AIイメージ生成は、ゲーム開発において不可欠になっている
AIの大規模モデル技術が1年以上発展し、筆者はあらゆる業界の展示会でAIについて語らずにはいられなくなっていることに慣れてきました。AI搭載の換気扇からAIウェアラブルアーマーまで、AIはまさにどこにでもあります。
しかし、ChinaJoyの会場で、筆者は驚いたことに、各ゲーム出展社がブースでAIのトレンドに便乗することを急いでいないことに気づきました。各ゲーム大手のブースは、依然としてゲーム自体のコンテンツが中心でした。
ただし、ChinaJoyに参加したゲーム開発者と交流した後、筆者は現在、ゲーム開発のプロセスにおいて、AIイメージ生成の能力がすでに広くゲーム開発のワークフローに組み込まれていることを発見しました。これは独立開発者の小規模チームでも、より大規模な企業でも同様です。
単独で約40のゲームを開発した独立開発者は、GeekParkに次のように述べています。### 現在、AIイメージ生成サービスのゲーム開発への応用は非常に成熟しています。「1回で4枚の画像を生成し、同時にAIを40回実行させることで、160の方向性が得られます。私は簡単に1つの方向性を選んで開発を続けることができます。」
ゲーム開発の教育を行っている参加者のFang Yanも、現在はゲーム開発者にAIイメージ生成を教えて、ゲーム開発の効率を向上させていると述べています。
広く応用されているもう1つのAIサポートは、AIコード作成です。ある独立ゲーム開発者は、元々ゲームプロジェクトの開発経験はあったものの、コードを書くことができなかったと言います。しかし、AIコードのサポートを得て、彼は一人でAIと格闘し、自分のゲームを書き上げました。「これも半分AIゲームと言えるのでは！」と彼は笑いながら言いました。
NetEase Egg Partyのゲーム責任者も、AIジェネレーションツールがユーザーにより簡単に新しいレベルを作成させ、ゲームにより豊かなコンテンツを追加するのに役立ったと共有しました。
ゲーム開発者は一般的に、将来AIの応用が期待される分野として、AIビデオ生成とAI 3D生成を挙げています。
開発者はAIイメージ生成とAIビデオ生成を比較して次のように述べています：「AIビデオ生成はまだあまりコントロールできません。時には前半は望んだ通りですが、後半になるとビデオの内容が変形してしまいます。また、AIイメージ生成では一度に160枚の画像を生成できますが、AIビデオではそうはいきません。一般的に1つのビデオを生成するのに長い時間がかかり、複数の生成を同時に行うこともできず、1つの生成が完了するのを待ってから次のビデオを生成しなければなりません。」
AI 3D生成は期待されるもう1つの分野ですが、現在AI 3Dモデル生成をゲーム制作パイプラインに直接適用するには、まだいくつかの克服できない問題があります。しかし、Ubisoft中国チームの開発エンジニアであるYing Zhiは、現在、AI生成3Dモデルテクスチャの技術は比較的成熟しており、3Dモデル生成に比べてテクスチャ生成の方がゲーム開発プロセスにより早く適用されるだろうと述べています。
ゲームプレイの革新は対話型ゲームに限定される
大規模モデル技術をゲームに組み込む構想の中で、よくある想像は、AIにゲームのストーリーラインを任せることです。ゲームのシナリオは元々長いストーリーブランチを書く必要がありましたが、将来的にはゲームの展開を完全にAIが担当し、NPCも直接大規模モデルの対話が引き継ぐというものです。
しかし、今回のChinaJoyでゲーム開発者と交流した結果、このような未来のモデルはまだ成熟していないという印象を受けました。一方では、多くのゲームが依然として3Dゲームであり、素材自体を事前に開発する必要があるため、ストーリーに対してある程度のコントロールが必要です。他方では、AI大規模モデルの能力自体が安定していないため、ゲーム全体のストーリーラインを引き継ぐのはまだ難しいのです。
このような制限の下で、### 現在のAIネイティブゲームは、ゲームプレイの革新において、依然として対話型ゲームに限定されていることがわかりました。以前に話題になった「あやすシミュレーター」のように、AIがゲームクリアを判断するNPCを演じ、人間が知恵を絞って対話でクリアするというものです。ゲーム自体のインターフェースは主に2D、あるいは対話ボックスだけというものもあります。
しかし、このような制限条件下でも、いくつかの興味深いゲーム性のあるAIネイティブゲームを見ることができました。
例えば、独立ゲーム「1001 Nights」は、おとぎ話「千夜一夜物語」を背景に、新しいシナリオ設定を行いました。プレイヤーは王に物語を語る哀れな新婦を演じますが、王が知らないのは、新婦には言葉を現実に変える能力があるということです。プレイヤーは一貫した物語を語り、王を怒らせないようにしながら、頭を絞って物語の中に自分が欲しい武器を埋め込み、最終的に語ることで武器を現実化し、残虐な王を打ち負かす必要があります。
