إنها محاكاة قيادة بسيطة ولكنها قد تكون بداية ثورة في رسومات ألعاب الفيديو.
أدى الازدهار الحالي في الذكاء الاصطناعي إلى نتائج رائعة في عالم مثير للدهشة إلى حد ما: مجال إنشاء الصور والأفلام. تم تقديم أحدث مثال من قبل مصمم الرقائق Nvidia ، الذي نشر اليوم بحثًا حول إظهار كيفية استخدام المرئيات التي تم إنشاؤها بواسطة الذكاء الاصطناعي مع لعبة فيديو تقليدية. والنتيجة هي نظام رسومات هجين يمكن استخدامه يومًا ما في ألعاب الفيديو والأفلام والواقع الافتراضي .
إنها طريقة جديدة لتقديم محتوى الفيديو باستخدام التعلم العميق. من الواضح أن Nvidia تهتم كثيرًا بتوليد الصور وتدرس صناعة الألعاب كيف سيحدث الذكاء الاصطناعي ثورة في هذا المجال.
نتائج عمل Nvidia ليست واقعية وتكشف عن التلطيخ البصري للعلامة التجارية الذي شوهد في الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي بشكل كبير. كما أنها ليست جديدة تمامًا. في ورقة بحثية أعدتها Nvidia ، يصف مهندسو الشركة كيف قاموا ببناء عدد من الأساليب الحالية ، مثل نظام مؤثر مفتوح المصدر يُعرف باسم pix2pix. تنشر وظائفهم نوعًا من الشبكة العصبية المعروفة باسم النظام الاجتماعي التوليدي أو حتى GAN. يتم استخدامها على نطاق واسع في إنشاء صور الذكاء الاصطناعي ، بما في ذلك إدخال صورة AI التي تم بيعها مؤخرًا بواسطة Christie's.
ومع ذلك ، قدمت Nvidia العديد من الاختراعات ، وتقول إن أحد منتجات العمل هو أول عرض تقديمي لألعاب الفيديو مع رسومات تم إنشاؤها بواسطة AI. إنها محاكاة قيادة سهلة حيث يتصفح اللاعبون بضع كتل في المدينة من الفضاء الذي تم إنشاؤه بواسطة الذكاء الاصطناعي ولكن لا يمكنهم ترك سيارتهم أو التفاعل مع العالم الخارجي. يتم تشغيل العرض التوضيحي باستخدام وحدة معالجة رسومات واحدة فقط - وهو إنجاز رائع لمثل هذا العمل المتطور. (على الرغم من الاعتراف بأن وحدة معالجة الرسومات (GPU) هي الأفضل للشركة التي تصل قيمتها إلى 3000 دولار أمريكي ، وهي "وحدة معالجة الرسومات الأكثر فعالية التي تم إنشاؤها على الإطلاق" ، وتستخدم بشكل عام لمعالجة المحاكاة المتقدمة بدلاً من الألعاب.
ينشئ نظام Nvidia رسومات باستخدام بعض الإجراءات. أولاً ، يتعين على الباحثين جمع بيانات التدريب ، والتي تمت إزالتها في هذه الحالة من مجموعات البيانات مفتوحة المصدر المستخدمة في أبحاث القيادة المستقلة. يتم بعد ذلك تقسيم هذه اللقطات ، مما يعني أن كل إطار ينقسم إلى فئات مختلفة: السماء ، والأشجار ، والسيارات ، والطرق ، والمباني ، وما إلى ذلك. ثم يتم تدريب شبكة الخصومة التوليدية باستخدام هذه البيانات المحددة لإنشاء متغيرات جديدة من هذه العناصر.
بعد ذلك ، وضع المهندسون الهيكل الأساسي للبيئة الرقمية باستخدام محرك ألعاب تقليدي. في مثل هذه الحالات ، كان النظام Unreal Engine 4 ، ثم محرك مفضل يستخدم لعناوين مثل Fortnite و PUBG و Gears of War 4 والمزيد. باستخدام هذه البيئة كإطار عمل ، تنشئ خوارزميات التعلم العميق لاحقًا الرسومات لكل فئة مختلفة من الأشياء في الوقت الفعلي ، وتلتصق بنماذج محرك اللعبة.
يوضح Bryan Catanzaro ، نائب رئيس Nvidia للتعلم العميق ، "لقد تم ترتيب العالم بشكل تقليدي ، الشيء الوحيد الذي يولده الذكاء الاصطناعي هو الصور". ويضيف أن المظاهرة نفسها أساسية ، وقد وضعها مهندس واحد. "إنها إثبات للمفهوم بدلاً من كونها لعبة ممتعة للعب".
لجعل هذا البرنامج ، احتاج مهندسو Nvidia إلى العمل على الكثير من التحديات ، وأكبرها كان بقاء الكائن. تكمن المشكلة في أنه إذا كانت حسابات التعلم العميق تنتج الرسومات للعالم بسرعة 25 إطارًا في الثانية ، فكيف تحافظ على الأشياء تبدو كما هي؟ يقول كاتانزارو إن هذه الصعوبة تعني أن النتيجة الأولية للآلة كانت " مؤلمة عند تسجيل الوصول " حيث أن الألوان والقوام "غيرت كل إطار".
