今天早些时候,Microsoft Xbox 部门的负责人发布了 Muse,这是一个旨在为游戏创建视觉效果和玩法的生成式 AI 模型。
这个在忍者理论工作室 (Ninja Theory) 已被大众遗忘的多人游戏《Bleeding Edge》基础上训练的模型,对 Microsoft Xbox 部门来说并非意外之举。从 CEO Satya Nadella 开始,整个公司都全面拥抱生成式 AI 技术。Xbox 部门跟进这一趋势只是时间问题。
然而,根据最新的游戏行业状况报告中对 1500 名开发者的调查显示,30% 的开发者对生成式 AI 持负面态度。不论生成式 AI 是否会长期存在,游戏开发者们似乎越来越抵制用生成式 AI 取代创意构思过程。
但 Microsoft 并非孤军奋战。Capcom 最近也提到在游戏开发的构思阶段使用生成式 AI,认为可以通过自动化处理游戏开发中成千上万的小决策,从而减少繁琐工作,让开发者将精力集中在创意上。值得注意的是,像 Muse 这样的模型,虽然吸收了数百小时人工创作的游戏内容,但仍然需要人来提供创意基础。
这也引发了一个问题:Microsoft 现在是否应该在意开发者的想法?作为平台持有者和可能是业内最大的第三方发行商,在未来几年里,应对现代设计的复杂性并试图像 Capcom 一样使其更经济高效可能至关重要。举例来说,Xbox Game Studio 的最新《Fable》项目据称从 2018 年就开始开发,但至今仍未宣布发布日期。
生成式 AI 能否解决这个问题或加快进度?这还是未知数。但游戏开发周期越来越长,这种状况对 Xbox 负责人 Phil Spencer 来说并非长久之计。
对 Xbox 而言,"保护"是他们推广 Muse 的关键论点。Microsoft 游戏 AI 部门副总裁 Fatima Kardar 在初始声明中表示,Muse 可以让老游戏不受硬件进步的限制,轻松适配现代观众。按照 Kardar 的说法,这将使重制版和向下兼容工程的机会成本变得无关紧要。但 Xbox 今天展示的 Muse 相关内容并未证实这一点。
通过如此大规模地公开推广 Muse,Xbox 似乎试图同时服务于股东和未来主义者两方。这本无可厚非,但重要的是要记住,Muse 是通过训练剑桥工作室开发的、未能引起观众共鸣的游戏的数百小时内容而成。如果等式中的所有要素都不尽如人意,最终产品又怎能不是一种妥协?
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。