人工智能是2017年的一大熱點，在游戲開發(fā)這個領(lǐng)域，人工智能究竟能夠與什么技術(shù)相結(jié)合，對于未來的游戲制作與呈現(xiàn)方式又會產(chǎn)生怎樣的影響?NVIDIA內(nèi)容和技術(shù)部門副總裁Rev Lebaredian在2017ChinaJoy同期舉辦的中國游戲開發(fā)者大會(CGDC)上，作為重要演講嘉賓(Keynote)發(fā)表主題演講，向我們分享了未來云服務(wù)、人工智能、深度學習甚至機器人與游戲研發(fā)能夠產(chǎn)生的交集，以及未來無窮的可能性。

有了云服務(wù)的支持，未來只需去想如何把游戲做到更創(chuàng)新

縱觀如今最受歡迎的游戲，不難發(fā)現(xiàn)玩家對于游戲的需求不僅是一個好的玩法，還希望游戲有很好的內(nèi)容，要求游戲看上去更加真實，讓玩家能夠沉浸其中。以主流視頻游戲為例，NVIDIA為此做出了許多的努力，每一代GPU的推出，都伴隨著巨大的資金投入與顯著的性能提升，基于游戲渲染方面進行性能的提升有口皆碑。

“隨著云計算的發(fā)展，NVIDIA正在逐步努力嘗試將游戲從本地PC推到云端。”Rev Lebaredian坦言，這一舉措不僅能夠解決玩家PC性能不夠好、無法玩復雜游戲的問題，更能隨著移動游戲的爆發(fā)，適應(yīng)移動游戲用戶便捷的移動設(shè)備，讓玩家能獲得類似于主機游戲或者PC游戲的體驗。云端上的GPU計算力是游戲機的4倍，而且能夠解決對于GPU和CPU的消耗和發(fā)熱量比較大的問題，NVIDIA通過搭建GeForce NOW這樣一個平臺來滿足游戲?qū)τ谠频男枨蟆?/p>

在網(wǎng)絡(luò)條件好的情況下，未來GeForce NOW研發(fā)時所遇到的游戲復雜度和規(guī)模大小的限制就可以得以突破，未來游戲放在云端，即使游戲容量達到50G甚至100G都不會影響游戲的體驗，云端上可能有海量的計算設(shè)備在幫助進行計算，游戲開發(fā)者只要考慮如何把游戲做得更創(chuàng)新、更復雜。

現(xiàn)在已經(jīng)是一個新型人工智能的游戲時代

回顧歷史，1995年，PC 互聯(lián)網(wǎng)、WinTel、Yahoo，10億PC用戶;到了2005年，移動+云、iPhone、亞馬遜云，25億移動用戶;2015年，AI和物聯(lián)網(wǎng)、深度學習、GPU，千億級數(shù)量的設(shè)備。

現(xiàn)在又進入一個更新的時代，一個機器學習的階段。實際上AI并不是僅僅局限于電腦這個行業(yè)，隨著政府大力推進人工智能的發(fā)展，現(xiàn)在這個算法已經(jīng)非常先進，甚至可以擊敗人類了，比如AlphaGo。

AI在游戲領(lǐng)域的應(yīng)用主要有兩個方面非常值得期待。其中一個是利用AI來進行內(nèi)容創(chuàng)建。例如，可以用AI的一些算法對圖像數(shù)據(jù)進行識別轉(zhuǎn)化，然后使用深度學習的方法進行超采樣的操作，可以非常神奇的解決低分辨率的一些問題，讓整個細節(jié)更加的真實。又比如人物動畫的PFNN(Phase-Functioned Neural Networks)技術(shù)，通過大量學習人體動作將捕獲的運動數(shù)據(jù)與場景地形數(shù)據(jù)相匹配。當游戲中的角色遇到不同的3D場景環(huán)境，即可迅速做出情景所需要的正確反應(yīng)，而且動作非常流暢、自然，幾乎如同真人。AI能夠完成游戲開發(fā)中大量的建模工作，對于一些非人物角色，AI的完成效果可能更好，甚至能夠提高游戲的完成度與復雜程度。另一個廣闊的領(lǐng)域在于游戲中的玩家和NPC的AI技術(shù)，例如玩家已經(jīng)可以使用AI技術(shù)來打Doom的游戲，而俄羅斯的一家公司走的更遠，他們創(chuàng)造了一個叫Boris的AI系統(tǒng)，她能在即時戰(zhàn)略游戲里像人類一樣思考去打仗。

“我們可能未來把一些東西植入你的大腦，讓它變得更好”

Rev Lebaredian進一步介紹到，“NVIDIA有一個Project Holodeck的項目，在Holodeck平臺上打造了Regera這款超跑的虛擬模型，這個模型由超過5000萬個多邊形組建而成，通過一分半的時間就能產(chǎn)生這么多多邊形，從而能夠快速進行模擬。“

同時，NVIDIA現(xiàn)在意識到逼真的游戲虛擬環(huán)境也能很好地推動機器人的學習。利用 Holodeck平臺上Isaac Lab 模擬器訓練出的AI機器人，利用虛擬現(xiàn)實的技術(shù)讓機器人在模擬的場景中進行深度學習，再將學習的成果積累起來應(yīng)用到現(xiàn)實實踐中，幫助機器人進行快速學習。