もう1つの独立ゲーム「言霊計画」は、自然言語駆動の対戦ゲームとして設定されています。攻撃側と防御側は、とんでもない攻撃方法を考え出し、お互いの小精霊を戦わせます。AIが対戦の両者のどちらの攻撃がより突飛で、攻撃が相手の突飛な解決策で解消されるかどうかを判断します。テスト過程では、多くのプレイヤーがこの作り話に基づく対戦ゲームに夢中になり、平均プレイ時間は30分だったそうです。
ChinaJoyでは、AI対話型ゲームがすでに比較的成熟していることがわかりました。多くのゲーム開発者もこの展示会で関連情報を求めていました。
智谱AI社もこのChinaJoyに参加し、そのゲーム業界拡大担当者はGeekParkに、ChinaJoyサミット期間中、多くのゲーム開発者が関連するAI技術を自分のゲームにどのように組み込めるかについて問い合わせに来たと語りました。今回彼らが主に推進している製品は、キャラクターロールプレイを担当する超リアルな大規模モデルです。
これは我々が観察した業界の現象とも一致しています：### 感覚の鋭い企業はすでに対話型エンターテイメントアプリを海外展開し始めています。
先日のニュースによると、MiniMaxが昨年発表したエンターテイメント対話アプリ「Talkie」は今年に入ってアメリカ市場で累計380万回ダウンロードされ、AIアプリの中で4位にランクインしています。また、ChinaJoyの会議では、日本のFreakout社が、生成型AIのエンターテイメントアプリがゲーム市場の使用時間を奪っていると述べています。
大手企業が競ってAI同伴プレイを導入
ChinaJoy期間中、多くの大手企業がモバイルゲームのパブリックテストを開始しましたが、その中でも目玉の1つは、AI同伴プレイが多くのゲームの新しいセールスポイントになっていることです。
7月25日、『Naraka: Bladepoint』モバイル版がパブリックテストを開始しました。PCゲーム版と比べての1つの特徴は、リアルタイム音声通信が可能なAIチームメイトが追加されたことです。
AIチームメイトには選択可能な異なる性格があります。### 人間のチームメイトと違うのは、AIチームメイトは「本当に言うことを聞く」ということです。チームメイトに指示した場所を攻撃させたり、装備を拾わせたり、捨てさせたりすることが本当に実現できます。同時に、プレイヤーと感情的なコミュニケーションを取り、「ベイビー」と呼びかけながらプレイヤーのプレイを褒めたりします。
同様に、Youzu NetworkもChinaJoy期間中に初めて、最初のAIコンパニオン製品「コードネーム：小遊酱」のイメージを公開しました。
ゲームの同伴プレイを提供し、感情的な価値をもたらすことも、AIとゲームの融合の1つの方向性のようです。
「大胆に予測すると、今後ゲーム内で人間とほとんど区別がつかないAIキャラクターに出会うことは、高い確率で起こるでしょう」とNetEase社の副社長Pang Dazhiは述べています。
見えるAIと見えないAI
興味深いことに、ChinaJoyのゲーム展示ホールでは、多くのAIの標識を見ることはできませんでした。最もAIの標識が見られる場所は、むしろChinaJoyの家電展示ホールでした。
各ハードウェアメーカーがゲームメーカーよりも急いでAIのラベルを自社に貼り付けようとしているようです。
今年の家電展示エリアでは、各チップメーカーが自社のAIチップ能力を強調し、各スマートフォンメーカーが自社のAIスマートフォン能力を強調しているのが見られました。華為は展示エリアでHarmonyOSシステムのネイティブインテリジェントフレーム補間能力を重点的に強調し、Lenovoは自社のAI PCを持ち込み、インテリジェントアシスタント機能を強調しました。
見えないところでも、AIは多くのゲーム関連産業を静かに変えています。
ChinaJoyに参加した海外広告会社Molocoは、その広告の精密なターゲティングが、背後にある先進的な深層学習ニューラルネットワークに由来していると述べています。そして将来的には、AI生成の広告素材をグループテストすることで、Molocoの広告はゲームクライアントにより正確にサービスを提供できるようになるとしています。
また、元々大量の人的介入が必要だったゲームの文明的行動審査も、今日ではMOBAメーカーがAIを導入し、毎日数十万試合の非文明的行動をより効率的に審査しようとしています。
Ubisoftは、ニューラルネットワークを使用して、光線追跡の従来のやり方を変え、小さなニューラルネットワークを使用して可視化計算を行っています。