Fremtidens spill kan genereres i sanntid med kunstig intelligens

Vi har tidligere skrevet om hvordan forskere brukte Google Genie for å se om en kunstig intelligens kunne forstå forskjellen mellom video og spill. Om den kunne generere en video av noe som ser ut som et spill, basert på et stillbilde. Resultatet var så som så, men likevel lovende, ettersom den så ut til å forstå konseptet. Nå har Google og forskere ved Tel Aviv University avduket en KI-modell som kan simulere 3D-actionspillet Doom fra 1993.

Det dreier seg om GameNG, som bruker teknologi lånt fra Stable Diffusion til å generere spillbilder. Den kunstige intelligensen har blitt trent opp ved å se på videoer av spillet, og er nå i stand til å simulere en spilløkt som faktisk ligner veldig mye på spillet. Dette fikk spillutvikleren Nick Dobos til å skrive på X: «Hvorfor skrive komplekse programvareregler for hånd når KI-en kan tenke ut pikslene for deg?».

Turns out the answer to ‘can it run DOOM?’ is yes for diffusion models», skrev Stability AI:s forskningschef Tanishq Mathew Abraham

Selv om dagens GameNGen er svært begrenset, peker den likevel mot en fremtid der du i stedet for å ha programmerere som møysommelig skriver kode, i stedet har manusforfattere og kunstnere som beskriver spillet for en KI. Den genererer deretter det som vises på skjermen i sanntid for spilleren. Noe som kan komme til å bli kalt neural rendering. Faktisk spådde Nvidia-sjef Jensen Huang allerede i mars at mesteparten av spillgrafikken vil bli generert i sanntid av kunstig intelligens innen 5-10 år.

Et stort problem å løse er at spill er veldig regelbaserte. Siden dagens KI i det minste gjetter hva som vil skje videre, lurer vi i det minste på hvordan det vil se ut hvis du spiller spillet på nytt. Vil det være helt annerledes? Hvordan vil spillerne kunne konkurrere med hverandre hvis spillene ikke er identiske?

I spillvideoen ser vi for eksempel at KI-en ikke skjønner sammenhengen mellom å plukke opp ammunisjon og at ammunisjonstelleren øker.

Et annet problem er at slike genererte videoer alltid inneholder små feil. Og fordi neste bilde er basert på de foregående, bygger feilene seg opp til resultatet blir ubrukelig. Det er ingen tvil om at forskerne har mye å jobbe med i fremtiden.

Jonas Ekelund

(f. 1969): Journalist og nyhetsredaktør. Jonas har jobbet for Lyd & Bilde siden 2007 med det meste som kan kalles bærbart. Det vill si mobiler, trådløse høyttalere og hodetelefoner. Iblant kommer testingen inn på kollegaenes områder innenfor multiromslyd, hjemmekino og foto. Han startet sin bane som teknikkjournalist på IDG og skrev blant annet for PC för Alla, Internetworld og det som senere ble M3.