1.AI Agent, geliştiricilerin ve kullanıcıların bağımsız olarak etkileşime girebilen uygulamaları doğrudan oluşturmaları için LLM'nin genel büyük modelini temel alan bir araçtır.
2.AI Pistin geleceğinin ana modeli şöyle olabilir: "genel büyük model + sarkıt uygulaması"; AI Agent'ın ekolojik nişi, genel büyük modeli ve Dapp'ı birbirine bağlayan ara yazılımdır, bu nedenle AI Agent'ın düşük bir hendeği vardır ve uzun vadeli rekabet gücünü artırmak için ağ etkileri oluşturmak ve kullanıcı yapışkanlığını artırmak gerekir.
3. Bu makale, Web3 oyun yolunda "genel büyük modellerin, asılı uygulama aracılarının ve Üretken Yapay Zeka uygulamalarının" geliştirilmesini gözden geçirmektedir. Bunlar arasında, Üretken Yapay Zeka teknolojisi ile birleştiğinde, kısa vadede oyuna girmek için büyük bir potansiyele sahiptir.
01 Teknik Özet
Bu yılki patlayıcı yapay genel zeka AGI (Yapay Genel Zeka) teknolojisinde, Büyük Dil Modeli (LLM) mutlak kahramandır. OpenAI çekirdek teknoloji uzmanları Andrej Karpathy ve Lilian Weng, LLM tabanlı AI Ajanlarının AGI alanındaki bir sonraki önemli geliştirme yönü olduğunu ve birçok ekibin de LLM güdümlü AI ajanı (AI-Agents) sistemleri geliştirdiğini söyledi. Basit bir ifadeyle, bir AI Aracısı, otonom sürüş, konuşma tanıma ve oyun stratejisi gibi çeşitli görevleri ve etkileşimleri gerçekleştirmek için insan düşünme ve karar verme sürecini simüle etmek için büyük miktarda veri ve karmaşık algoritmalar kullanan bir bilgisayar programıdır. Abacus.ai'nin resmi, AI Agent'ın temel ilkesini açıkça tanıtmaktadır ve adımlar aşağıdaki gibidir:
Algı ve veri toplama: Oyun durumu, görüntüler, ses vb. gibi bilgi ve verileri elde etmek için algı sistemleri (sensörler, kameralar, mikrofonlar vb.) aracılığıyla veri girişi veya AI Aracısı. **
Durum gösterimi: Verilerin, bir sinir ağına kolayca girilebilmesi için vektörlere veya tensörlere dönüştürülmesi gibi Aracının anlayabileceği bir biçimde işlenmesi ve temsil edilmesi gerekir. **
Sinir ağı modelleri: Derin sinir ağı modelleri, görüntü işleme için evrişimli sinir ağları (CNN'ler), dizi veri işleme için tekrarlayan sinir ağları (RNN'ler) veya kendi kendine dikkat mekanizmaları (Transformers) gibi daha gelişmiş modeller gibi karar verme ve öğrenme için yaygın olarak kullanılır. **
Pekiştirmeli öğrenme: Temsilciler, çevre ile etkileşim yoluyla en iyi eylem stratejilerini öğrenirler. Ek olarak, acentenin çalışma prensipleri arasında strateji ağı, değer ağı, eğitim ve optimizasyon ve keşif ve kullanım yer alır. Örneğin, oyun senaryosunda, strateji ağı oyun durumunu girebilir ve ardından eylem olasılık dağılımını çıkarabilir; Değer ağı, durum değerini tahmin edebilir; Temsilciler, politikaları optimize etmek ve ağlara değer vermek ve daha iyi sonuçlar elde etmek için çevre ile etkileşime girerek öğrenme algoritmalarını sürekli olarak güçlendirebilir. **
Özetle, AI-Agent'lar anlayan, karar veren ve harekete geçen akıllı varlıklardır ve oyun da dahil olmak üzere çeşitli alanlarda önemli bir rol oynayabilirler. OpenAI çekirdek teknisyeni Lilian Weng'in "LLM Powered Autonomous Agents" adlı çalışması, çok ilginç bir deney de dahil olmak üzere AI-Agents'ın ilkelerine çok kapsamlı bir giriş sağlar: Generative Agents.
Generative Agents (GA), her biri LLM destekli bir ajan tarafından kontrol edilen, bir sandbox ortamında yaşayan ve etkileşime giren 25 sanal karakter oluşturmak için LLM teknolojisini kullanan The Sims oyunlarından esinlenmiştir. GA, LLM'yi bellek, planlama ve yansıtma yetenekleriyle birleştirmek için akıllıca tasarlanmıştır, bu da ajan programlarının önceki deneyimlere dayanarak kararlar almasına ve diğer ajanlarla etkileşime girmesine olanak tanır.
Makale, Aracının ilke ağlarına, değer ağlarına ve çevre ile etkileşimlere dayalı olarak karar yollarını sürekli olarak nasıl eğittiğini ve optimize ettiğini ayrıntılarıyla açıklar.
Prensip şu şekildedir: burada Memory Stream (Memory Stram), ajanın tüm etkileşim deneyimlerini kaydeden uzun süreli bir hafıza modülüdür. Retrieve modeli, aracının karar vermesine yardımcı olmak için alaka düzeyine, tazeliğe ve öneme dayalı olarak Alınan Anılar sağlar. Yansıtma mekanizması geçmiş olayları özetler ve ajanın gelecekteki eylemlerine rehberlik eder. Planlama ve Yansıtma, temsilcilerin yansıma ve çevresel bilgileri eyleme dönüştürülebilir eylemlere dönüştürmesine yardımcı olmak için birlikte çalışır.
Bu ilginç deney bize YZ ajanlarının yeni sosyal davranışlar üretme, bilgi yayma, ilişkisel bellek (bir konuyu tartışmaya devam eden iki sanal karakter gibi) ve sosyal faaliyetlerin koordinasyonu (bir parti düzenlemek ve diğer sanal karakterleri davet etmek gibi) gibi yeteneklerini gösteriyor. Sonuç olarak, AI-Agent çok ilginç bir araçtır ve oyunlardaki uygulaması derinlemesine keşfedilmeye değerdir.
