1.AI Agent هي أداة تعتمد على نموذج LLM العام الكبير ، للمطورين والمستخدمين لإنشاء تطبيقات مباشرة يمكنها التفاعل بشكل مستقل.
2.AI قد يكون النمط الرئيسي لمستقبل المسار هو: "نموذج عام كبير + تطبيق قلادة" ؛ المكانة البيئية ل الذكاء الاصطناعي Agent هي البرامج الوسيطة التي تربط النموذج الكبير العام و Dapp ، وبالتالي فإن الذكاء الاصطناعي Agent لديه خندق منخفض ، ومن الضروري بناء تأثيرات الشبكة وتحسين الالتصاق المستخدم لتحسين القدرة التنافسية على المدى الطويل.
3. تستعرض هذه المقالة تطوير "النماذج الكبيرة العامة ووكلاء التطبيقات المعلقة وتطبيقات الذكاء الاصطناعي التوليدية" في مسار لعبة Web3. من بينها ، جنبا إلى جنب مع تكنولوجيا الذكاء الاصطناعي التوليدية ، لديها إمكانات كبيرة لضرب اللعبة على المدى القصير.
01 موجز فني
في تقنية الذكاء الاصطناعي العام المتفجرة لهذا العام AGI (الذكاء العام الاصطناعي) ، يعد نموذج اللغة الكبيرة (LLM) هو بطل الرواية المطلق. كما قال تقنيا OpenAI الأساسيان Andrej Karpathy و Lilian Weng أن وكلاء الذكاء الاصطناعي المستندة إلى LLM هم اتجاه التطوير المهم التالي في مجال AGI ، وتقوم العديد من الفرق أيضا بتطوير أنظمة وكيل الذكاء الاصطناعي (الذكاء الاصطناعي-Agents) التي تعتمد على LLM. بعبارات بسيطة ، وكيل الذكاء الاصطناعي هو برنامج كمبيوتر يستخدم كميات كبيرة من البيانات والخوارزميات المعقدة لمحاكاة التفكير البشري وعملية صنع القرار من أجل أداء المهام والتفاعلات المختلفة ، مثل القيادة الذاتية والتعرف على الكلام واستراتيجية اللعبة. تقدم صورة Abacus.ai بوضوح المبدأ الأساسي لوكيل الذكاء الاصطناعي ، والخطوات هي كما يلي:
الإدراك وجمع البيانات: إدخال البيانات ، أو وكيل الذكاء الاصطناعي من خلال أنظمة الإدراك (أجهزة الاستشعار والكاميرات والميكروفونات وما إلى ذلك) للحصول على المعلومات والبيانات ، مثل حالة اللعبة والصور والصوت وما إلى ذلك. **
تمثيل الدولة: يجب معالجة البيانات وتمثيلها في شكل يمكن للوكيل فهمه ، مثل تحويلها إلى متجهات أو موترات ، بحيث يمكن إدخالها بسهولة في شبكة عصبية. **
نماذج الشبكات العصبية: تستخدم نماذج الشبكات العصبية العميقة بشكل شائع لاتخاذ القرار والتعلم ، مثل الشبكات العصبية التلافيفية (CNNs) لمعالجة الصور ، والشبكات العصبية المتكررة (RNNs) لمعالجة بيانات التسلسل ، أو نماذج أكثر تقدما مثل آليات الانتباه الذاتي (المحولات). **
التعلم المعزز: يتعلم الوكلاء أفضل استراتيجيات العمل من خلال التفاعل مع البيئة. بالإضافة إلى ذلك ، تشمل مبادئ تشغيل الوكيل الشبكات الاستراتيجية ، وشبكات القيمة ، والتدريب والتحسين ، والاستكشاف والاستخدام. على سبيل المثال ، في سيناريو اللعبة ، يمكن لشبكة الإستراتيجية إدخال حالة اللعبة ثم إخراج توزيع احتمال الإجراء ؛ شبكة القيمة قادرة على تقدير قيمة الحالة ؛ يمكن للوكلاء تعزيز خوارزميات التعلم باستمرار من خلال التفاعل مع البيئة لتحسين السياسات وشبكات القيمة وتحقيق نتائج أفضل. **
باختصار ، وكلاء الذكاء الاصطناعي هم كيانات ذكية تفهم وتقرر وتتصرف ، ويمكنها أن تلعب دورا مهما في مجموعة متنوعة من المجالات ، بما في ذلك الألعاب. "وكلاء مستقلون مدعومون من LLM" من قبل فني OpenAI الأساسي ليليان وينغ يقدم مقدمة شاملة للغاية لمبادئ وكلاء الذكاء الاصطناعي ، بما في ذلك تجربة مثيرة للاهتمام للغاية: العوامل التوليدية.
Generative Agents (GA) مستوحاة من ألعاب The Sims ، التي تستخدم تقنية LLM لتوليد 25 شخصية افتراضية ، يتم التحكم في كل منها بواسطة وكيل يعمل بنظام LLM ، ويعيش ويتفاعل في بيئة رمل. تم تصميم GA بذكاء للجمع بين LLM والذاكرة والتخطيط وقدرات التفكير ، مما يسمح لبرامج الوكيل باتخاذ القرارات بناء على الخبرة السابقة والتفاعل مع الوكلاء الآخرين.
توضح المقالة بالتفصيل كيف يقوم الوكيل باستمرار بتدريب وتحسين مسارات القرار بناء على شبكات السياسة وشبكات القيمة والتفاعلات مع البيئة.
المبدأ هو كما يلي: حيث Memory Stream (Memory Stram) هي وحدة ذاكرة طويلة المدى تسجل جميع تجارب التفاعل للوكيل. يوفر نموذج الاسترداد ذكريات مسترجعة بناء على الصلة والنضارة والأهمية لمساعدة الوكيل على اتخاذ قرار. تلخص آلية التفكير الأحداث الماضية وتوجه الإجراءات المستقبلية للوكيل. التخطيط والانعكاس يعملان معا لمساعدة الوكلاء على ترجمة الانعكاس والمعلومات البيئية إلى أفعال قابلة للتنفيذ.
توضح لنا هذه التجربة المثيرة للاهتمام قدرات وكلاء الذكاء الاصطناعي ، مثل توليد سلوكيات اجتماعية جديدة ، ونشر المعلومات ، والذاكرة العلائقية (مثل استمرار شخصيتين افتراضيتين في مناقشة موضوع ما) ، وتنسيق الأنشطة الاجتماعية (مثل إقامة حفلة ودعوة شخصيات افتراضية أخرى) ، وهلم جرا. الكل في الكل ، الذكاء الاصطناعي-Agent هي أداة مثيرة للاهتمام للغاية ، وتطبيقها في الألعاب يستحق الاستكشاف بعمق.
