet til en kunstners individuelle behov og unikke stil. Disse skræddersyede modeller gør det muligt at designe kreative processer mere effektivt og præcist uden at miste den kunstneriske kontrol.
Vigtigheden af specialiserede AI-modeller
Mens generiske AI-modeller allerede kan levere imponerende resultater på mange mainstream-områder, når de ofte deres grænser, når det drejer sig om præcist at gengive eller videreudvikle en kunstners specifikke stil.
En AI pr. kunstner. Der udvikles specialiserede AI-modeller til at klare netop denne udfordring. De trænes ud fra en kunstners individuelle stil og æstetiske præferencer, så det indhold, der genereres af AI'en, afspejler præcis det, kunstneren havde tænkt sig.
Kent Keirsey understregede i sin præsentation på devcom, hvor vigtigt det er for kunstnere at bevare kontrollen over deres kreative processer: "Vi træner modellerne i kunstnerens stil. Den grundlæggende model er open source, men træningsresultaterne er baseret på kunstnerens specifikke stil eller karakterer. Derefter overskriver de open source-modellen. Det giver kunden mulighed for at bruge præcis denne stil til nye kreationer."
AI som en digital pensel. Denne tilgang sikrer, at AI'en ikke bare fungerer som et værktøj, men som en forlængelse af kunstnerens kreative udtryk. Det skaber et værktøj til spilindustrien, som er skræddersyet til det specifikke spil, der skal genereres indhold til.
Scenarie hos Red Meat Games: Tilpasning af figurer og positurer
Betydningen af specialiserede AI-modeller er også tydelig hos Red Meat Games. Judy Ehrentraut forklarede, hvordan studiet bruger AI-motoren Scenario til at tilpasse figurer og positurer præcist og effektivt.
"Vi bruger ikke billeder fra Google, men arbejder udelukkende med vores egne billeder som grundlag for AI'en. Det gør det muligt for udviklerne hurtigt at bringe en figur fra deres eget kunstværk i den ønskede positur," forklarer han. Ehrentraut. Denne tilgang gør det muligt at opnå ensartede resultater af høj kvalitet, som bevarer studiets oprindelige stil.
Etiske udfordringer og menneskets rolle
Med fremkomsten af generativ AI i spiludvikling kommer etiske spørgsmål i stigende grad i forgrunden. En af de centrale debatter drejer sig om spørgsmålet: Hvem skaber et kunstværk - AI'en eller mennesket? Denne diskussion er på ingen måde triviel, da den berører grundlæggende aspekter af kunstnerisk forfatterskab og kreativ kontrol.
Hvem er den sande skaber? AI vs. mennesker
Dumme AI? Når en AI producerer et kunstværk baseret på en model, der er trænet af mennesker, opstår spørgsmålet om, hvem der er ansvarlig for den kreative præstation. Judy Ehrentraut præciserede, at den nuværende AI ikke har nogen selvstændig kreativitet, men blot implementerer, hvad den har lært af mennesker: "AI kan ikke lære på egen hånd, men bliver altid kun trænet med det, som mennesker træner AI med. Derfor er AI ikke rigtig 'intelligent'."
Den egentlige intelligens og kreativitet ligger stadig hos de mennesker, der træner og styrer AI'en. Ikke desto mindre er spørgsmålet, hvor meget AI'en bidrager til den endelige skabelse, og om den overhovedet kan betragtes som en "kunstner" i sin egen ret.
Etiske overvejelser ved brug af AI-genereret kunst
Etisk rene træningsdata. Brugen af AI-genereret kunst rejser en række etiske spørgsmål. Er det moralsk acceptabelt at lade en kunstig intelligens skabe kunstværker baseret på rigtige kunstneres stilarter og teknikker, uden at de er direkte involveret i skabelsen? Og hvad med integriteten af et værk, der helt eller delvist er blevet skabt af en sådan trænet maskine? Disse spørgsmål er særligt relevante i en tid, hvor AI i stigende grad bliver integreret i kreative processer.
Slørede grænser. Ehrentraut advarede i sin præsentation om, at ukritisk brug af AI kan føre til en udviskning af grænserne mellem menneskelig kreativitet og maskinel produktion.