02 Teknoloji trendleri
2.1 AI İzleme Trendleri
ABCDE'de bir yatırım araştırma ortağı olan Lao Bai, bir keresinde Silikon Vadisi risk sermayesi topluluğunun yapay zekanın bir sonraki gelişimi hakkındaki kararını özetledi:
** Dikey model yok, sadece büyük model + dikey uygulama; **
Cep telefonları gibi uç cihazlardaki veriler bir engel olabilir ve uç cihazlara dayalı yapay zeka da bir fırsat olabilir; **
Bağlamın uzunluğu gelecekte niteliksel değişikliklere neden olabilir (vektör veritabanları artık AI belleği olarak kullanılmaktadır, ancak bağlamın uzunluğu hala yeterli değildir). **
** Yani, endüstrinin genel kalkınma yasası açısından, büyük ölçekli genel model model modu çok ağır olduğu ve güçlü bir evrenselliğe sahip olduğu için, büyük ölçekli genel modeller alanında sürekli olarak tekerlek inşa etmeye gerek yoktur, ancak daha çok büyük ölçekli genel modellerin kolye alanına uygulanmasına odaklanmalıdır. **
Aynı zamanda, uç cihazlar, genellikle bulut bilişim merkezlerine veya uzak sunuculara dayanmayan, ancak yerel olarak veri işleme ve karar verme işlemlerini yürüten uç cihazları ifade eder. Uç cihazların çeşitliliği nedeniyle, cihazlarda çalışmak ve cihaz verilerini düzgün bir şekilde elde etmek için yapay zeka aracılarının nasıl dağıtılacağı bir zorluktur, ancak aynı zamanda yeni bir fırsattır.
Son olarak, Bağlam sorusu da çok dikkat çekti. Basitçe söylemek gerekirse, LLM bağlamındaki bağlam bilgi miktarı olarak anlaşılabilir ve bağlamın uzunluğu verilerin kaç boyuta sahip olduğu olarak anlaşılabilir. Bir kullanıcının belirli bir ürünü satın alma olasılığını tahmin etmek için kullanılan bir e-ticaret web sitesinin büyük veri modeline sahip olduğunuzu varsayalım. Bu durumda bağlam, kullanıcının göz atma geçmişi, satın alma geçmişi, arama geçmişi, kullanıcı özellikleri vb. bilgileri içerebilir. Bağlam uzunluğu, Şanghay'daki 30 yaşındaki erkek kullanıcıların rakip ürünlerinin satın alma geçmişi, son satın alma sıklığı ve yakın tarama geçmişi gibi özellik bilgilerinin üst üste binme boyutunu ifade eder. Bağlamın uzunluğundaki artış, modelin kullanıcının satın alma kararını etkileyen faktörleri daha kapsamlı bir şekilde anlamasına yardımcı olabilir.
Mevcut fikir birliği, vektör veritabanlarının AI'nın belleği olarak mevcut kullanımının Bağlam uzunluğunu yetersiz kılmasına rağmen, Bağlam uzunluğunun gelecekte niteliksel olarak değişeceği ve LLM sonrası modelin daha uzun ve daha karmaşık Bağlam bilgilerini işlemek ve anlamak için daha gelişmiş yöntemler arayabileceği yönündedir. Hayal gücünün ötesinde daha fazla uygulama senaryosu ortaya çıktı.
2.2 Yapay Zeka Aracısı eğilimleri
Folius Ventures, AI Agent'ın uygulama modelini aşağıda gösterildiği gibi özetledi:
Şekil 1, esas olarak kullanıcı amacını geleneksel klavye / tıklama girişinden doğal dil girişine dönüştürmekten ve kullanıcılar için giriş engelini azaltmaktan sorumlu olan LLM modelidir.
Şekil 2, terminalden kullanıcı alışkanlıklarını ve verilerini toplarken kullanıcılara işlevsel hizmetler sağlayan bir AI Aracısı ile entegre bir ön uç Dapp'tir.
Şekildeki 3, doğrudan uygulama içi işlevler, botlar vb. şeklinde var olabilen çeşitli AI ajanlarıdır.
Genel olarak, kod tabanlı bir araç olarak AI Agent, Dapps'in uygulama işlevselliğini genişletmesi için temel program ve platform için bir büyüme katalizörü, yani büyük modelleri ve dikey uygulamaları birbirine bağlayan ara yazılım olarak hareket edebilir.
Kullanıcı senaryoları açısından, AI Agent'ı entegre etme olasılığı en yüksek olan Dapp'in sosyal uygulamalar, sohbet robotları ve oyunlar için yeterince açık olması muhtemeldir; Veya mevcut Web2 trafik portalını AI Agent aracılığıyla daha basit ve daha erişilebilir bir AI+web3 girişine dönüştürün; Yani sektör, Web3 kullanıcılarının eşiğini düşürmeyi tartışıyor.
Endüstrinin geliştirme yasasına dayanarak, AI Agent'ın bulunduğu ara katman katmanı, genellikle neredeyse hiç hendeği olmayan oldukça rekabetçi bir yol haline gelir. Bu nedenle, B2C'nin ihtiyaçlarını karşılamak için deneyimi sürekli olarak iyileştirmenin yanı sıra, AI aracıları ağ efektleri oluşturarak veya kullanıcı yapışkanlığı yaratarak hendeklerini iyileştirebilir.
03 Pist Haritası
Web3 oyunlarında yapay zeka uygulamalarında aşağıdaki kategorilerde gruplandırılabilecek birkaç farklı girişimde bulunulmuştur:
Genel modeller: Bazı projeler, genel yapay zeka modelleri oluşturmaya, Web3 projelerinin ihtiyaçlarına uygun sinir ağı mimarileri ve genel modeller bulmaya odaklanır. **
Dikey Uygulamalar: Sarkıt uygulamalar, oyunlardaki belirli sorunları çözmek veya genellikle Aracılar, Botlar ve BotKitler biçiminde belirli hizmetler sağlamak için tasarlanmıştır. **
**Üretken yapay zeka uygulaması: Büyük modele karşılık gelen en doğrudan uygulama içerik üretimidir ve oyun parçasının kendisi içerik endüstrisidir, bu nedenle oyun alanındaki Üretken Yapay Zeka uygulaması çok dikkate değerdir. Sanal dünyadaki öğelerin, karakterlerin, görevlerin veya hikayelerin otomatik olarak oluşturulmasından, oyun stratejilerinin, kararlarının ve hatta oyun içi ekolojinin otomatik evriminin otomatik olarak oluşturulmasına kadar, oyunu daha çeşitli ve derin hale getirerek mümkün hale geldi. **
4.AI oyunlar: Şu anda, AI teknolojisini entegre eden ve aşağıda gösterilecek olan farklı uygulama senaryolarına sahip birçok oyun var. **
3.1 Evrensel Büyük Model
Şu anda Web3, QTM nicel belirteç modeli gibi ekonomik model tasarımı ve ekonomik ekolojik kalkınma için simülasyon modellerine zaten sahiptir. Outlier Venture'dan Dr. Achim Struve, ETHCC'deki konuşmasında ekonomik model tasarımı için bazı fikirlerden bahsetti. Örneğin, ekonomik sistemin sağlamlığını göz önünde bulundurarak, proje ekibi tüm ekosistemi 1:1 simüle etmek için LLM modeli aracılığıyla bir dijital ikiz Dijital İkiz oluşturabilir.
