Umetna inteligenca v igrah in zabavi
Pregled predavanj in javnih nastopov ekipe protoeastern o vplivu strojnega učenja, generativnih modelov in adaptivnih sistemov na izkušnje v digitalnih igrah ter medijih.
Izbrana predavanja
Vsak nastop obravnava konkretno vprašanje iz prakse in specifične izzive, s katerimi se srečujejo razvijalci in producenti.
Proceduralna generacija svetov z difuzijskimi modeli
Predavanje je obravnavalo, kako studii danes ne pišejo več ročno vsakega kotička igričarskega sveta. Difuzijski modeli omogočajo generiranje koherentnih pokrajin, ki sledijo pravilom fizike in estetike hkrati. Prikazali smo primer iz produkcijskega okolja, kjer je sistem v 40 sekundah ustvaril igriv nivo z delujočimi kolizijami in umetniško stilizacijo.
NPC-ji, ki se učijo iz vedenja igralcev
Tradicionalni NPC-ji sledijo vnaprej napisanim skriptam. Reinforcement learning omogoča nasprotnike, ki opazujejo, kako posamezen igralec pristopa k igri, in prilagodijo svojo taktiko. Nastop je zajel konkretne primere iz naslovov, ki so to tehnologijo že integrirali, ter opisal etične dileme glede poštene igre.
Pripovedništvo v dobi jezikovnih modelov
Veliki jezikovni modeli omogočajo, da se zgodba v igri ali seriji odziva na odločitve posameznika. Predavanje je pokazalo meje tega pristopa. Skupaj z občinstvom smo analizirali tri produkcije, ki so eksperimentirale z dinamičnimi dialogi, ter izpostavili nerešene tehnične in narativne probleme.
Animacija likov brez motion capture studija
Manjši studii si ne morejo privoščiti motion capture opreme. Modeli, ki iz referenčnih posnetkov sintetizirajo naravno gibanje, demokratizirajo produkcijo. Predstavili smo delovni tok, ki ga je ena oseba sama implementirala v štirih tednih z odprtokodnimi orodji.
Zakaj se protoeastern ukvarja s tem področjem
Umetna inteligenca v igrah in zabavni industriji vključuje praktična orodja, ki jih studii že danes vgrajujejo v produkcijske procese. protoeastern od leta 2024 spremlja uvajanje teh orodij ter o ugotovitvah poroča na konferencah in delavnicah po vsej državi.
Vsak nastop temelji na konkretnem primeru. Predavatelji opisujejo, kateri model so preizkusili, kako je deloval v praksi in kje so naleteli na ovire. Občinstvu predstavljajo preverljive ugotovitve namesto tržnih obljub.
Teme pokrivamo na treh ravneh zahtevnosti: uvodni nastopi so namenjeni producentom in managerjem, ki se prvič srečujejo s tem področjem; srednji nivo naslavlja razvijalce, ki iščejo konkretne implementacijske odgovore; napredna predavanja so namenjena ekipam, ki AI že uporabljajo in iščejo primerjavo z drugimi pristopi.