Генеративные модели ИИ осваивают видеоигры, предлагая новый способ предсказывать игровые кадры на основе анализа геймплея. Эти технологии, получившие название нейродвижков, работают без привычных игровых ресурсов и правил, что открывает новые возможности в разработке игр.
Проекты нейродвижков появляются в последние годы на основе обучения нейросетей по видеозаписям игрового процесса. Они предсказывают следующий кадр, используя предыдущие изображения и действия игрока. Это принципиально отличается от традиционных игровых движков, которые опираются на заранее заданные текстуры, карты уровней и правила.
Первые эксперименты с нейродвижками связаны с классическими играми. Например, модели GameNGen и WHAMM симулируют DOOM и Quake II, а также существуют проекты на базе CS:GO, GTA 4, Forza Horizon 5 и других известных игр. Некоторые демонстрации доступны пользователям, включая нейроверсии Minecraft и GoldenEye 007.
Как работают нейродвижки
Обучение нейродвижков происходит в два этапа. Сначала энкодер преобразует визуальные данные из видеозаписей в внутренние представления модели. Затем отдельная нейросеть учится предсказывать изменения в игровом мире в ответ на действия игрока, формируя правила игры. На финальном этапе модель генерирует изображение следующего кадра, учитывая состояние мира и предыдущие картинки.
Главное ограничение технологии связано с объемом памяти модели, которая ограничена контекстным окном и потому может терять связность мира при длительной игре. Например, в экспериментах с Oasis, нейродвижком для Minecraft 2024 года, при отведении взгляда игровой мир меняется, что нарушает ощущение стабильности.
Современные достижения и разнообразие подходов
Развитие нейродвижков связано с разными архитектурами и источниками данных. Одни команды обучают модели на записях реальных игроков, другие создают данные через автономных агентов в виртуальных средах. Особенно выделяются модели мира (World Model), которые строят внутренние представления окружения с физикой и причинно-следственными связями.
Крупные компании и исследовательские группы предлагают решения типа Lyra 2.0 от NVIDIA, Hunyuan-GameCraft от Tencent, Matrix-Game 3.0 от Skywork и Genie 3 от Google DeepMind. Эти модели могут создавать детализированные виртуальные миры исходя лишь из текстовых описаний или одного изображения. Некоторые из них используются для воссоздания популярных игр, однако из-за юридических аспектов доступ к таким возможностям ограничен.
Перспективы и ограничения
Несмотря на впечатляющие демонстрации, нейродвижки пока не заменяют традиционные игровые движки. Их модели ограничены по длительности и сложности симуляции. Игровой процесс зачастую прост, персонажи двигаются мало, а мир быстро теряет согласованность. Именно поэтому нейродвижки рассматриваются в основном как инструмент для быстрой генерации прототипов, арт-проектов и интерактивных инсталляций.
Вне игрового контекста модели мира уже применяются для тренировки систем автономного транспорта на симуляциях без физического присутствия. Эксперты продолжают работать над улучшением памяти и реалистичности таких систем, что может повлиять и на будущее игровой индустрии.
Переход на сайт «Нева Инфо»В контексте изменений в искусстве стоит обратить внимание на то, как технологии влияют на творчество, например, в статье Как технологии меняют творчество монументалистов в современном искусстве.
Подробнее о развитии нейродвижков и их технических особенностях рассказывает материал на сайте N+1.