Aşağıdaki şekilde yer alan QTM (Quantized Token Model), yapay zeka güdümlü bir çıkarım modelidir. QTM, 10 yıllık sabit bir simülasyon süresi kullanır ve her zaman adımı bir ayı ölçer. Her zaman adımının başında tokenler ekosisteme yayılır, bu nedenle modelde teşvik modülleri, token hak kazanma modülleri, airdrop modülleri vb. bulunur. Bu tokenler daha sonra daha ayrıntılı genelleştirilmiş yardımcı program yeniden dağıtımının gerçekleşeceği birkaç meta kovaya bırakılacaktır. Ardından, bu yardımcı araçlardan ödül ödemelerini vb. tanımlayın. Ayrıca, zincir dışı iş gibi, bu da işletmenin imha veya geri satın alma olasılığı gibi genel finansman durumunu hesaba katar ve ayrıca kullanıcı benimsemesini ölçebilir veya kullanıcı benimsemesini tanımlayabilir.
Tabii ki, modelin çıktı kalitesi girdinin kalitesine bağlıdır, bu nedenle QTM'yi kullanmadan önce, daha doğru girdi bilgileri elde etmek için yeterli pazar araştırması yapmak gerekir. Bununla birlikte, QTM modeli, Web3 ekonomik modelinde yapay zeka odaklı modelin zaten çok pratik bir uygulamasıdır ve daha düşük çalışma zorluğuyla 2C/2B uygulamaları yapmak için QTM modeline dayalı birçok proje tarafı vardır ve bu da proje taraflarının kullanım eşiğini azaltır.
3.2 Sarkıt Uygulama Aracısı
Sarkıt uygulamalar esas olarak Botlar, BotKitler, sanal asistanlar, akıllı karar destek sistemleri, çeşitli otomatik veri işleme araçları vb. olabilen Aracılar biçiminde bulunur. Genel olarak konuşursak, AI Agent, OpenAI'nin genel modelini temel alır, metinden sese (TTS) vb. gibi diğer açık kaynaklı veya kendi geliştirdiği teknolojileri birleştirir ve FineTune için özel veriler ekler (makine öğrenimi ve derin öğrenme alanında bir eğitim tekniği, temel amaç, belirli bir alanda ChatGPT'den daha iyi performans gösteren bir AI Aracısı oluşturmak için büyük ölçekli veriler üzerinde önceden eğitilmiş bir modeli daha da optimize etmektir).
Şu anda, Web3 oyun parkurunun en olgun uygulaması NFT Agent'tır. Oyun alanındaki fikir birliği, NFT'lerin Web3 oyunlarının önemli bir parçası olması gerektiği yönünde.
Ethereum ekosisteminde meta veri yönetimi teknolojisinin gelişmesiyle birlikte programlanabilir dinamik NFT'ler ortaya çıkmıştır. NFT'lerin yaratıcıları için, NFT işlevselliğini algoritmik olarak daha esnek hale getirebilirler. Kullanıcılar için, kullanıcılar ve NFT'ler arasında daha fazla etkileşim olabilir ve üretilen etkileşim verileri bir bilgi kaynağı haline gelmiştir. AI Agent, etkileşim sürecini optimize edebilir ve etkileşim verilerinin uygulama senaryolarını genişleterek NFT ekosistemine daha fazla yenilik ve değer katabilir.
Durum 1: Örneğin, Gelato'nun geliştirme çerçevesi, geliştiricilerin zincir dışı olaylara veya belirli zaman aralıklarına dayalı olarak NFT meta verilerini güncellemek için mantığı özelleştirmesine olanak tanır. Gelato düğümleri, belirli koşullar karşılandığında meta veri değişikliklerini tetikleyerek zincir üstü NFT'lerin otomatik olarak güncellenmesini sağlar. Örneğin, bu teknoloji, spor API'lerinden gerçek zamanlı maç verilerini almak ve bir sporcunun bir maçı kazanması gibi belirli koşullar altında NFT'nin beceri özelliklerini otomatik olarak yükseltmek için kullanılabilir.
Durum 2: Paima ayrıca Dinamik NFT için bir uygulama aracısı sağlar. Paima'nın NFT sıkıştırma protokolü, L1'de bir dizi minimal NFT basar ve ardından bunları L2'deki oyunun durumuna göre geliştirerek oyunculara daha derin ve etkileşimli bir oyun deneyimi sunar. Örneğin, NFT'ler karakterin deneyim puanları, görevi tamamlaması, ekipmanı vb. faktörlere göre değişebilir.
Durum 3: Mudulas Labs, NFT yolunda da bir düzene sahip olan çok iyi bilinen bir ZKML projesidir. Mudulas, NFT'nin yapay zeka aracılığıyla oluşturulmasına ve zincirde yayınlanmasına izin verirken, kullanıcıların NFT'lerinin ilgili yapay zeka modelinden üretilip üretilmediğini kontrol edebilecekleri bir zkp oluşturan NFT serisi zkMon'u piyasaya sürdü. Daha kapsamlı bilgi için bakınız: Bölüm 7.2: Dünyanın 1. zkGAN NFT'leri.
3.3 Üretken yapay zeka uygulamaları
Daha önce de belirtildiği gibi, oyunun kendisi bir içerik endüstrisi olduğundan, AI-Agent, belirsiz, dinamik oyun karakterleri vb. oluşturmak da dahil olmak üzere kısa sürede ve düşük maliyetle büyük miktarda içerik üretebilir. Bu nedenle Generative AI, oyun uygulamaları için mükemmeldir. Şu anda, Üretken Yapay Zekanın oyun alanındaki uygulaması aşağıdaki ana türlerde özetlenebilir:
**Yapay zeka tarafından oluşturulan oyun karakter sınıfı: yapay zekaya karşı oynamak veya yapay zeka, oyundaki NPC'leri simüle etmekten ve kontrol etmekten veya hatta karakter oluşturmak için doğrudan yapay zekayı kullanmaktan sorumludur. **
**Yapay zeka tarafından oluşturulan oyun içeriği sınıfı: Görevler, hikayeler, aksesuarlar, haritalar vb. gibi doğrudan yapay zeka tarafından oluşturulan çeşitli içerikler. **
**Yapay zeka tarafından oluşturulan oyun sahnesi sınıfı: AI ile oyun dünyasının arazisini, manzarasını ve atmosferini otomatik olarak kullanmayı, optimize etmeyi veya genişletmeyi destekler. **
3.3.1 Yapay zeka tarafından oluşturulan roller
Durum 1: MyShell
MyShell, kullanıcıların sohbet etmek, konuşma pratiği yapmak, oyun oynamak ve hatta ihtiyaçlarına göre danışmanlık almak için kendi botlarını oluşturmalarına olanak tanıyan bir bot oluşturma platformudur. Bu arada Myshell, yalnızca birkaç saniye içinde herhangi birinin sesini taklit eden bir botu otomatik olarak oluşturan metinden sese (TTS) teknolojisini kullanır. Buna ek olarak, MyShell, kullanıcıların LLM modellerine yalnızca fikirlerini açıklayarak talimat vermelerine olanak tanıyan ve özel büyük dil modellerinin (LLM) temelini oluşturan Auto'yu kullanır.
