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
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。