02 اتجاهات التكنولوجيا
2.1 الذكاء الاصطناعي تتبع الاتجاهات
لخص لاو باي ، وهو شريك أبحاث استثماري في ABCDE ، ذات مرة حكم مجتمع رأس المال الاستثماري في وادي السيليكون على التطور التالي ل الذكاء الاصطناعي:
** لا يوجد نموذج عمودي ، نموذج كبير فقط + تطبيق رأسي ؛ **
قد تكون البيانات الموجودة على الأجهزة الطرفية مثل الهواتف المحمولة عائقا ، وقد تكون الذكاء الاصطناعي المستندة إلى الأجهزة الطرفية فرصة أيضا ؛ **
قد يتسبب طول السياق في حدوث تغييرات نوعية في المستقبل (تستخدم قواعد بيانات المتجهات الآن كذاكرة الذكاء الاصطناعي ، لكن طول السياق لا يزال غير كاف). **
** أي من منظور قانون التنمية العام للصناعة ، نظرا لأن وضع نموذج النموذج العام واسع النطاق ثقيل للغاية وله عالمية قوية ، فليست هناك حاجة لبناء عجلات باستمرار في مجال النماذج العامة واسعة النطاق ، ولكن يجب التركيز أكثر على تطبيق النماذج العامة واسعة النطاق في مجال المعلقات. **
في الوقت نفسه ، تشير أجهزة الحافة إلى الأجهزة الطرفية التي لا تعتمد عادة على مراكز الحوسبة السحابية أو الخوادم البعيدة ، ولكنها تجري معالجة البيانات واتخاذ القرار محليا. نظرا لتنوع أجهزة الحافة ، فإن كيفية نشر وكلاء الذكاء الاصطناعي للتشغيل على الأجهزة والحصول على بيانات الجهاز بشكل صحيح يمثل تحديا ، ولكنه أيضا فرصة جديدة.
أخيرا ، جذبت مسألة السياق أيضا الكثير من الاهتمام. ببساطة ، يمكن فهم السياق في سياق LLM على أنه كمية المعلومات ، ويمكن فهم طول السياق على أنه عدد أبعاد البيانات. لنفترض أن لديك نموذج بيانات كبيرة لموقع ويب للتجارة الإلكترونية يستخدم للتنبؤ بمدى احتمالية شراء المستخدم لمنتج معين. في هذه الحالة ، يمكن أن يتضمن السياق معلومات مثل سجل تصفح المستخدم وسجل الشراء وسجل البحث وسمات المستخدم وما إلى ذلك. يشير طول السياق إلى بعد تراكب معلومات الميزات ، مثل سجل شراء المنتجات المنافسة للمستخدمين الذكور البالغين من العمر 30 عاما في شنغهاي ، وتكرار عمليات الشراء الأخيرة ، وسجل التصفح الحديث. يمكن أن تساعد الزيادة في طول السياق النموذج على فهم العوامل التي تؤثر على قرار الشراء للمستخدم بشكل أكثر شمولا.
الإجماع الحالي هو أنه على الرغم من أن الاستخدام الحالي لقواعد بيانات المتجهات كذاكرة الذكاء الاصطناعي يجعل طول السياق غير كاف ، فإن طول السياق سيتغير نوعيا في المستقبل ، ويمكن لنموذج ما بعد LLM البحث عن طرق أكثر تقدما لمعالجة وفهم معلومات السياق الأطول والأكثر تعقيدا. ظهرت المزيد من سيناريوهات التطبيق التي تفوق الخيال.
2.2 اتجاهات الوكيل الذكاء الاصطناعي
لخصت Folius Ventures نموذج تطبيق الذكاء الاصطناعي Agent في مسار اللعبة، كما هو موضح أدناه:
الشكل 1 هو نموذج LLM ، وهو المسؤول بشكل أساسي عن تحويل نية المستخدم من إدخال لوحة المفاتيح / النقر التقليدي إلى إدخال اللغة الطبيعية ، مما يقلل من حاجز دخول المستخدمين.
الشكل 2 عبارة عن Dapp أمامي مدمج مع وكيل الذكاء الاصطناعي يوفر للمستخدمين خدمات وظيفية أثناء جمع عادات المستخدم والبيانات من الجهاز.
3 في الشكل عبارة عن وكلاء الذكاء الاصطناعي مختلفين ، يمكن أن توجد مباشرة في شكل وظائف داخل التطبيق ، وروبوتات ، وما إلى ذلك.
بشكل عام ، كأداة قائمة على التعليمات البرمجية ، يمكن أن يعمل الذكاء الاصطناعي Agent كبرنامج أساسي ل Dapps لتوسيع وظائف التطبيق وكمحفز نمو للنظام الأساسي ، أي البرامج الوسيطة التي تربط النماذج الكبيرة والتطبيقات الرأسية.
فيما يتعلق بسيناريوهات المستخدم ، من المرجح أن يكون Dapp الأكثر احتمالا لدمج الذكاء الاصطناعي Agent مفتوحا بدرجة كافية للتطبيقات الاجتماعية وروبوتات الدردشة والألعاب ؛ أو تحويل بوابة حركة مرور Web2 الحالية إلى مدخل الذكاء الاصطناعي + web3 أبسط وأكثر سهولة من خلال وكيل الذكاء الاصطناعي ؛ أي أن الصناعة كانت تناقش خفض عتبة مستخدمي Web3.
استنادا إلى قانون تطوير الصناعة ، غالبا ما تصبح طبقة البرامج الوسيطة التي يقع فيها الذكاء الاصطناعي Agent مسارا تنافسيا للغاية بدون خندق تقريبا. لذلك ، بالإضافة إلى التحسين المستمر للتجربة لتتناسب مع احتياجات B2C ، يمكن لوكلاء الذكاء الاصطناعي تحسين خنادقهم عن طريق إنشاء تأثيرات الشبكة أو إنشاء التصاق المستخدم.
03 خريطة المسار
كانت هناك عدة محاولات مختلفة في تطبيقات الذكاء الاصطناعي في ألعاب Web3 ، والتي يمكن تجميعها في الفئات التالية:
النماذج العامة: تركز بعض المشاريع على بناء نماذج الذكاء الاصطناعي العامة ، وإيجاد معماريات الشبكات العصبية المناسبة والنماذج العامة لاحتياجات مشاريع Web3. **
التطبيقات العمودية: تم تصميم تطبيقات القلادة لحل مشكلات محددة في الألعاب أو تقديم خدمات محددة ، عادة في شكل وكلاء وروبوتات و BotKits. **
** تطبيق الذكاء الاصطناعي التوليدي: التطبيق الأكثر مباشرة المقابل للنموذج الكبير هو إنشاء المحتوى ، ومسار اللعبة نفسه هو صناعة المحتوى ، لذا فإن تطبيق الذكاء الاصطناعي التوليدي في مجال اللعبة يستحق الاهتمام للغاية. من التوليد التلقائي للعناصر أو الشخصيات أو المهام أو الوقائع القصصية في العالم الافتراضي ، إلى التوليد التلقائي لاستراتيجيات اللعبة وقراراتها وحتى التطور التلقائي للبيئة داخل اللعبة ، أصبح ذلك ممكنا ، مما يجعل اللعبة أكثر تنوعا وعمقا. **
4.AI الألعاب: في الوقت الحاضر ، هناك بالفعل العديد من الألعاب التي تدمج تقنية الذكاء الاصطناعي ولها سيناريوهات تطبيق مختلفة ، والتي سيتم توضيحها أدناه. **
3.1 نموذج عالمي كبير
في الوقت الحاضر ، لدى Web3 بالفعل نماذج محاكاة لتصميم النموذج الاقتصادي والتنمية البيئية الاقتصادية ، مثل نموذج الرمز الكمي QTM. ذكر الدكتور أكيم ستروف من Outlier Venture بعض الأفكار لتصميم النموذج الاقتصادي في حديثه في ETHCC. على سبيل المثال ، بالنظر إلى متانة النظام الاقتصادي ، يمكن لفريق المشروع إنشاء توأم رقمي Digital Twin من خلال نموذج LLM لمحاكاة النظام البيئي بأكمله 1: 1.