Myshell kullanıcıları, sesli sohbet özelliğinin çok sorunsuz, GPT'nin sesli sohbetinden ve Live2D'den daha hızlı olduğunu söylüyor.
Durum 2: AI Arenası**
AI Arena, kullanıcıların kendi Savaş Elflerini (NFT'ler) sürekli olarak eğitmek için LLM modelini kullanabilecekleri ve ardından eğitimli Savaş Sihirbazlarını PvP / PvE savaş alanı savaşlarına gönderebilecekleri bir AI savaş oyunudur. Savaş modu, Nintendo Star Smash Bros.'a benzer, ancak AI eğitimi ile daha rekabetçi bir eğlence katıyor.
Paradigm, şu anda açık beta aşamasında başlayan ve oyuncuların oyuna ücretsiz olarak girebilecekleri veya antrenman yoğunluğunu artırmak için NFT'ler satın alabilecekleri AI Arena'ya yapılan yatırıma öncülük etti.
Vaka Çalışması 3: Leela Dünyaya Karşı**
Leela vs the World, Mudulas Labs tarafından geliştirilmiş satranç türü oyundur. Oyunda, oyunun iki tarafı yapay zeka ve insanlardır ve satranç oyunu durumu sözleşmeye yerleştirilmiştir. Oyuncular cüzdanları aracılığıyla çalışırlar (sözleşmelerle etkileşime girerler). Yapay zeka, yeni satranç oyunu durumunu okur, bir karar verir ve her ikisi de AWS Cloud'da tamamlanan tüm hesaplama süreci için zkp oluşturur ve zkp, zincirdeki sözleşme tarafından doğrulanır ve başarılı doğrulamadan sonra satranç sözleşmesi "satranç oynamaya" çağrılır.
3.3.2 Yapay zeka tarafından oluşturulan oyun içeriği
Vaka 1: Yapay Zeka Kasabası
AI Town, a16z ile portföy şirketi Convex Dev arasında, Stanford Üniversitesi Generative Agent makalesinden esinlenen bir işbirliğidir. AI Town, kasabadaki her yapay zekanın etkileşimlere ve deneyimlere dayalı olarak kendi hikayesini oluşturabileceği sanal bir kasabadır.
Bu, Convex arka uç sunucusuz çerçevesi, Pinecone vektör depolaması, Katip kimlik doğrulaması, OpenAI doğal dil metin oluşturma ve Fly dağıtımı gibi teknoloji yığınlarını kullanır. Buna ek olarak, AI Town tamamen açık kaynaklıdır ve oyun içi geliştiricilerin özellik verileri, hareketli grafik tabloları, Tilemap'in görsel ortamı, metin oluşturma istemleri, oyun kuralları ve mantığı ve daha fazlası dahil olmak üzere çeşitli bileşenleri özelleştirmesine olanak tanır. AI Town'ı deneyimleyebilen normal oyunculara ek olarak, geliştiriciler oyun içinde ve hatta oyun dışında çeşitli özellikler geliştirmek için kaynak kodunu da kullanabilir ve bu esneklik, AI Town'ı çeşitli farklı uygulama türleri için uygun hale getirir.
Bu nedenle, AI Town'ın kendisi yapay zeka tarafından oluşturulan bir içerik oyunudur, ancak aynı zamanda bir geliştirme ekolojisi ve hatta bir geliştirme aracıdır.
Vaka 2: Paul
Paul, tam zincir oyunların yapay zeka hikayeleri oluşturması ve doğrudan zincire gitmesi için bir çözüm yolu sağlama konusunda uzmanlaşmış bir yapay zeka hikaye oluşturucusudur. Uygulama mantığı, LLM'ye çok sayıda önceki kural girmektir ve ardından oynatıcı, kurallara göre otomatik olarak ikincil içerik oluşturabilir.
Şu anda Paul Seidler kullanılarak yayınlanan bir Straylight protokolü var, Straylight çok oyunculu bir NFT oyunudur, temel oyun "Minecraft"ın tam zincir oyun versiyonudur, oyuncular NFT'yi otomatik olarak Mint edebilir ve ardından model girişinin temel kurallarına göre kendi dünyalarını inşa edebilirler.
3.3.3 Yapay zeka tarafından oluşturulan oyun sahneleri
Vaka 1: Pahdo Labs
Pahdo Labs, şu anda Godot motoru üzerine inşa edilmiş bir anime, fantezi, rol yapma oyunu ve çevrimiçi oyun oluşturma platformu olan Halcyon Zero üzerinde çalışan bir oyun geliştirme stüdyosudur. Oyun, sosyal bir merkez olarak hizmet veren hareketli bir kasabanın etrafında dönen ruhani bir fantezi dünyasında geçiyor.
Bu oyunu çok özel yapan şey, oyuncuların hızlı bir şekilde daha fazla 3D efekt arka planı oluşturmak ve en sevdikleri karakterleri oyuna getirmek için oyun tarafından sağlanan AI oluşturma araçlarını kullanabilmeleridir, bu da popüler oyun UGC için gerçekten araçlar ve oyun sahneleri sağlar.
Vaka 2: Kaedim
Kaedim, Game Studio için Game Studio'nun ihtiyaçlarını karşılayan oyun içi 3D sahneleri/varlıkları toplu olarak oluşturmasına yardımcı olabilecek Generative AI tabanlı bir 3D model oluşturma aracı geliştirdi. Kaedim'in genel ürünü hala geliştirilme aşamasında ve 2024'te Game Studio'da kullanıma sunulması bekleniyor.
Kaedim ürünlerinin temel mantığı, temel olarak genel bir büyük model kullanan AI-Agent'ınkiyle tamamen aynıdır ve ardından ekip içindeki sanatçılar iyi veriler girmeye devam edecek ve ardından Agent'ın çıktısını geri bildirimde bulunacak, Modeli makine öğrenimi yoluyla sürekli olarak eğitecek ve son olarak AI-Agent'ın gereksinimleri karşılayan 3B sahneler çıkarmasına izin verecektir.