كان الحل هو إعطاء الجهاز ذاكرة مؤقتة ، بحيث يقارن كل إطار جديد بما مضى. يحاول التنبؤ بأشياء مثل الحركة داخل هذه الصور ويولد إطارات جديدة تتماشى مع ما هو موجود على الشاشة. كل هذه الحسابات باهظة الثمن ، وبالتالي فإن اللعبة تعمل فقط بمعدل 25 إطارًا في الدقيقة.
تشدد كاتانزارو على أن التقنيات ما زالت في مراحلها الأولى ، ومن المحتمل أن تمر عقود قبل أن تظهر الرسومات التي تم إنشاؤها بواسطة الذكاء الاصطناعي في أسماء المستهلكين. يقارن الوضع بتطور تتبع الشعاع ، وهو الأسلوب الساخن الحالي في صنع الصور حيث يتم إنشاء حزم فردية من الضوء على الفور لإنتاج انعكاسات وظلال وشفافية واقعية في البيئات الرقمية. "لقد حدث أول عرض توضيحي تفاعلي لتتبع الأشعة قبل وقت طويل ، لكننا لم نحصل عليه على دفعات إلا قبل أسبوعين فقط" ، كما يقول.
يحتوي العمل على تطبيقات محتملة في مناطق مختلفة من البحث ، على الرغم من ذلك ، بما في ذلك الروبوتات والسيارات ذاتية القيادة ، حيث يمكن استخدامه لإنشاء محيط تدريب. ويمكن أن تظهر في السلع الاستهلاكية في وقت سابق وإن كانت ذات قدرة محدودة.
على سبيل المثال ، يمكن استخدام هذه التقنية في نظام صور هجين ، حيث تُترك غالبية اللعبة باستخدام الأساليب التقليدية ، ومع ذلك ، يتم استخدام الذكاء الاصطناعي لإنشاء أوجه شبه للأفراد أو الكائنات. يمكن للمستهلكين التقاط لقطات بأنفسهم باستخدام الهواتف الذكية ، ثم تحميل هذه المعلومات إلى السحابة حيث ستتعلم الحسابات نسخها ثم إدخالها في المطابقات. يمكن أن يجعل الأمر أسهل بكثير لإنشاء صور رمزية تشبه اللاعبين ، على سبيل المثال.
يثير هذا النوع من التكنولوجيا بعض الأسئلة الواضحة. في الآونة الأخيرة ، أصبح الخبراء قلقين بشكل متزايد بشأن استخدام تقنية التزييف العميق الناتجة عن الذكاء الاصطناعي مثل المعلومات المضللة والدعاية. أظهر الباحثون أنه من السهل إنشاء لقطات مزيفة للسياسيين والمشاهير وهم يفعلون أو يقولون أشياء لم يفعلوها ، سلاح قوي في أيدي غير صحيحة. من خلال دفع قدرات التكنولوجيا إلى الأمام ونشر دراستها ، يمكن القول إن Nvidia تساهم في هذه المشكلة المحتملة ...
ومع ذلك ، تقول المنظمة أن هذه قضية جديدة. يقول كاتانزارو: "هل يمكن استخدام [هذه التقنية] لإنتاج محتوى مضلل؟ نعم. يمكن استخدام أي تقنية للعرض للقيام بذلك". يقول إن Nvidia تعمل مع شركاء للبحث عن طرق لاكتشاف مزيفة للذكاء الاصطناعي ، ولكن في النهاية مشكلة المعلومات المضللة هي "مشكلة ثقة" ، ومثل معظم مشكلات الثقة التي سبقتها ، يجب حلها باستخدام مجموعة من العمليات ، وليس ببساطة تكنولوجي ..
يقول كاتانزارو إن شركات التكنولوجيا مثل Nvidia لا تتحمل سوى قدر كبير من المسؤولية. "هل يمكنك تحميل شركة الكهرباء المسؤولية لأنها صنعت الكهرباء التي تشغل الكمبيوتر الذي ينتج الفيديو المزيف؟" سأل.
وفي النهاية ، بالنسبة إلى Nvidia ، فإن المضي قدمًا في الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي له ميزة واضحة: فهو يساعد في تعزيز المزيد من أجهزة مؤسستهم. منذ اندلاع طفرة التعلم العميق في أوائل عام 2010 ، ارتفع سعر سهم Nvidia حيث أصبح من الواضح أن رقائق الكمبيوتر الخاصة بها كانت مناسبة بشكل مثالي لأبحاث التعلم الآلي والتقدم.
هل يمكن أن تكون ثورة الذكاء الاصطناعي في رسومات الكمبيوتر مفيدة لأرباح المنظمة؟ يضحك كاتانزارو بالتأكيد لن يؤلم. "أي شيء يزيد من قدرتنا على إنشاء صور أكثر واقعية وإقناعًا أعتقد أنه رائع بالنسبة إلى أرباح Nvidia."
المرجع : الحافة