QTM (نموذج الرمز المميز الكمي) في الشكل أدناه هو نموذج استدلال يحركه الذكاء الاصطناعي. تستخدم QTM وقت محاكاة ثابت مدته 10 سنوات ، مع قياس كل خطوة زمنية لمدة شهر واحد. في بداية كل خطوة زمنية ، تنبعث الرموز المميزة في النظام البيئي ، لذلك هناك وحدات حوافز ، ووحدات استحقاق رمزية ، ووحدات إنزال جوي ، وما إلى ذلك في النموذج. سيتم بعد ذلك إسقاط هذه الرموز المميزة في العديد من مجموعات التعريف ، والتي ستتم من خلالها إعادة توزيع المرافق المعممة الأكثر دقة. بعد ذلك ، حدد مدفوعات المكافآت ، وما إلى ذلك من أدوات الأداة المساعدة هذه. أيضا ، مثل الأعمال خارج السلسلة ، يأخذ هذا أيضا في الاعتبار حالة التمويل العامة للشركة ، مثل إمكانية التدمير أو إعادة الشراء ، ويمكنه أيضا قياس اعتماد المستخدم أو تحديد اعتماد المستخدم.
بالطبع ، تعتمد جودة إخراج النموذج على جودة المدخلات ، لذلك قبل استخدام QTM ، من الضروري إجراء أبحاث سوق كافية للحصول على معلومات إدخال أكثر دقة. ومع ذلك ، فإن نموذج QTM هو بالفعل تطبيق عملي للغاية للنموذج الذي يحركه الذكاء الاصطناعي في النموذج الاقتصادي Web3 ، وهناك العديد من أطراف المشروع القائمة على نموذج QTM لجعل تطبيقات 2C / 2B بصعوبة تشغيل أقل ، مما يقلل من عتبة أطراف المشروع للاستخدام.
3.2 وكيل تطبيق قلادة
توجد تطبيقات قلادة بشكل أساسي في شكل وكلاء ، والتي قد تكون الروبوتات ، BotKits ، المساعدين الافتراضيين ، أنظمة دعم القرار الذكية ، أدوات معالجة البيانات الآلية المختلفة ، وما إلى ذلك. بشكل عام ، يأخذ الذكاء الاصطناعي Agent النموذج العام ل OpenAI كأساس ، ويجمع بين التقنيات الأخرى مفتوحة المصدر أو المطورة ذاتيا ، مثل تحويل النص إلى كلام (TTS) ، وما إلى ذلك ، ويضيف بيانات محددة ل FineTune (تقنية تدريب في مجال التعلم الآلي والتعلم العميق ، والغرض الرئيسي هو زيادة تحسين نموذج تم تدريبه مسبقا على بيانات واسعة النطاق) لإنشاء وكيل الذكاء الاصطناعي يعمل بشكل أفضل من ChatGPT في مجال معين.
في الوقت الحاضر ، التطبيق الأكثر نضجا لمسار لعبة Web3 هو NFT Agent. الإجماع على مسار الألعاب هو أن NFTs يجب أن تكون جزءا مهما من ألعاب Web3.
مع تطور تقنية إدارة البيانات الوصفية في نظام Ethereum البيئي ، ظهرت NFTs ديناميكية قابلة للبرمجة. بالنسبة لمنشئي NFTs ، يمكنهم جعل وظائف NFT أكثر مرونة من الناحية الحسابية. بالنسبة للمستخدمين ، يمكن أن يكون هناك المزيد من التفاعل بين المستخدمين و NFTs ، وأصبحت بيانات التفاعل التي تم إنشاؤها مصدرا للمعلومات. يمكن ل الذكاء الاصطناعي Agent تحسين عملية التفاعل وتوسيع سيناريوهات تطبيق بيانات التفاعل ، وضخ المزيد من الابتكار والقيمة في النظام البيئي NFT.
الحالة 1: على سبيل المثال ، يسمح إطار تطوير Gelato للمطورين بتخصيص المنطق لتحديث بيانات تعريف NFT بناء على أحداث خارج السلسلة أو فترات زمنية محددة. ستؤدي عقد Gelato إلى تغييرات في البيانات الوصفية عند استيفاء شروط معينة ، مما يتيح التحديثات التلقائية ل NFTs على السلسلة. على سبيل المثال ، يمكن استخدام هذه التقنية لجلب بيانات المباراة في الوقت الفعلي من واجهات برمجة التطبيقات الرياضية وترقية خصائص مهارة NFT تلقائيا في ظل ظروف معينة ، مثل عندما يفوز رياضي بمباراة.
الحالة 2: توفر Paima أيضا وكيل تطبيق ل Dynamic NFT. يقوم بروتوكول ضغط NFT من Paima's بسك مجموعة من الحد الأدنى من NFTs على L1 ثم تطويرها بناء على حالة اللعبة على L2 ، مما يوفر للاعبين تجربة ألعاب أكثر عمقا وتفاعلية. على سبيل المثال ، يمكن أن تتغير NFTs وفقا لعوامل مثل نقاط خبرة الشخصية وإكمال المهمة والمعدات وما إلى ذلك.
الحالة 3: Mudulas Labs هو مشروع ZKML معروف جدا ، وله أيضا تخطيط في مسار NFT. أطلقت Mudulas سلسلة NFT zkMon ، والتي تسمح بإنشاء NFT من خلال الذكاء الاصطناعي ونشرها على السلسلة ، أثناء إنشاء zkp ، والتي يمكن للمستخدمين من خلالها التحقق مما إذا كان NFT الخاص بهم قد تم إنشاؤه من نموذج الذكاء الاصطناعي المقابل. لمزيد من المعلومات الشاملة ، راجع: الفصل 7.2: 1st zkGAN NFTs في العالم.
3.3 تطبيقات الذكاء الاصطناعي التوليدية
كما ذكرنا سابقا ، نظرا لأن اللعبة نفسها هي صناعة محتوى ، يمكن ل الذكاء الاصطناعي-Agent إنشاء كمية كبيرة من المحتوى في وقت قصير وبتكلفة منخفضة ، بما في ذلك إنشاء شخصيات لعبة ديناميكية غير مؤكدة وما إلى ذلك. لذا فإن الذكاء الاصطناعي التوليدية مثالية لتطبيقات الألعاب. في الوقت الحاضر ، يمكن تلخيص تطبيق الذكاء الاصطناعي التوليدية في مجال الألعاب في الأنواع الرئيسية التالية:
** فئة شخصيات اللعبة التي تم إنشاؤها الذكاء الاصطناعي: مثل اللعب ضد الذكاء الاصطناعي ، أو الذكاء الاصطناعي مسؤولة عن محاكاة الشخصيات غير القابلة للعب والتحكم فيها في اللعبة ، أو حتى استخدام الذكاء الاصطناعي مباشرة لإنشاء الشخصيات. **
** فئة محتوى اللعبة التي تم إنشاؤها الذكاء الاصطناعي: محتوى متنوع تم إنشاؤه مباشرة بواسطة الذكاء الاصطناعي ، مثل المهام والقصص والدعائم والخرائط وما إلى ذلك. **
** فئة مشهد اللعبة التي تم إنشاؤها الذكاء الاصطناعي: تدعم تلقائيا استخدام أو تحسين أو توسيع التضاريس والمناظر الطبيعية والجو في عالم اللعبة باستخدام الذكاء الاصطناعي. **
3.3.1 الأدوار التي تم إنشاؤها بواسطة الذكاء الاصطناعي
الحالة 1: ماي شيل
MyShell عبارة عن نظام أساسي لإنشاء الروبوتات يتيح للمستخدمين إنشاء برامج الروبوت الخاصة بهم للدردشة وممارسة التحدث وممارسة الألعاب وحتى طلب المشورة وفقا لاحتياجاتهم. وفي الوقت نفسه ، يستخدم Myshell تقنية تحويل النص إلى كلام (TTS) ، والتي تنشئ تلقائيا روبوتا يحاكي صوت أي شخص في بضع ثوان فقط. بالإضافة إلى ذلك ، يستخدم MyShell Auto ، والذي يسمح للمستخدمين بتوجيه نماذج LLM فقط من خلال وصف أفكارهم ، ووضع الأساس لنماذج اللغة الكبيرة الخاصة (LLM).