04 Özet
Bu yazıda, yapay zekanın oyun alanındaki uygulamasının ayrıntılı bir analizini ve özetini yaptık. Genel olarak, genel modellerin geleceğinde ve oyunlarda Üretken Yapay Zekanın uygulanmasında yıldız tek boynuzlu at projeleri olacak. Sarkıt uygulamaların hendeği düşük olmasına rağmen, ilk hamle avantajı güçlüdür ve ağ efektleri oluşturmak ve kullanıcı yapışkanlığını artırmak için ilk hamle avantajına güvenilebilirse, hayal gücü alanı çok büyüktür. Ek olarak, üretken yapay zeka, oyunların içerik endüstrisi için doğal olarak uygundur ve oyunlarda GA uygulamasını deneyen birçok ekip vardır ve bu döngünün GA kullanan popüler bir oyun olarak görünmesi çok muhtemeldir.
Makalede bahsedilen bazı yönlere ek olarak, gelecekte başka keşif açıları da var. Ne gibi:
(1) Veri izleme + uygulama katmanı: Yapay zeka veri izleme, milyarlarca dolar değerinde bazı tek boynuzlu at projelerini doğurdu ve veri + uygulama katmanı bağlantısı da hayal gücüyle dolu.
(2) Socialfi ile entegrasyon: yenilikçi sosyal etkileşim yolları sağlamak gibi; Topluluk kimliği kimlik doğrulamasını ve topluluk yönetimini optimize etmek için AI Agent'ı kullanın; Veya daha akıllı kişiselleştirilmiş öneriler vb.
(3) Temsilcilerin otomasyonu ve olgunlaşmasıyla, Otonom Dünya'nın ana katılımcıları insanlar mı yoksa botlar mı olacak? Zincirdeki otonom dünyanın, DAU'ların %80+'ının bot olduğu Uniswap gibi olması mümkün mü? Öyleyse, Web3 yönetişim kavramlarıyla birleştirilmiş yönetişim aracıları da keşfedilmeye değer.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Yapay Zeka Aracıları, Web3 oyunlarında inovasyona giden yolu yeniden tanımlıyor
Temel İçgörüler
1.AI Agent, geliştiricilerin ve kullanıcıların bağımsız olarak etkileşime girebilen uygulamaları doğrudan oluşturmaları için LLM'nin genel büyük modelini temel alan bir araçtır. 2.AI Pistin geleceğinin ana modeli şöyle olabilir: "genel büyük model + sarkıt uygulaması"; AI Agent'ın ekolojik nişi, genel büyük modeli ve Dapp'ı birbirine bağlayan ara yazılımdır, bu nedenle AI Agent'ın düşük bir hendeği vardır ve uzun vadeli rekabet gücünü artırmak için ağ etkileri oluşturmak ve kullanıcı yapışkanlığını artırmak gerekir. 3. Bu makale, Web3 oyun yolunda "genel büyük modellerin, asılı uygulama aracılarının ve Üretken Yapay Zeka uygulamalarının" geliştirilmesini gözden geçirmektedir. Bunlar arasında, Üretken Yapay Zeka teknolojisi ile birleştiğinde, kısa vadede oyuna girmek için büyük bir potansiyele sahiptir.
01 Teknik Özet
Bu yılki patlayıcı yapay genel zeka AGI (Yapay Genel Zeka) teknolojisinde, Büyük Dil Modeli (LLM) mutlak kahramandır. OpenAI çekirdek teknoloji uzmanları Andrej Karpathy ve Lilian Weng, LLM tabanlı AI Ajanlarının AGI alanındaki bir sonraki önemli geliştirme yönü olduğunu ve birçok ekibin de LLM güdümlü AI ajanı (AI-Agents) sistemleri geliştirdiğini söyledi. Basit bir ifadeyle, bir AI Aracısı, otonom sürüş, konuşma tanıma ve oyun stratejisi gibi çeşitli görevleri ve etkileşimleri gerçekleştirmek için insan düşünme ve karar verme sürecini simüle etmek için büyük miktarda veri ve karmaşık algoritmalar kullanan bir bilgisayar programıdır. Abacus.ai'nin resmi, AI Agent'ın temel ilkesini açıkça tanıtmaktadır ve adımlar aşağıdaki gibidir:
Özetle, AI-Agent'lar anlayan, karar veren ve harekete geçen akıllı varlıklardır ve oyun da dahil olmak üzere çeşitli alanlarda önemli bir rol oynayabilirler. OpenAI çekirdek teknisyeni Lilian Weng'in "LLM Powered Autonomous Agents" adlı çalışması, çok ilginç bir deney de dahil olmak üzere AI-Agents'ın ilkelerine çok kapsamlı bir giriş sağlar: Generative Agents.
Generative Agents (GA), her biri LLM destekli bir ajan tarafından kontrol edilen, bir sandbox ortamında yaşayan ve etkileşime giren 25 sanal karakter oluşturmak için LLM teknolojisini kullanan The Sims oyunlarından esinlenmiştir. GA, LLM'yi bellek, planlama ve yansıtma yetenekleriyle birleştirmek için akıllıca tasarlanmıştır, bu da ajan programlarının önceki deneyimlere dayanarak kararlar almasına ve diğer ajanlarla etkileşime girmesine olanak tanır.
Makale, Aracının ilke ağlarına, değer ağlarına ve çevre ile etkileşimlere dayalı olarak karar yollarını sürekli olarak nasıl eğittiğini ve optimize ettiğini ayrıntılarıyla açıklar.
Prensip şu şekildedir: burada Memory Stream (Memory Stram), ajanın tüm etkileşim deneyimlerini kaydeden uzun süreli bir hafıza modülüdür. Retrieve modeli, aracının karar vermesine yardımcı olmak için alaka düzeyine, tazeliğe ve öneme dayalı olarak Alınan Anılar sağlar. Yansıtma mekanizması geçmiş olayları özetler ve ajanın gelecekteki eylemlerine rehberlik eder. Planlama ve Yansıtma, temsilcilerin yansıma ve çevresel bilgileri eyleme dönüştürülebilir eylemlere dönüştürmesine yardımcı olmak için birlikte çalışır.
Bu ilginç deney bize YZ ajanlarının yeni sosyal davranışlar üretme, bilgi yayma, ilişkisel bellek (bir konuyu tartışmaya devam eden iki sanal karakter gibi) ve sosyal faaliyetlerin koordinasyonu (bir parti düzenlemek ve diğer sanal karakterleri davet etmek gibi) gibi yeteneklerini gösteriyor. Sonuç olarak, AI-Agent çok ilginç bir araçtır ve oyunlardaki uygulaması derinlemesine keşfedilmeye değerdir.