Ansvarlighed. Pålidelighed. Tillid. Hun understregede, at det er vigtigt ikke at overse den menneskelige faktor i den kreative proces: Ansvaret og den virkelige intelligens ligger hos de mennesker, der bruger værktøjet, sagde hun. Ehrentraut. Ellers vil grænserne for pålidelighed, ansvar og tillid blive udvisket. Dette udsagn understreger, hvor vigtigt det er at forstå AI som et støtteværktøj, der kan forbedre den menneskelige kreativitet uden at erstatte den.
Copyright-udfordringer og behovet for etiske datakilder
Juridisk usikkerhed. Et andet vigtigt spørgsmål er beskyttelsen af intellektuel ejendom. Bliver ophavsretligt beskyttede værker misbrugt, når de bruges som grundlag for træning af AI-modeller? Svaret er ikke altid klart, og den nuværende lovgivning er ofte utilstrækkelig til at håndtere kompleksiteten i denne nye virkelighed.
Arbejde etisk og sikkert. Ehrentraut slog til lyd for, at virksomheder, der bruger AI i kunst- og spiludvikling, nøje skal sikre, at deres modeller trænes med etisk uangribelige data. Det er den eneste måde at sikre, at resultaterne både er af høj kvalitet og etisk acceptable.
Ansvar for mennesker. Udfordringerne ved at bruge AI-genereret kunst er mange, og de kræver en omhyggelig balance mellem de teknologiske muligheder og de etiske implikationer. Det er udviklernes og kunstnernes ansvar at finde denne balance og sikre, at AI bruges som et værktøj, der understøtter den menneskelige kreativitet uden at bringe dens integritet i fare.
AI-overkill: faren for kvalitetsforringelse
Med den stigende brug af generativ AI i kunst- og spilverdenen står vi over for en ny udfordring: truslen om AI-overkill. Det henviser til det fænomen, at internettet i stigende grad oversvømmes af middelmådigt AI-genereret indhold, hvilket i høj grad kan gå ud over kvaliteten og originaliteten af online-indhold. Judy Ehrentraut advarer indtrængende om de risici, der er forbundet med ukontrolleret brug af AI.
Risici ved at oversvømme internettet med middelmådigt AI-indhold
Middelmådighed. Forestil dig, at du søger efter unikt, kreativt indhold på internettet, men at de fleste resultater er AI-genererede og i bedste fald middelmådige. Det indhold, der er skabt af mennesker, og som ofte er mere dybtgående og originalt, bliver mere og mere usynligt i denne flodbølge.
Ehrentraut siger det i en nøddeskal: "Internettet er fuld af AI. Det gør det næsten ubrugeligt." Dette udsagn illustrerer det dilemma, vi befinder os i. Jo mere AI-genereret indhold, der dukker op på nettet, jo sværere bliver det at finde de virkelig gode værker, der er skabt af mennesker.
Problemet med faldende kvalitet i AI-genereret indhold
Et andet problem med AI-generering er, at kvaliteten af indholdet falder, hvis det gentagne gange revideres af AI-systemer. Et illustrativt eksempel er tekstgenerering: Hvis en AI skaber en tekst, og denne tekst derefter opsummeres eller behandles igen af en AI, falder kvaliteten en smule for hver gang. Til sidst er der en tekst tilbage, som knap nok er læselig, og som kun gengiver det oprindelige indhold på en forvrænget måde.
Konklusion: Behovet for menneskelig kontrol
Kvaliteten falder. Faren ved AI-overkill viser tydeligt, at AI-generering uden omhyggelig menneskelig kontrol og gennemgang hurtigt kan føre til en nedadgående kvalitetsspiral.
Flid under træningen. For at undgå denne udvikling er det vigtigt, at AI-modeller trænes med menneskelige data af høj kvalitet, og at resultaterne evalueres kritisk og korrigeres, hvis det er nødvendigt. Det er den eneste måde at sikre, at det indhold, der genereres af AI, ikke kun forbliver effektivt, men også af høj kvalitet, og at teknologiens kreative potentiale udnyttes fuldt ud.