يقول مستخدمو Myshell أن ميزة الدردشة الصوتية الخاصة به سلسة للغاية وأسرع من الدردشة الصوتية ل GPT و Live2D.
الحالة 2: الذكاء الاصطناعي أرينا**
الذكاء الاصطناعي Arena هي لعبة معركة الذكاء الاصطناعي حيث يمكن للمستخدمين استخدام نموذج LLM لتدريب Battle Elves (NFTs) باستمرار ، ثم إرسال معالجات المعركة المدربين إلى معارك ساحة المعركة PvP / PvE. يشبه وضع المعركة Nintendo Star Smash Bros. ، ولكن مع الذكاء الاصطناعي التدريب الذي يضيف المزيد من المتعة التنافسية.
قادت Paradigm الاستثمار في الذكاء الاصطناعي Arena ، والذي بدأ الآن في المرحلة التجريبية المفتوحة ، حيث يمكن للاعبين دخول اللعبة مجانا أو شراء NFTs لزيادة كثافة التدريب.
دراسة الحالة 3: ليلا ضد العالم **
Leela vs the World هي لعبة شطرنج تم تطويرها بواسطة Mudulas Labs. في اللعبة ، جانبا اللعبة هما الذكاء الاصطناعي والأشخاص ، ويتم وضع حالة لعبة الشطرنج في العقد. يعمل اللاعبون (يتفاعلون مع العقود) من خلال محافظهم. يقرأ الذكاء الاصطناعي حالة لعبة الشطرنج الجديدة ، ويصدر حكما ، ويولد zkp لعملية الحساب بأكملها ، وكلاهما يكتمل على سحابة AWS ، ويتم التحقق من zkp من خلال العقد الموجود على السلسلة ، وبعد التحقق الناجح ، يتم استدعاء عقد الشطرنج إلى "لعب الشطرنج".
3.3.2 محتوى اللعبة الذي تم إنشاؤه الذكاء الاصطناعي
الحالة 1: الذكاء الاصطناعي تاون
الذكاء الاصطناعي Town هو تعاون بين a16z وشركة محفظتها ، Convex Dev ، مستوحاة من ورقة الوكيل التوليدي بجامعة ستانفورد. الذكاء الاصطناعي Town هي مدينة افتراضية حيث يمكن لكل الذكاء الاصطناعي داخل المدينة بناء قصتهم الخاصة بناء على التفاعلات والخبرات.
يستخدم هذا مكدسات التكنولوجيا مثل إطار عمل Convex الخلفي بدون خادم ، وتخزين متجه Pinecone ، ومصادقة Clerk ، وإنشاء نص اللغة الطبيعية OpenAI ، ونشر Fly. بالإضافة إلى ذلك ، فإن الذكاء الاصطناعي Town كلها مفتوحة المصدر وتسمح للمطورين داخل اللعبة بتخصيص مكونات مختلفة ، بما في ذلك بيانات الميزات وجداول العفريت والبيئة المرئية ل Tilemap ومطالبات إنشاء النص وقواعد اللعبة ومنطقها والمزيد. بالإضافة إلى اللاعبين العاديين الذين يمكنهم تجربة الذكاء الاصطناعي Town ، يمكن للمطورين أيضا استخدام شفرة المصدر لتطوير مجموعة متنوعة من الميزات داخل اللعبة وحتى خارج اللعبة ، وهذه المرونة تجعل الذكاء الاصطناعي Town مناسبة لمجموعة متنوعة من أنواع التطبيقات المختلفة.
لذلك ، الذكاء الاصطناعي Town نفسها هي لعبة محتوى تم إنشاؤها الذكاء الاصطناعي ، ولكنها أيضا بيئة تطوير وحتى أداة تطوير.
الحالة 2: بول
Paul هو مولد قصة الذكاء الاصطناعي متخصص في توفير مسار حل لألعاب السلسلة الكاملة لإنشاء قصص الذكاء الاصطناعي والانتقال مباشرة إلى السلسلة. منطق التنفيذ هو إدخال عدد كبير من القواعد السابقة إلى LLM ، ومن ثم يمكن للاعب إنشاء محتوى ثانوي تلقائيا بناء على القواعد.
يوجد حاليا بروتوكول لعبة Straylight تم نشره باستخدام Paul Seidler ، Straylight هي لعبة NFT متعددة اللاعبين ، وطريقة اللعب الأساسية هي إصدار لعبة السلسلة الكاملة من "Minecraft" ، ويمكن للاعبين تلقائيا Mint NFT ، ثم بناء عالمهم الخاص وفقا للقواعد الأساسية لإدخال النموذج.
3.3.3 مشاهد اللعبة التي تم إنشاؤها الذكاء الاصطناعي
الحالة 1: مختبرات بهدو
Pahdo Labs هو استوديو لتطوير الألعاب يعمل حاليا على Halcyon Zero ، وهي لعبة أنيمي وخيال ولعب أدوار ومنصة لإنشاء ألعاب عبر الإنترنت مبنية على محرك Godot. تجري اللعبة في عالم خيالي أثيري يتمحور حول مدينة صاخبة تعمل كمركز اجتماعي.
ما يجعل هذه اللعبة مميزة للغاية هو أنه يمكن للاعبين استخدام أدوات إنشاء الذكاء الاصطناعي التي توفرها اللعبة لإنشاء المزيد من خلفيات تأثير 3D بسرعة وجلب شخصياتهم المفضلة إلى اللعبة ، والتي توفر حقا أدوات ومشاهد اللعبة للعبة الشهيرة UGC.
الحالة 2: كيديم
طورت Kaedim أداة توليد نموذج ثلاثي الأبعاد قائمة على الذكاء الاصطناعي ل Game Studio ، والتي يمكن أن تساعد دفعة Game Studio بسرعة في إنشاء مشاهد / أصول ثلاثية الأبعاد داخل اللعبة تلبي احتياجاتهم. لا يزال منتج Kaedim العام قيد التطوير ومن المتوقع أن يكون متاحا ل Game Studio في عام 2024.
المنطق الأساسي لمنتجات Kaedim هو بالضبط نفس منطق الذكاء الاصطناعي-Agent ، باستخدام نموذج كبير عام كأساس ، وبعد ذلك سيستمر الفنانون داخل الفريق في إدخال بيانات جيدة ، ثم تقديم ملاحظات على مخرجات الوكيل ، وتدريب النموذج باستمرار من خلال التعلم الآلي ، وأخيرا السماح ل الذكاء الاصطناعي-Agent بإخراج مشاهد 3D التي تلبي المتطلبات.
