微軟的Muse AI想改變遊戲製作方式——但真的能做到嗎？
微軟最近推出了Muse，這是一款針對遊戲開發的生成式AI，聲稱能成為遊戲概念的工具，能夠構思可玩的想法，並建構遊戲視覺、控制器輸入等內容。雖然聽起來非常前衛，但Muse更像是一個技術實驗，而非微軟所宣傳的遊戲開發革命。
與一些針對遊戲開發者的生成式AI模型不同，例如騰訊的GameGen-O，後者承諾成為一個AI遊戲引擎和創作平台，Muse並不是作為傳統遊戲開發流程的替代品，而是可以“延伸”一個遊戲演示，並提供幾秒鐘的AI創建模擬。
Muse與Ninja Theory共同開發，該團隊在《Senua’s Saga: Hellblade II》等遊戲中先驅了動作捕捉和Unreal Engine的MetaHuman技術。Muse的突出特點是能夠複製遊戲中的道具和敵人。其原理在於，Muse分析大量遊戲數據，這些複製的資產具備對象的動畫、設計和交互功能。
Muse旨在理解遊戲引擎和互動對象的運作方式，確保開發團隊能生成對行動作出反應的3D遊戲環境——這聽起來像是一個快速迭代原型、打磨遊戲想法和機制的好方法，甚至能將復古遊戲重新製作到新引擎上。
我們已經看到類似的AI驅動技術，例如Nvidia的RTX Remix，它使藝術家能夠捕捉和重新製作遊戲資產，並用AI增強的紋理更新它們。不同之處在於範疇，Muse則暗示著能夠重建一個世界及其行動，雖然這樣做的成本非常高。Muse是使用100個Nvidia H100 GPU集群訓練的，利用約100萬次訓練更新，將一秒的遊戲播放延展到額外的九秒AI模擬動作。
Ninja Theory以其Xbox遊戲《Bleeding Edge》作為實驗的基礎。該AI模型從現有的多人遊戲錄像中學習，這意味著它並不是從零開始創造機制，而是基於真實遊戲時刻進行推斷。輸出以300×180像素的解析度呈現，這意味著它並不是最終的應用案例，但可以用於內部測試想法。
因此，微軟將其AI定位為人類創造力的伴侶，而不是替代品；是一個輔助傳統遊戲設計的工具，而不是取而代之。在這種背景下，Muse與一長串生成式AI實驗相伴隨，這些實驗在現實世界的應用有限。儘管看到一個新的AI工具能夠模仿已存在的想法令人著迷，但Muse似乎仍然是另一個尋找存在意義的AI。
當然，這一切仍處於早期階段。開放遊戲開發的需求無疑是好事，這就是為什麼像Unity和Unreal Engine這樣的最佳遊戲開發軟件越來越多地採用視覺腳本處理，為何無需編碼的遊戲開發應用如Godot和GameMaker變得越來越受歡迎。
未來版本的Muse是否會提供更具吸引力的用例？有可能，甚至非常可能。但就目前而言，Ninja Theory的生成式AI仍然是一個概念驗證，而不是能夠顛覆行業的開發工具。
評論：微軟的Muse AI無疑展示了AI在遊戲開發中的潛力，但從目前的情況來看，它更像是一個實驗性質的工具，尚未完全釋放其潛能。這反映了當前技術發展的一個普遍趨勢：很多創新雖然令人興奮，但實際應用仍需時間去驗證。對於遊戲開發者來說，如何平衡人類創造力與AI輔助，將是未來的挑戰之一。隨著技術的進步，Muse可能在未來成為一個更具實用性的工具，但現階段的探索性質也提醒我們，AI的發展仍需謹慎和深思。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