02 Teknoloji trendleri
2.1 AI İzleme Trendleri
ABCDE'de bir yatırım araştırma ortağı olan Lao Bai, bir keresinde Silikon Vadisi risk sermayesi topluluğunun yapay zekanın bir sonraki gelişimi hakkındaki kararını özetledi:
** Yani, endüstrinin genel kalkınma yasası açısından, büyük ölçekli genel model model modu çok ağır olduğu ve güçlü bir evrenselliğe sahip olduğu için, büyük ölçekli genel modeller alanında sürekli olarak tekerlek inşa etmeye gerek yoktur, ancak daha çok büyük ölçekli genel modellerin kolye alanına uygulanmasına odaklanmalıdır. **
Aynı zamanda, uç cihazlar, genellikle bulut bilişim merkezlerine veya uzak sunuculara dayanmayan, ancak yerel olarak veri işleme ve karar verme işlemlerini yürüten uç cihazları ifade eder. Uç cihazların çeşitliliği nedeniyle, cihazlarda çalışmak ve cihaz verilerini düzgün bir şekilde elde etmek için yapay zeka aracılarının nasıl dağıtılacağı bir zorluktur, ancak aynı zamanda yeni bir fırsattır.
Son olarak, Bağlam sorusu da çok dikkat çekti. Basitçe söylemek gerekirse, LLM bağlamındaki bağlam bilgi miktarı olarak anlaşılabilir ve bağlamın uzunluğu verilerin kaç boyuta sahip olduğu olarak anlaşılabilir. Bir kullanıcının belirli bir ürünü satın alma olasılığını tahmin etmek için kullanılan bir e-ticaret web sitesinin büyük veri modeline sahip olduğunuzu varsayalım. Bu durumda bağlam, kullanıcının göz atma geçmişi, satın alma geçmişi, arama geçmişi, kullanıcı özellikleri vb. bilgileri içerebilir. Bağlam uzunluğu, Şanghay'daki 30 yaşındaki erkek kullanıcıların rakip ürünlerinin satın alma geçmişi, son satın alma sıklığı ve yakın tarama geçmişi gibi özellik bilgilerinin üst üste binme boyutunu ifade eder. Bağlamın uzunluğundaki artış, modelin kullanıcının satın alma kararını etkileyen faktörleri daha kapsamlı bir şekilde anlamasına yardımcı olabilir.
Mevcut fikir birliği, vektör veritabanlarının AI'nın belleği olarak mevcut kullanımının Bağlam uzunluğunu yetersiz kılmasına rağmen, Bağlam uzunluğunun gelecekte niteliksel olarak değişeceği ve LLM sonrası modelin daha uzun ve daha karmaşık Bağlam bilgilerini işlemek ve anlamak için daha gelişmiş yöntemler arayabileceği yönündedir. Hayal gücünün ötesinde daha fazla uygulama senaryosu ortaya çıktı.
2.2 Yapay Zeka Aracısı eğilimleri
Folius Ventures, AI Agent'ın uygulama modelini aşağıda gösterildiği gibi özetledi:
Şekil 1, esas olarak kullanıcı amacını geleneksel klavye / tıklama girişinden doğal dil girişine dönüştürmekten ve kullanıcılar için giriş engelini azaltmaktan sorumlu olan LLM modelidir.
Şekil 2, terminalden kullanıcı alışkanlıklarını ve verilerini toplarken kullanıcılara işlevsel hizmetler sağlayan bir AI Aracısı ile entegre bir ön uç Dapp'tir.
Şekildeki 3, doğrudan uygulama içi işlevler, botlar vb. şeklinde var olabilen çeşitli AI ajanlarıdır.
Genel olarak, kod tabanlı bir araç olarak AI Agent, Dapps'in uygulama işlevselliğini genişletmesi için temel program ve platform için bir büyüme katalizörü, yani büyük modelleri ve dikey uygulamaları birbirine bağlayan ara yazılım olarak hareket edebilir.
Kullanıcı senaryoları açısından, AI Agent'ı entegre etme olasılığı en yüksek olan Dapp'in sosyal uygulamalar, sohbet robotları ve oyunlar için yeterince açık olması muhtemeldir; Veya mevcut Web2 trafik portalını AI Agent aracılığıyla daha basit ve daha erişilebilir bir AI+web3 girişine dönüştürün; Yani sektör, Web3 kullanıcılarının eşiğini düşürmeyi tartışıyor.
Endüstrinin geliştirme yasasına dayanarak, AI Agent'ın bulunduğu ara katman katmanı, genellikle neredeyse hiç hendeği olmayan oldukça rekabetçi bir yol haline gelir. Bu nedenle, B2C'nin ihtiyaçlarını karşılamak için deneyimi sürekli olarak iyileştirmenin yanı sıra, AI aracıları ağ efektleri oluşturarak veya kullanıcı yapışkanlığı yaratarak hendeklerini iyileştirebilir.
03 Pist Haritası
Web3 oyunlarında yapay zeka uygulamalarında aşağıdaki kategorilerde gruplandırılabilecek birkaç farklı girişimde bulunulmuştur:
3.1 Evrensel Büyük Model
Şu anda Web3, QTM nicel belirteç modeli gibi ekonomik model tasarımı ve ekonomik ekolojik kalkınma için simülasyon modellerine zaten sahiptir. Outlier Venture'dan Dr. Achim Struve, ETHCC'deki konuşmasında ekonomik model tasarımı için bazı fikirlerden bahsetti. Örneğin, ekonomik sistemin sağlamlığını göz önünde bulundurarak, proje ekibi tüm ekosistemi 1:1 simüle etmek için LLM modeli aracılığıyla bir dijital ikiz Dijital İkiz oluşturabilir.
Aşağıdaki şekilde yer alan QTM (Quantized Token Model), yapay zeka güdümlü bir çıkarım modelidir. QTM, 10 yıllık sabit bir simülasyon süresi kullanır ve her zaman adımı bir ayı ölçer. Her zaman adımının başında tokenler ekosisteme yayılır, bu nedenle modelde teşvik modülleri, token hak kazanma modülleri, airdrop modülleri vb. bulunur. Bu tokenler daha sonra daha ayrıntılı genelleştirilmiş yardımcı program yeniden dağıtımının gerçekleşeceği birkaç meta kovaya bırakılacaktır. Ardından, bu yardımcı araçlardan ödül ödemelerini vb. tanımlayın. Ayrıca, zincir dışı iş gibi, bu da işletmenin imha veya geri satın alma olasılığı gibi genel finansman durumunu hesaba katar ve ayrıca kullanıcı benimsemesini ölçebilir veya kullanıcı benimsemesini tanımlayabilir.