04 ملخص
في هذه المقالة ، قمنا بعمل تحليل مفصل وملخص لتطبيق الذكاء الاصطناعي في مجال الألعاب. بشكل عام ، ستكون هناك مشاريع يونيكورن نجمة في مستقبل النماذج العامة وتطبيق الذكاء الاصطناعي التوليدية في الألعاب. على الرغم من أن خندق التطبيقات المعلقة منخفض ، إلا أن ميزة المحرك الأول قوية ، وإذا كان من الممكن الاعتماد على ميزة المحرك الأول لإنشاء تأثيرات الشبكة وتحسين الالتصاق المستخدم ، فإن مساحة الخيال ضخمة. بالإضافة إلى ذلك ، فإن الذكاء الاصطناعي التوليدية مناسبة بشكل طبيعي لصناعة محتوى الألعاب ، وهناك بالفعل العديد من الفرق التي تحاول تطبيق GA في الألعاب ، ومن المحتمل جدا أن تظهر هذه الدورة لعبة شائعة باستخدام GA.
بالإضافة إلى بعض الاتجاهات المذكورة في المقالة ، هناك زوايا استكشاف أخرى في المستقبل. مثل ماذا:
(1) مسار البيانات + طبقة التطبيق: أدى مسار البيانات الذكاء الاصطناعي إلى ولادة بعض مشاريع يونيكورن التي تقدر قيمتها بمليارات الدولارات ، كما أن ربط طبقة البيانات + التطبيق مليء بالخيال.
(2) التكامل مع Socialfi: مثل توفير طرق مبتكرة للتفاعل الاجتماعي ؛ استخدام الذكاء الاصطناعي Agent لتحسين مصادقة هوية المجتمع وحوكمة المجتمع؛ أو توصيات شخصية أكثر ذكاء ، إلخ.
(3) مع أتمتة ونضج الوكلاء ، هل سيكون المشاركون الرئيسيون في Autonomous World أشخاصا أم روبوتات؟ هل من الممكن أن يكون العالم المستقل في السلسلة مثل Uniswap ، حيث 80٪ + من وحدات DAU عبارة عن روبوتات؟ إذا كان الأمر كذلك ، فإن وكلاء الحوكمة جنبا إلى جنب مع مفاهيم حوكمة Web3 يستحقون الاستكشاف أيضا.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
وكلاء الذكاء الاصطناعي يعيدون تعريف الطريق إلى الابتكار في ألعاب Web3
الرؤى الرئيسية
1.AI Agent هي أداة تعتمد على نموذج LLM العام الكبير ، للمطورين والمستخدمين لإنشاء تطبيقات مباشرة يمكنها التفاعل بشكل مستقل. 2.AI قد يكون النمط الرئيسي لمستقبل المسار هو: "نموذج عام كبير + تطبيق قلادة" ؛ المكانة البيئية ل الذكاء الاصطناعي Agent هي البرامج الوسيطة التي تربط النموذج الكبير العام و Dapp ، وبالتالي فإن الذكاء الاصطناعي Agent لديه خندق منخفض ، ومن الضروري بناء تأثيرات الشبكة وتحسين الالتصاق المستخدم لتحسين القدرة التنافسية على المدى الطويل. 3. تستعرض هذه المقالة تطوير "النماذج الكبيرة العامة ووكلاء التطبيقات المعلقة وتطبيقات الذكاء الاصطناعي التوليدية" في مسار لعبة Web3. من بينها ، جنبا إلى جنب مع تكنولوجيا الذكاء الاصطناعي التوليدية ، لديها إمكانات كبيرة لضرب اللعبة على المدى القصير.
01 موجز فني
في تقنية الذكاء الاصطناعي العام المتفجرة لهذا العام AGI (الذكاء العام الاصطناعي) ، يعد نموذج اللغة الكبيرة (LLM) هو بطل الرواية المطلق. كما قال تقنيا OpenAI الأساسيان Andrej Karpathy و Lilian Weng أن وكلاء الذكاء الاصطناعي المستندة إلى LLM هم اتجاه التطوير المهم التالي في مجال AGI ، وتقوم العديد من الفرق أيضا بتطوير أنظمة وكيل الذكاء الاصطناعي (الذكاء الاصطناعي-Agents) التي تعتمد على LLM. بعبارات بسيطة ، وكيل الذكاء الاصطناعي هو برنامج كمبيوتر يستخدم كميات كبيرة من البيانات والخوارزميات المعقدة لمحاكاة التفكير البشري وعملية صنع القرار من أجل أداء المهام والتفاعلات المختلفة ، مثل القيادة الذاتية والتعرف على الكلام واستراتيجية اللعبة. تقدم صورة Abacus.ai بوضوح المبدأ الأساسي لوكيل الذكاء الاصطناعي ، والخطوات هي كما يلي:
باختصار ، وكلاء الذكاء الاصطناعي هم كيانات ذكية تفهم وتقرر وتتصرف ، ويمكنها أن تلعب دورا مهما في مجموعة متنوعة من المجالات ، بما في ذلك الألعاب. "وكلاء مستقلون مدعومون من LLM" من قبل فني OpenAI الأساسي ليليان وينغ يقدم مقدمة شاملة للغاية لمبادئ وكلاء الذكاء الاصطناعي ، بما في ذلك تجربة مثيرة للاهتمام للغاية: العوامل التوليدية.
Generative Agents (GA) مستوحاة من ألعاب The Sims ، التي تستخدم تقنية LLM لتوليد 25 شخصية افتراضية ، يتم التحكم في كل منها بواسطة وكيل يعمل بنظام LLM ، ويعيش ويتفاعل في بيئة رمل. تم تصميم GA بذكاء للجمع بين LLM والذاكرة والتخطيط وقدرات التفكير ، مما يسمح لبرامج الوكيل باتخاذ القرارات بناء على الخبرة السابقة والتفاعل مع الوكلاء الآخرين.
توضح المقالة بالتفصيل كيف يقوم الوكيل باستمرار بتدريب وتحسين مسارات القرار بناء على شبكات السياسة وشبكات القيمة والتفاعلات مع البيئة.
المبدأ هو كما يلي: حيث Memory Stream (Memory Stram) هي وحدة ذاكرة طويلة المدى تسجل جميع تجارب التفاعل للوكيل. يوفر نموذج الاسترداد ذكريات مسترجعة بناء على الصلة والنضارة والأهمية لمساعدة الوكيل على اتخاذ قرار. تلخص آلية التفكير الأحداث الماضية وتوجه الإجراءات المستقبلية للوكيل. التخطيط والانعكاس يعملان معا لمساعدة الوكلاء على ترجمة الانعكاس والمعلومات البيئية إلى أفعال قابلة للتنفيذ.
توضح لنا هذه التجربة المثيرة للاهتمام قدرات وكلاء الذكاء الاصطناعي ، مثل توليد سلوكيات اجتماعية جديدة ، ونشر المعلومات ، والذاكرة العلائقية (مثل استمرار شخصيتين افتراضيتين في مناقشة موضوع ما) ، وتنسيق الأنشطة الاجتماعية (مثل إقامة حفلة ودعوة شخصيات افتراضية أخرى) ، وهلم جرا. الكل في الكل ، الذكاء الاصطناعي-Agent هي أداة مثيرة للاهتمام للغاية ، وتطبيقها في الألعاب يستحق الاستكشاف بعمق.
