Google Stadia Devs planejam criar games usando Machine Learning

Criar games com mundos enormes em pouco tempo é possivel com Machine learning

#Games Publicado por mhenriquecd, em Sun, 26 Apr 2020 15:53:15 -0300 [Full]

Está ficando normal os desenvolvedores empregarem técnicas de Michine Learning para todos os tipos de tecnologias, e é razoável imaginar como isso pode ser usado para aprimorar o desenvolvimento de jogos.

É para isso que os desenvolvedores do Google Stadia estão optando pelo Projeto Chimera. Uma equipe de desenvolvedores e engenheiros está pesquisando a potencialidade de redes adversárias generativas (GANs).

Falando com a revista MCVUK - edição 956, abril de 2020 - Erin Hoffman-John, chefe de criação de pesquisa e desenvolvimento da Stadia, teve uma breve discussão sobre aprendizado de máquina. Ele explicou que o ML equipa pequenas equipes de desenvolvimento para criar jogos completos como o World of Warcraft .

Além disso, a criação de conteúdo pode ser facilitada, pois o ML treina um conjunto de imagens usadas no jogo e cria designs completamente novos com base na imagem.

“Estamos assumindo o risco de que os desenvolvedores não querem. Nós conversamos externamente com os desenvolvedores e perguntamos a eles, quais são as coisas que você sempre quis fazer, mas não conseguiu? Quais são as coisas que você teve que cortar nos seus jogos porque não conseguiu fazê-los com rapidez suficiente ou simplesmente não teve o poder de processamento? ”

“E se uma equipe de 14 pessoas pudesse fazer um jogo da escala de World of Warcraft ? Esse é um objetivo impossível, certo? O problema de jogos como o World of Warcraft é que eles dependem de muita criação pesada e repetitiva de conteúdo. Os artistas e os escritores estão fazendo um monte de trabalho essencialmente duplicado, é para onde vai grande parte do investimento. Se você observar a quantidade de dinheiro gasto em um jogo como o World Warcraft , é como 70% de conteúdo e 30% ou menos de código, mesmo sendo uma quantidade enorme de código, é muito mais do lado do conteúdo. ”

O Project Chimera do Google também visa facilitar a fase de equilíbrio de todos os jogos para os desenvolvedores de jogos. Novamente, isso é algo difícil e complexo para equipes menores, mas com o ML - especificamente o aprendizado por reforço - o tempo de desenvolvimento é significativamente reduzido e pode ajudar bastante na simplificação da complexidade, de acordo com Erin Hoffman-John;

“(...) jogando o jogo milhões de vezes com agentes de aprendizado por reforço que treinamos nas regras do jogo, que nos permitem testar o equilíbrio muito, muito rapidamente. Portanto, mesmo um pequeno desenvolvedor que pode não ter acesso a centenas de pessoas para testar seu jogo pode ter acesso a essa ferramenta de aprendizado por reforço que otimizará o jogo. Ele pode aprender o jogo por si só, sem ser roteirizado e, em seguida, informar onde estão os problemas no equilíbrio. Permite testar suas teorias do design em relação ao que está acontecendo em tempo real. ”

O aprendizado por reforço já conquistou o mundo. Um exemplo é o AlphaStar da DeepMind, que pode derrotar 99,8% dos jogadores humanos de Starcraft II . Mas o objetivo aqui seria ajudar a equilibrar o jogo ao invés de competir com seres humanos usando ML.

Isso seria um progresso significativo para a indústria de jogos, especialmente para estúdios com uma pequena equipe de desenvolvedores. Agora, esses estúdios poderiam fazer jogos em massa com sucesso sem o número de grandes estúdios de jogos dos desenvolvedores à sua disposição.

Em essência, ML está aqui para ficar e vai desempenhar um papel significativo nos jogos. Fique atento para mais atualizações!

O Google vai realizar outro Stadia Connect nesta terça-feira, 28 de abril no YouTube as 13h ( horário de brasília ) e pode ser que eles dêem mais detalhes sobre o assunto.

Fonte: Happygamer

Tags: