მოკლე ვიდეო ვერსია გსურთ? შეგიძლიათ ნახოთ აქ. წინააღმდეგ შემთხვევაში, თუ ტექნიკური დეტალები გაინტერესებთ, განაგრძეთ კითხვა! შენიშვნა: ეს გაკვეთილი განკუთვნილია მკითხველებისთვის, რომლებიც იცნობენ Unity-ს განვითარებას და C#-ს. თუ ამ ტექნოლოგიებში ახალი ხართ, გაგრძელებამდე იხილეთ სერია Unity დამწყებთათვის. ამ გაკვეთილის სერიის 1-ელ ნაწილში ჩვენ გამოვიყენეთ AI ხელოვნების სტილისთვის. უფრო კონკრეტულად, Stable Diffusion გამოვიყენეთ კონცეპტუალური ხელოვნების გენერირებისა და ჩვენი თამაშის ვიზუალური სტილის შესაქმნელად. ამ ნაწილში ჩვენ AI-ს თამაშის დიზაინისთვის გამოვიყენებთ. მოკლე ვერსიაში ვისაუბრებ იმაზე, თუ როგორ გამოვიყენე ChatGPT, როგორც ინსტრუმენტი თამაშის იდეების შესამუშავებლად. მაგრამ რაც უფრო მნიშვნელოვანია, რა ხდება რეალურად აქ? განაგრძეთ კითხვა ენობრივი მოდელების ფონური ინფორმაციისა და თამაშების განვითარებაში მათი ფართო გამოყენების შესახებ. მოკლე ვერსია მარტივია: სთხოვეთ ChatGPT-ს რჩევა და მიჰყევით მის რჩევას თქვენი შეხედულებისამებრ. ფერმერული თამაშის შემთხვევაში, მე ვკითხე ChatGPT-ს: "თქვენ ხართ პროფესიონალი თამაშის დიზაინერი, რომელიც ქმნის მარტივ ფერმერულ თამაშს. რომელი ფუნქციებია ყველაზე მნიშვნელოვანი იმისთვის, რომ ფერმერული თამაში იყოს სახალისო და მიმზიდველი?" მიცემული პასუხი მოიცავდა (შეჯამებული): იმის გათვალისწინებით, რომ მხოლოდ 5 დღე მქონდა, გადავწყვიტე პირველი ორი პუნქტი „გრეი-ბოქსის“ სახით გამეკეთებინა. შედეგის თამაში შეგიძლიათ აქ, ხოლო საწყისი კოდის ნახვა აქ. მე არ ვაპირებ დეტალურად ჩაღრმავებას, თუ როგორ განვახორციელე ეს მექანიკა, რადგან ამ სერიის აქცენტი კეთდება იმაზე, თუ როგორ გამოვიყენოთ AI ინსტრუმენტები თქვენს თამაშის განვითარების პროცესში და არა იმაზე, თუ როგორ შევქმნათ ფერმერული თამაში. ამის ნაცვლად, ვისაუბრებ იმაზე, თუ რა არის ChatGPT (ენობრივი მოდელი), როგორ მუშაობს ეს მოდელები რეალურად და რას ნიშნავს ეს თამაშების განვითარებისთვის. ChatGPT, მიუხედავად იმისა, რომ მიღწევაა ფართო მასშტაბით გამოყენების თვალსაზრისით, არის ტექნოლოგიის განვითარება, რომელიც გარკვეული პერიოდის განმავლობაში არსებობდა: ენობრივი მოდელები. ენობრივი მოდელები არის ხელოვნური ინტელექტის ტიპი, რომელიც გაწვრთნილია სიტყვების თანმიმდევრობის ალბათობის პროგნოზირებისთვის. მაგალითად, თუ დავწერდი „კატა მისდევს ____“, ენობრივი მოდელი გაწვრთნილი იქნებოდა „თაგვის“ პროგნოზირებისთვის. ეს წვრთნის პროცესი შემდეგ შეიძლება გამოყენებულ იქნას მრავალფეროვანი ამოცანებისთვის. მაგალითად, თარგმანი: „კატის ფრანგული სიტყვაა ____“. ეს მოწყობა, თუმცა წარმატებული იყო ზოგიერთ ბუნებრივი ენის ამოცანაში, არ იყო ახლოსაც კი დღევანდელ შესრულების დონესთან. ეს შეიცვალა ტრანსფორმერების შემოღებამდე. ტრანსფორმერები, რომლებიც 2017 წელს დაინერგა, არის ნერვული ქსელის არქიტექტურა, რომელიც იყენებს თვითყურადღების მექანიზმს მთელი