02 اتجاهات التكنولوجيا
2.1 الذكاء الاصطناعي تتبع الاتجاهات
لخص لاو باي ، وهو شريك أبحاث استثماري في ABCDE ، ذات مرة حكم مجتمع رأس المال الاستثماري في وادي السيليكون على التطور التالي ل الذكاء الاصطناعي:
** أي من منظور قانون التنمية العام للصناعة ، نظرا لأن وضع نموذج النموذج العام واسع النطاق ثقيل للغاية وله عالمية قوية ، فليست هناك حاجة لبناء عجلات باستمرار في مجال النماذج العامة واسعة النطاق ، ولكن يجب التركيز أكثر على تطبيق النماذج العامة واسعة النطاق في مجال المعلقات. **
في الوقت نفسه ، تشير أجهزة الحافة إلى الأجهزة الطرفية التي لا تعتمد عادة على مراكز الحوسبة السحابية أو الخوادم البعيدة ، ولكنها تجري معالجة البيانات واتخاذ القرار محليا. نظرا لتنوع أجهزة الحافة ، فإن كيفية نشر وكلاء الذكاء الاصطناعي للتشغيل على الأجهزة والحصول على بيانات الجهاز بشكل صحيح يمثل تحديا ، ولكنه أيضا فرصة جديدة.
أخيرا ، جذبت مسألة السياق أيضا الكثير من الاهتمام. ببساطة ، يمكن فهم السياق في سياق LLM على أنه كمية المعلومات ، ويمكن فهم طول السياق على أنه عدد أبعاد البيانات. لنفترض أن لديك نموذج بيانات كبيرة لموقع ويب للتجارة الإلكترونية يستخدم للتنبؤ بمدى احتمالية شراء المستخدم لمنتج معين. في هذه الحالة ، يمكن أن يتضمن السياق معلومات مثل سجل تصفح المستخدم وسجل الشراء وسجل البحث وسمات المستخدم وما إلى ذلك. يشير طول السياق إلى بعد تراكب معلومات الميزات ، مثل سجل شراء المنتجات المنافسة للمستخدمين الذكور البالغين من العمر 30 عاما في شنغهاي ، وتكرار عمليات الشراء الأخيرة ، وسجل التصفح الحديث. يمكن أن تساعد الزيادة في طول السياق النموذج على فهم العوامل التي تؤثر على قرار الشراء للمستخدم بشكل أكثر شمولا.
الإجماع الحالي هو أنه على الرغم من أن الاستخدام الحالي لقواعد بيانات المتجهات كذاكرة الذكاء الاصطناعي يجعل طول السياق غير كاف ، فإن طول السياق سيتغير نوعيا في المستقبل ، ويمكن لنموذج ما بعد LLM البحث عن طرق أكثر تقدما لمعالجة وفهم معلومات السياق الأطول والأكثر تعقيدا. ظهرت المزيد من سيناريوهات التطبيق التي تفوق الخيال.
2.2 اتجاهات الوكيل الذكاء الاصطناعي
لخصت Folius Ventures نموذج تطبيق الذكاء الاصطناعي Agent في مسار اللعبة، كما هو موضح أدناه:
الشكل 1 هو نموذج LLM ، وهو المسؤول بشكل أساسي عن تحويل نية المستخدم من إدخال لوحة المفاتيح / النقر التقليدي إلى إدخال اللغة الطبيعية ، مما يقلل من حاجز دخول المستخدمين.
الشكل 2 عبارة عن Dapp أمامي مدمج مع وكيل الذكاء الاصطناعي يوفر للمستخدمين خدمات وظيفية أثناء جمع عادات المستخدم والبيانات من الجهاز.
3 في الشكل عبارة عن وكلاء الذكاء الاصطناعي مختلفين ، يمكن أن توجد مباشرة في شكل وظائف داخل التطبيق ، وروبوتات ، وما إلى ذلك.
بشكل عام ، كأداة قائمة على التعليمات البرمجية ، يمكن أن يعمل الذكاء الاصطناعي Agent كبرنامج أساسي ل Dapps لتوسيع وظائف التطبيق وكمحفز نمو للنظام الأساسي ، أي البرامج الوسيطة التي تربط النماذج الكبيرة والتطبيقات الرأسية.
فيما يتعلق بسيناريوهات المستخدم ، من المرجح أن يكون Dapp الأكثر احتمالا لدمج الذكاء الاصطناعي Agent مفتوحا بدرجة كافية للتطبيقات الاجتماعية وروبوتات الدردشة والألعاب ؛ أو تحويل بوابة حركة مرور Web2 الحالية إلى مدخل الذكاء الاصطناعي + web3 أبسط وأكثر سهولة من خلال وكيل الذكاء الاصطناعي ؛ أي أن الصناعة كانت تناقش خفض عتبة مستخدمي Web3.
استنادا إلى قانون تطوير الصناعة ، غالبا ما تصبح طبقة البرامج الوسيطة التي يقع فيها الذكاء الاصطناعي Agent مسارا تنافسيا للغاية بدون خندق تقريبا. لذلك ، بالإضافة إلى التحسين المستمر للتجربة لتتناسب مع احتياجات B2C ، يمكن لوكلاء الذكاء الاصطناعي تحسين خنادقهم عن طريق إنشاء تأثيرات الشبكة أو إنشاء التصاق المستخدم.
03 خريطة المسار
كانت هناك عدة محاولات مختلفة في تطبيقات الذكاء الاصطناعي في ألعاب Web3 ، والتي يمكن تجميعها في الفئات التالية:
3.1 نموذج عالمي كبير
في الوقت الحاضر ، لدى Web3 بالفعل نماذج محاكاة لتصميم النموذج الاقتصادي والتنمية البيئية الاقتصادية ، مثل نموذج الرمز الكمي QTM. ذكر الدكتور أكيم ستروف من Outlier Venture بعض الأفكار لتصميم النموذج الاقتصادي في حديثه في ETHCC. على سبيل المثال ، بالنظر إلى متانة النظام الاقتصادي ، يمكن لفريق المشروع إنشاء توأم رقمي Digital Twin من خلال نموذج LLM لمحاكاة النظام البيئي بأكمله 1: 1.
QTM (نموذج الرمز المميز الكمي) في الشكل أدناه هو نموذج استدلال يحركه الذكاء الاصطناعي. تستخدم QTM وقت محاكاة ثابت مدته 10 سنوات ، مع قياس كل خطوة زمنية لمدة شهر واحد. في بداية كل خطوة زمنية ، تنبعث الرموز المميزة في النظام البيئي ، لذلك هناك وحدات حوافز ، ووحدات استحقاق رمزية ، ووحدات إنزال جوي ، وما إلى ذلك في النموذج. سيتم بعد ذلك إسقاط هذه الرموز المميزة في العديد من مجموعات التعريف ، والتي ستتم من خلالها إعادة توزيع المرافق المعممة الأكثر دقة. بعد ذلك ، حدد مدفوعات المكافآت ، وما إلى ذلك من أدوات الأداة المساعدة هذه. أيضا ، مثل الأعمال خارج السلسلة ، يأخذ هذا أيضا في الاعتبار حالة التمويل العامة للشركة ، مثل إمكانية التدمير أو إعادة الشراء ، ويمكنه أيضا قياس اعتماد المستخدم أو تحديد اعتماد المستخدم.
