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
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。