თანმიმდევრობის ერთდროულად პროგნოზირებისთვის. ეს არის ტექნოლოგია თანამედროვე ენობრივი მოდელების უკან, როგორიცაა ChatGPT. გსურთ გაიგოთ მეტი, თუ როგორ მუშაობენ ისინი? გაეცანით ჩვენს კურსს „შესავალი ტრანსფორმერებში“, რომელიც უფასოდ არის ხელმისაწვდომი Hugging Face-ზე. მაშ, რატომ არის ChatGPT ასეთი წარმატებული წინა ენობრივ მოდელებთან შედარებით? ამაზე სრულად პასუხის გაცემა შეუძლებელია, რადგან ChatGPT არ არის ღია კოდის. თუმცა, ერთ-ერთი მიზეზი არის გაძლიერებული სწავლება ადამიანის უკუკავშირიდან (RLHF), სადაც ადამიანის უკუკავშირი გამოიყენება ენობრივი მოდელის გასაუმჯობესებლად. იხილეთ ეს ბლოგპოსტი RLHF-ის შესახებ მეტი ინფორმაციისთვის: როგორ მუშაობს ის, მისი ღია კოდის ინსტრუმენტები და მისი მომავალი. ხელოვნური ინტელექტის ეს სფერო მუდმივად იცვლება და სავარაუდოდ შემოქმედებითობის აფეთქებას მოასწავებს, რადგან ის ხდება ღია კოდის საზოგადოების ნაწილი, მათ შორის თამაშების განვითარებაში გამოყენების კუთხით. თუ ამას კითხულობთ, ალბათ უკვე წინ უსწრებთ მოვლენებს. მოკლე ვერსიაში მე ვისაუბრე იმაზე, თუ როგორ გამოვიყენე ChatGPT თამაშის იდეების შესამუშავებლად. თუმცა, კიდევ ბევრი რამის გაკეთება შეგიძლიათ მასთან ერთად, მაგალითად, მისი გამოყენება მთლიანი თამაშის დასაკოდირებლად. შეგიძლიათ გამოიყენოთ ის თითქმის ყველაფრისთვის, რაზეც კი იფიქრებთ. რაც შეიძლება ცოტა უფრო სასარგებლო იყოს, არის იმის განხილვა, თუ რა არ შეუძლია მას. ChatGPT ხშირად ძალიან დამაჯერებლად ჟღერს, თუმცა მცდარია. აქ არის ChatGPT-ის წარუმატებლობების არქივი. ამის მიზეზი ის არის, რომ ChatGPT არ იცის რაზე საუბრობს ისე, როგორც ადამიანმა. ეს არის ძალიან დიდი ენობრივი მოდელი, რომელიც პროგნოზირებს სავარაუდო გამოსავალს, მაგრამ რეალურად არ ესმის რას ამბობს. ჩემი პირადი ფავორიტი მაგალითი ამ წარუმატებლობებიდან (განსაკუთრებით აქტუალური თამაშების განვითარებისთვის) არის კვატერნიონების ეს ახსნა Reddit-იდან: ეს ახსნა, თუმცა შესანიშნავად ჟღერს, სრულიად მცდარია. ეს შესანიშნავი მაგალითია იმისა, თუ რატომ არ უნდა იქნას გამოყენებული ChatGPT, მიუხედავად მისი დიდი სარგებლიანობისა, როგორც ცოდნის საბოლოო ბაზა. თუ ChatGPT ხშირად ცდება, უნდა გამოიყენოთ ის? მე ვიტყოდი, რომ ის მაინც უკიდურესად სასარგებლოა, როგორც ინსტრუმენტი და არა როგორც შემცვლელი. თამაშის დიზაინის მაგალითზე, შემეძლო ChatGPT-ის პასუხისთვის მიმყოლოდა და მისთვის მეთხოვა ყველა მისი შემოთავაზების განხორციელება ჩემთვის. როგორც უკვე აღვნიშნე, სხვებმა გააკეთეს ეს და ის გარკვეულწილად მუშაობს. თუმცა, გირჩევთ, გამოიყენოთ ChatGPT უფრო მეტად როგორც ინსტრუმენტი ტვინების შტორმისთვის და პროცესის დასაჩქარებლად, ვიდრე როგორც სრული შემცვლელი განვითარების პროცესის ნაბიჯებისთვის. დააჭირეთ აქ ნაწილის 3 წასაკითხად, სადაც AI-ს 3D აქტივებისთვის გამოვიყენებთ. მეტი სტატია ჩვენი ბლოგიდან · დარეგისტრირდით ან შედით კომენტარისთვის.