بالطبع ، تعتمد جودة إخراج النموذج على جودة المدخلات ، لذلك قبل استخدام QTM ، من الضروري إجراء أبحاث سوق كافية للحصول على معلومات إدخال أكثر دقة. ومع ذلك ، فإن نموذج QTM هو بالفعل تطبيق عملي للغاية للنموذج الذي يحركه الذكاء الاصطناعي في النموذج الاقتصادي Web3 ، وهناك العديد من أطراف المشروع القائمة على نموذج QTM لجعل تطبيقات 2C / 2B بصعوبة تشغيل أقل ، مما يقلل من عتبة أطراف المشروع للاستخدام.
3.2 وكيل تطبيق قلادة
توجد تطبيقات قلادة بشكل أساسي في شكل وكلاء ، والتي قد تكون الروبوتات ، BotKits ، المساعدين الافتراضيين ، أنظمة دعم القرار الذكية ، أدوات معالجة البيانات الآلية المختلفة ، وما إلى ذلك. بشكل عام ، يأخذ الذكاء الاصطناعي Agent النموذج العام ل OpenAI كأساس ، ويجمع بين التقنيات الأخرى مفتوحة المصدر أو المطورة ذاتيا ، مثل تحويل النص إلى كلام (TTS) ، وما إلى ذلك ، ويضيف بيانات محددة ل FineTune (تقنية تدريب في مجال التعلم الآلي والتعلم العميق ، والغرض الرئيسي هو زيادة تحسين نموذج تم تدريبه مسبقا على بيانات واسعة النطاق) لإنشاء وكيل الذكاء الاصطناعي يعمل بشكل أفضل من ChatGPT في مجال معين.
في الوقت الحاضر ، التطبيق الأكثر نضجا لمسار لعبة Web3 هو NFT Agent. الإجماع على مسار الألعاب هو أن NFTs يجب أن تكون جزءا مهما من ألعاب Web3.
مع تطور تقنية إدارة البيانات الوصفية في نظام Ethereum البيئي ، ظهرت NFTs ديناميكية قابلة للبرمجة. بالنسبة لمنشئي NFTs ، يمكنهم جعل وظائف NFT أكثر مرونة من الناحية الحسابية. بالنسبة للمستخدمين ، يمكن أن يكون هناك المزيد من التفاعل بين المستخدمين و NFTs ، وأصبحت بيانات التفاعل التي تم إنشاؤها مصدرا للمعلومات. يمكن ل الذكاء الاصطناعي Agent تحسين عملية التفاعل وتوسيع سيناريوهات تطبيق بيانات التفاعل ، وضخ المزيد من الابتكار والقيمة في النظام البيئي NFT.
الحالة 1: على سبيل المثال ، يسمح إطار تطوير Gelato للمطورين بتخصيص المنطق لتحديث بيانات تعريف NFT بناء على أحداث خارج السلسلة أو فترات زمنية محددة. ستؤدي عقد Gelato إلى تغييرات في البيانات الوصفية عند استيفاء شروط معينة ، مما يتيح التحديثات التلقائية ل NFTs على السلسلة. على سبيل المثال ، يمكن استخدام هذه التقنية لجلب بيانات المباراة في الوقت الفعلي من واجهات برمجة التطبيقات الرياضية وترقية خصائص مهارة NFT تلقائيا في ظل ظروف معينة ، مثل عندما يفوز رياضي بمباراة.
الحالة 2: توفر Paima أيضا وكيل تطبيق ل Dynamic NFT. يقوم بروتوكول ضغط NFT من Paima's بسك مجموعة من الحد الأدنى من NFTs على L1 ثم تطويرها بناء على حالة اللعبة على L2 ، مما يوفر للاعبين تجربة ألعاب أكثر عمقا وتفاعلية. على سبيل المثال ، يمكن أن تتغير NFTs وفقا لعوامل مثل نقاط خبرة الشخصية وإكمال المهمة والمعدات وما إلى ذلك.
الحالة 3: Mudulas Labs هو مشروع ZKML معروف جدا ، وله أيضا تخطيط في مسار NFT. أطلقت Mudulas سلسلة NFT zkMon ، والتي تسمح بإنشاء NFT من خلال الذكاء الاصطناعي ونشرها على السلسلة ، أثناء إنشاء zkp ، والتي يمكن للمستخدمين من خلالها التحقق مما إذا كان NFT الخاص بهم قد تم إنشاؤه من نموذج الذكاء الاصطناعي المقابل. لمزيد من المعلومات الشاملة ، راجع: الفصل 7.2: 1st zkGAN NFTs في العالم.
3.3 تطبيقات الذكاء الاصطناعي التوليدية
كما ذكرنا سابقا ، نظرا لأن اللعبة نفسها هي صناعة محتوى ، يمكن ل الذكاء الاصطناعي-Agent إنشاء كمية كبيرة من المحتوى في وقت قصير وبتكلفة منخفضة ، بما في ذلك إنشاء شخصيات لعبة ديناميكية غير مؤكدة وما إلى ذلك. لذا فإن الذكاء الاصطناعي التوليدية مثالية لتطبيقات الألعاب. في الوقت الحاضر ، يمكن تلخيص تطبيق الذكاء الاصطناعي التوليدية في مجال الألعاب في الأنواع الرئيسية التالية:
3.3.1 الأدوار التي تم إنشاؤها بواسطة الذكاء الاصطناعي
الحالة 1: ماي شيل
MyShell عبارة عن نظام أساسي لإنشاء الروبوتات يتيح للمستخدمين إنشاء برامج الروبوت الخاصة بهم للدردشة وممارسة التحدث وممارسة الألعاب وحتى طلب المشورة وفقا لاحتياجاتهم. وفي الوقت نفسه ، يستخدم Myshell تقنية تحويل النص إلى كلام (TTS) ، والتي تنشئ تلقائيا روبوتا يحاكي صوت أي شخص في بضع ثوان فقط. بالإضافة إلى ذلك ، يستخدم MyShell Auto ، والذي يسمح للمستخدمين بتوجيه نماذج LLM فقط من خلال وصف أفكارهم ، ووضع الأساس لنماذج اللغة الكبيرة الخاصة (LLM).
يقول مستخدمو Myshell أن ميزة الدردشة الصوتية الخاصة به سلسة للغاية وأسرع من الدردشة الصوتية ل GPT و Live2D.
الحالة 2: الذكاء الاصطناعي أرينا**
الذكاء الاصطناعي Arena هي لعبة معركة الذكاء الاصطناعي حيث يمكن للمستخدمين استخدام نموذج LLM لتدريب Battle Elves (NFTs) باستمرار ، ثم إرسال معالجات المعركة المدربين إلى معارك ساحة المعركة PvP / PvE. يشبه وضع المعركة Nintendo Star Smash Bros. ، ولكن مع الذكاء الاصطناعي التدريب الذي يضيف المزيد من المتعة التنافسية.
قادت Paradigm الاستثمار في الذكاء الاصطناعي Arena ، والذي بدأ الآن في المرحلة التجريبية المفتوحة ، حيث يمكن للاعبين دخول اللعبة مجانا أو شراء NFTs لزيادة كثافة التدريب.