Tabii ki, modelin çıktı kalitesi girdinin kalitesine bağlıdır, bu nedenle QTM'yi kullanmadan önce, daha doğru girdi bilgileri elde etmek için yeterli pazar araştırması yapmak gerekir. Bununla birlikte, QTM modeli, Web3 ekonomik modelinde yapay zeka odaklı modelin zaten çok pratik bir uygulamasıdır ve daha düşük çalışma zorluğuyla 2C/2B uygulamaları yapmak için QTM modeline dayalı birçok proje tarafı vardır ve bu da proje taraflarının kullanım eşiğini azaltır.
3.2 Sarkıt Uygulama Aracısı
Sarkıt uygulamalar esas olarak Botlar, BotKitler, sanal asistanlar, akıllı karar destek sistemleri, çeşitli otomatik veri işleme araçları vb. olabilen Aracılar biçiminde bulunur. Genel olarak konuşursak, AI Agent, OpenAI'nin genel modelini temel alır, metinden sese (TTS) vb. gibi diğer açık kaynaklı veya kendi geliştirdiği teknolojileri birleştirir ve FineTune için özel veriler ekler (makine öğrenimi ve derin öğrenme alanında bir eğitim tekniği, temel amaç, belirli bir alanda ChatGPT'den daha iyi performans gösteren bir AI Aracısı oluşturmak için büyük ölçekli veriler üzerinde önceden eğitilmiş bir modeli daha da optimize etmektir).
Şu anda, Web3 oyun parkurunun en olgun uygulaması NFT Agent'tır. Oyun alanındaki fikir birliği, NFT'lerin Web3 oyunlarının önemli bir parçası olması gerektiği yönünde.
Ethereum ekosisteminde meta veri yönetimi teknolojisinin gelişmesiyle birlikte programlanabilir dinamik NFT'ler ortaya çıkmıştır. NFT'lerin yaratıcıları için, NFT işlevselliğini algoritmik olarak daha esnek hale getirebilirler. Kullanıcılar için, kullanıcılar ve NFT'ler arasında daha fazla etkileşim olabilir ve üretilen etkileşim verileri bir bilgi kaynağı haline gelmiştir. AI Agent, etkileşim sürecini optimize edebilir ve etkileşim verilerinin uygulama senaryolarını genişleterek NFT ekosistemine daha fazla yenilik ve değer katabilir.
Durum 1: Örneğin, Gelato'nun geliştirme çerçevesi, geliştiricilerin zincir dışı olaylara veya belirli zaman aralıklarına dayalı olarak NFT meta verilerini güncellemek için mantığı özelleştirmesine olanak tanır. Gelato düğümleri, belirli koşullar karşılandığında meta veri değişikliklerini tetikleyerek zincir üstü NFT'lerin otomatik olarak güncellenmesini sağlar. Örneğin, bu teknoloji, spor API'lerinden gerçek zamanlı maç verilerini almak ve bir sporcunun bir maçı kazanması gibi belirli koşullar altında NFT'nin beceri özelliklerini otomatik olarak yükseltmek için kullanılabilir.
Durum 2: Paima ayrıca Dinamik NFT için bir uygulama aracısı sağlar. Paima'nın NFT sıkıştırma protokolü, L1'de bir dizi minimal NFT basar ve ardından bunları L2'deki oyunun durumuna göre geliştirerek oyunculara daha derin ve etkileşimli bir oyun deneyimi sunar. Örneğin, NFT'ler karakterin deneyim puanları, görevi tamamlaması, ekipmanı vb. faktörlere göre değişebilir.
Durum 3: Mudulas Labs, NFT yolunda da bir düzene sahip olan çok iyi bilinen bir ZKML projesidir. Mudulas, NFT'nin yapay zeka aracılığıyla oluşturulmasına ve zincirde yayınlanmasına izin verirken, kullanıcıların NFT'lerinin ilgili yapay zeka modelinden üretilip üretilmediğini kontrol edebilecekleri bir zkp oluşturan NFT serisi zkMon'u piyasaya sürdü. Daha kapsamlı bilgi için bakınız: Bölüm 7.2: Dünyanın 1. zkGAN NFT'leri.
3.3 Üretken yapay zeka uygulamaları
Daha önce de belirtildiği gibi, oyunun kendisi bir içerik endüstrisi olduğundan, AI-Agent, belirsiz, dinamik oyun karakterleri vb. oluşturmak da dahil olmak üzere kısa sürede ve düşük maliyetle büyük miktarda içerik üretebilir. Bu nedenle Generative AI, oyun uygulamaları için mükemmeldir. Şu anda, Üretken Yapay Zekanın oyun alanındaki uygulaması aşağıdaki ana türlerde özetlenebilir:
3.3.1 Yapay zeka tarafından oluşturulan roller
Durum 1: MyShell
MyShell, kullanıcıların sohbet etmek, konuşma pratiği yapmak, oyun oynamak ve hatta ihtiyaçlarına göre danışmanlık almak için kendi botlarını oluşturmalarına olanak tanıyan bir bot oluşturma platformudur. Bu arada Myshell, yalnızca birkaç saniye içinde herhangi birinin sesini taklit eden bir botu otomatik olarak oluşturan metinden sese (TTS) teknolojisini kullanır. Buna ek olarak, MyShell, kullanıcıların LLM modellerine yalnızca fikirlerini açıklayarak talimat vermelerine olanak tanıyan ve özel büyük dil modellerinin (LLM) temelini oluşturan Auto'yu kullanır.
Myshell kullanıcıları, sesli sohbet özelliğinin çok sorunsuz, GPT'nin sesli sohbetinden ve Live2D'den daha hızlı olduğunu söylüyor.
Durum 2: AI Arenası**
AI Arena, kullanıcıların kendi Savaş Elflerini (NFT'ler) sürekli olarak eğitmek için LLM modelini kullanabilecekleri ve ardından eğitimli Savaş Sihirbazlarını PvP / PvE savaş alanı savaşlarına gönderebilecekleri bir AI savaş oyunudur. Savaş modu, Nintendo Star Smash Bros.'a benzer, ancak AI eğitimi ile daha rekabetçi bir eğlence katıyor.
Paradigm, şu anda açık beta aşamasında başlayan ve oyuncuların oyuna ücretsiz olarak girebilecekleri veya antrenman yoğunluğunu artırmak için NFT'ler satın alabilecekleri AI Arena'ya yapılan yatırıma öncülük etti.
Vaka Çalışması 3: Leela Dünyaya Karşı**
Leela vs the World, Mudulas Labs tarafından geliştirilmiş satranç türü oyundur. Oyunda, oyunun iki tarafı yapay zeka ve insanlardır ve satranç oyunu durumu sözleşmeye yerleştirilmiştir. Oyuncular cüzdanları aracılığıyla çalışırlar (sözleşmelerle etkileşime girerler). Yapay zeka, yeni satranç oyunu durumunu okur, bir karar verir ve her ikisi de AWS Cloud'da tamamlanan tüm hesaplama süreci için zkp oluşturur ve zkp, zincirdeki sözleşme tarafından doğrulanır ve başarılı doğrulamadan sonra satranç sözleşmesi "satranç oynamaya" çağrılır.
3.3.2 Yapay zeka tarafından oluşturulan oyun içeriği
Vaka 1: Yapay Zeka Kasabası
AI Town, a16z ile portföy şirketi Convex Dev arasında, Stanford Üniversitesi Generative Agent makalesinden esinlenen bir işbirliğidir. AI Town, kasabadaki her yapay zekanın etkileşimlere ve deneyimlere dayalı olarak kendi hikayesini oluşturabileceği sanal bir kasabadır.
Bu, Convex arka uç sunucusuz çerçevesi, Pinecone vektör depolaması, Katip kimlik doğrulaması, OpenAI doğal dil metin oluşturma ve Fly dağıtımı gibi teknoloji yığınlarını kullanır. Buna ek olarak, AI Town tamamen açık kaynaklıdır ve oyun içi geliştiricilerin özellik verileri, hareketli grafik tabloları, Tilemap'in görsel ortamı, metin oluşturma istemleri, oyun kuralları ve mantığı ve daha fazlası dahil olmak üzere çeşitli bileşenleri özelleştirmesine olanak tanır. AI Town'ı deneyimleyebilen normal oyunculara ek olarak, geliştiriciler oyun içinde ve hatta oyun dışında çeşitli özellikler geliştirmek için kaynak kodunu da kullanabilir ve bu esneklik, AI Town'ı çeşitli farklı uygulama türleri için uygun hale getirir.
Bu nedenle, AI Town'ın kendisi yapay zeka tarafından oluşturulan bir içerik oyunudur, ancak aynı zamanda bir geliştirme ekolojisi ve hatta bir geliştirme aracıdır.
Vaka 2: Paul
Paul, tam zincir oyunların yapay zeka hikayeleri oluşturması ve doğrudan zincire gitmesi için bir çözüm yolu sağlama konusunda uzmanlaşmış bir yapay zeka hikaye oluşturucusudur. Uygulama mantığı, LLM'ye çok sayıda önceki kural girmektir ve ardından oynatıcı, kurallara göre otomatik olarak ikincil içerik oluşturabilir.
Şu anda Paul Seidler kullanılarak yayınlanan bir Straylight protokolü var, Straylight çok oyunculu bir NFT oyunudur, temel oyun "Minecraft"ın tam zincir oyun versiyonudur, oyuncular NFT'yi otomatik olarak Mint edebilir ve ardından model girişinin temel kurallarına göre kendi dünyalarını inşa edebilirler.
3.3.3 Yapay zeka tarafından oluşturulan oyun sahneleri
Vaka 1: Pahdo Labs
Pahdo Labs, şu anda Godot motoru üzerine inşa edilmiş bir anime, fantezi, rol yapma oyunu ve çevrimiçi oyun oluşturma platformu olan Halcyon Zero üzerinde çalışan bir oyun geliştirme stüdyosudur. Oyun, sosyal bir merkez olarak hizmet veren hareketli bir kasabanın etrafında dönen ruhani bir fantezi dünyasında geçiyor.
Bu oyunu çok özel yapan şey, oyuncuların hızlı bir şekilde daha fazla 3D efekt arka planı oluşturmak ve en sevdikleri karakterleri oyuna getirmek için oyun tarafından sağlanan AI oluşturma araçlarını kullanabilmeleridir, bu da popüler oyun UGC için gerçekten araçlar ve oyun sahneleri sağlar.
Vaka 2: Kaedim
Kaedim, Game Studio için Game Studio'nun ihtiyaçlarını karşılayan oyun içi 3D sahneleri/varlıkları toplu olarak oluşturmasına yardımcı olabilecek Generative AI tabanlı bir 3D model oluşturma aracı geliştirdi. Kaedim'in genel ürünü hala geliştirilme aşamasında ve 2024'te Game Studio'da kullanıma sunulması bekleniyor.
Kaedim ürünlerinin temel mantığı, temel olarak genel bir büyük model kullanan AI-Agent'ınkiyle tamamen aynıdır ve ardından ekip içindeki sanatçılar iyi veriler girmeye devam edecek ve ardından Agent'ın çıktısını geri bildirimde bulunacak, Modeli makine öğrenimi yoluyla sürekli olarak eğitecek ve son olarak AI-Agent'ın gereksinimleri karşılayan 3B sahneler çıkarmasına izin verecektir.
04 Özet
Bu yazıda, yapay zekanın oyun alanındaki uygulamasının ayrıntılı bir analizini ve özetini yaptık. Genel olarak, genel modellerin geleceğinde ve oyunlarda Üretken Yapay Zekanın uygulanmasında yıldız tek boynuzlu at projeleri olacak. Sarkıt uygulamaların hendeği düşük olmasına rağmen, ilk hamle avantajı güçlüdür ve ağ efektleri oluşturmak ve kullanıcı yapışkanlığını artırmak için ilk hamle avantajına güvenilebilirse, hayal gücü alanı çok büyüktür. Ek olarak, üretken yapay zeka, oyunların içerik endüstrisi için doğal olarak uygundur ve oyunlarda GA uygulamasını deneyen birçok ekip vardır ve bu döngünün GA kullanan popüler bir oyun olarak görünmesi çok muhtemeldir.
Makalede bahsedilen bazı yönlere ek olarak, gelecekte başka keşif açıları da var. Ne gibi:
(1) Veri izleme + uygulama katmanı: Yapay zeka veri izleme, milyarlarca dolar değerinde bazı tek boynuzlu at projelerini doğurdu ve veri + uygulama katmanı bağlantısı da hayal gücüyle dolu.
(2) Socialfi ile entegrasyon: yenilikçi sosyal etkileşim yolları sağlamak gibi; Topluluk kimliği kimlik doğrulamasını ve topluluk yönetimini optimize etmek için AI Agent'ı kullanın; Veya daha akıllı kişiselleştirilmiş öneriler vb.
(3) Temsilcilerin otomasyonu ve olgunlaşmasıyla, Otonom Dünya'nın ana katılımcıları insanlar mı yoksa botlar mı olacak? Zincirdeki otonom dünyanın, DAU'ların %80+'ının bot olduğu Uniswap gibi olması mümkün mü? Öyleyse, Web3 yönetişim kavramlarıyla birleştirilmiş yönetişim aracıları da keşfedilmeye değer.