دراسة الحالة 3: ليلا ضد العالم **
Leela vs the World هي لعبة شطرنج تم تطويرها بواسطة Mudulas Labs. في اللعبة ، جانبا اللعبة هما الذكاء الاصطناعي والأشخاص ، ويتم وضع حالة لعبة الشطرنج في العقد. يعمل اللاعبون (يتفاعلون مع العقود) من خلال محافظهم. يقرأ الذكاء الاصطناعي حالة لعبة الشطرنج الجديدة ، ويصدر حكما ، ويولد zkp لعملية الحساب بأكملها ، وكلاهما يكتمل على سحابة AWS ، ويتم التحقق من zkp من خلال العقد الموجود على السلسلة ، وبعد التحقق الناجح ، يتم استدعاء عقد الشطرنج إلى "لعب الشطرنج".
3.3.2 محتوى اللعبة الذي تم إنشاؤه الذكاء الاصطناعي
الحالة 1: الذكاء الاصطناعي تاون
الذكاء الاصطناعي Town هو تعاون بين a16z وشركة محفظتها ، Convex Dev ، مستوحاة من ورقة الوكيل التوليدي بجامعة ستانفورد. الذكاء الاصطناعي Town هي مدينة افتراضية حيث يمكن لكل الذكاء الاصطناعي داخل المدينة بناء قصتهم الخاصة بناء على التفاعلات والخبرات.
يستخدم هذا مكدسات التكنولوجيا مثل إطار عمل Convex الخلفي بدون خادم ، وتخزين متجه Pinecone ، ومصادقة Clerk ، وإنشاء نص اللغة الطبيعية OpenAI ، ونشر Fly. بالإضافة إلى ذلك ، فإن الذكاء الاصطناعي Town كلها مفتوحة المصدر وتسمح للمطورين داخل اللعبة بتخصيص مكونات مختلفة ، بما في ذلك بيانات الميزات وجداول العفريت والبيئة المرئية ل Tilemap ومطالبات إنشاء النص وقواعد اللعبة ومنطقها والمزيد. بالإضافة إلى اللاعبين العاديين الذين يمكنهم تجربة الذكاء الاصطناعي Town ، يمكن للمطورين أيضا استخدام شفرة المصدر لتطوير مجموعة متنوعة من الميزات داخل اللعبة وحتى خارج اللعبة ، وهذه المرونة تجعل الذكاء الاصطناعي Town مناسبة لمجموعة متنوعة من أنواع التطبيقات المختلفة.
لذلك ، الذكاء الاصطناعي Town نفسها هي لعبة محتوى تم إنشاؤها الذكاء الاصطناعي ، ولكنها أيضا بيئة تطوير وحتى أداة تطوير.
الحالة 2: بول
Paul هو مولد قصة الذكاء الاصطناعي متخصص في توفير مسار حل لألعاب السلسلة الكاملة لإنشاء قصص الذكاء الاصطناعي والانتقال مباشرة إلى السلسلة. منطق التنفيذ هو إدخال عدد كبير من القواعد السابقة إلى LLM ، ومن ثم يمكن للاعب إنشاء محتوى ثانوي تلقائيا بناء على القواعد.
يوجد حاليا بروتوكول لعبة Straylight تم نشره باستخدام Paul Seidler ، Straylight هي لعبة NFT متعددة اللاعبين ، وطريقة اللعب الأساسية هي إصدار لعبة السلسلة الكاملة من "Minecraft" ، ويمكن للاعبين تلقائيا Mint NFT ، ثم بناء عالمهم الخاص وفقا للقواعد الأساسية لإدخال النموذج.
3.3.3 مشاهد اللعبة التي تم إنشاؤها الذكاء الاصطناعي
الحالة 1: مختبرات بهدو
Pahdo Labs هو استوديو لتطوير الألعاب يعمل حاليا على Halcyon Zero ، وهي لعبة أنيمي وخيال ولعب أدوار ومنصة لإنشاء ألعاب عبر الإنترنت مبنية على محرك Godot. تجري اللعبة في عالم خيالي أثيري يتمحور حول مدينة صاخبة تعمل كمركز اجتماعي.
ما يجعل هذه اللعبة مميزة للغاية هو أنه يمكن للاعبين استخدام أدوات إنشاء الذكاء الاصطناعي التي توفرها اللعبة لإنشاء المزيد من خلفيات تأثير 3D بسرعة وجلب شخصياتهم المفضلة إلى اللعبة ، والتي توفر حقا أدوات ومشاهد اللعبة للعبة الشهيرة UGC.
الحالة 2: كيديم
طورت Kaedim أداة توليد نموذج ثلاثي الأبعاد قائمة على الذكاء الاصطناعي ل Game Studio ، والتي يمكن أن تساعد دفعة Game Studio بسرعة في إنشاء مشاهد / أصول ثلاثية الأبعاد داخل اللعبة تلبي احتياجاتهم. لا يزال منتج Kaedim العام قيد التطوير ومن المتوقع أن يكون متاحا ل Game Studio في عام 2024.
المنطق الأساسي لمنتجات Kaedim هو بالضبط نفس منطق الذكاء الاصطناعي-Agent ، باستخدام نموذج كبير عام كأساس ، وبعد ذلك سيستمر الفنانون داخل الفريق في إدخال بيانات جيدة ، ثم تقديم ملاحظات على مخرجات الوكيل ، وتدريب النموذج باستمرار من خلال التعلم الآلي ، وأخيرا السماح ل الذكاء الاصطناعي-Agent بإخراج مشاهد 3D التي تلبي المتطلبات.
04 ملخص
في هذه المقالة ، قمنا بعمل تحليل مفصل وملخص لتطبيق الذكاء الاصطناعي في مجال الألعاب. بشكل عام ، ستكون هناك مشاريع يونيكورن نجمة في مستقبل النماذج العامة وتطبيق الذكاء الاصطناعي التوليدية في الألعاب. على الرغم من أن خندق التطبيقات المعلقة منخفض ، إلا أن ميزة المحرك الأول قوية ، وإذا كان من الممكن الاعتماد على ميزة المحرك الأول لإنشاء تأثيرات الشبكة وتحسين الالتصاق المستخدم ، فإن مساحة الخيال ضخمة. بالإضافة إلى ذلك ، فإن الذكاء الاصطناعي التوليدية مناسبة بشكل طبيعي لصناعة محتوى الألعاب ، وهناك بالفعل العديد من الفرق التي تحاول تطبيق GA في الألعاب ، ومن المحتمل جدا أن تظهر هذه الدورة لعبة شائعة باستخدام GA.
بالإضافة إلى بعض الاتجاهات المذكورة في المقالة ، هناك زوايا استكشاف أخرى في المستقبل. مثل ماذا:
(1) مسار البيانات + طبقة التطبيق: أدى مسار البيانات الذكاء الاصطناعي إلى ولادة بعض مشاريع يونيكورن التي تقدر قيمتها بمليارات الدولارات ، كما أن ربط طبقة البيانات + التطبيق مليء بالخيال.
(2) التكامل مع Socialfi: مثل توفير طرق مبتكرة للتفاعل الاجتماعي ؛ استخدام الذكاء الاصطناعي Agent لتحسين مصادقة هوية المجتمع وحوكمة المجتمع؛ أو توصيات شخصية أكثر ذكاء ، إلخ.
(3) مع أتمتة ونضج الوكلاء ، هل سيكون المشاركون الرئيسيون في Autonomous World أشخاصا أم روبوتات؟ هل من الممكن أن يكون العالم المستقل في السلسلة مثل Uniswap ، حيث 80٪ + من وحدات DAU عبارة عن روبوتات؟ إذا كان الأمر كذلك ، فإن وكلاء الحوكمة جنبا إلى جنب مع مفاهيم حوكمة Web3 يستحقون الاستكشاف أيضا.