{"id":14127,"date":"2024-09-08T18:27:40","date_gmt":"2024-09-08T18:27:40","guid":{"rendered":"https:\/\/dailyai.com\/?p=14127"},"modified":"2024-09-10T11:42:49","modified_gmt":"2024-09-10T11:42:49","slug":"is-the-video-game-industry-facing-an-ai-renaissance-what-are-the-impacts","status":"publish","type":"post","link":"https:\/\/dailyai.com\/it\/2024\/09\/is-the-video-game-industry-facing-an-ai-renaissance-what-are-the-impacts\/","title":{"rendered":"L'industria dei videogiochi sta affrontando un rinascimento dell'intelligenza artificiale? Quali sono gli impatti?"},"content":{"rendered":"

Immaginate di giocare al classico sparatutto in prima persona DOOM, ma con un tocco di novit\u00e0: il gioco non viene eseguito su codice scritto da programmatori, ma viene generato in tempo reale da un sistema di intelligenza artificiale. <\/strong><\/p>\n

Questo descrive efficacemente GameNGen, un modello di intelligenza artificiale innovativo recentemente presentato da Google e dai ricercatori dell'Universit\u00e0 di Tel Aviv.<\/span><\/p>\n

GiocoNGen<\/a> \u00e8 in grado di simulare DOOM a oltre 20 fotogrammi al secondo utilizzando una singola Tensor Processing Unit (TPU). <\/span><\/p>\n

All'interno di questa unit\u00e0 di elaborazione, stiamo assistendo alla nascita di giochi che possono essenzialmente pensare e creare se stessi. <\/span><\/p>\n

Invece di essere i programmatori umani a definire ogni aspetto del comportamento di un gioco, un sistema di intelligenza artificiale impara a generare l'intera esperienza di gioco al volo.<\/span><\/p>\n

Nel suo nucleo, GameNGen utilizza un tipo di intelligenza artificiale chiamato modello di diffusione, simile a quelli utilizzati in strumenti di generazione di immagini come DALL-E o Stable Diffusion. Tuttavia, i ricercatori hanno adattato questa tecnologia per la simulazione di giochi in tempo reale.<\/span><\/p>\n

Il sistema viene addestrato in due fasi. In primo luogo, si insegna a un agente di apprendimento per rinforzo (RL) - un altro tipo di IA - a giocare a DOOM. Mentre questo agente AI gioca, le sue sessioni di gioco vengono registrate, creando un ampio set di dati di stati di gioco, azioni e risultati.<\/span><\/p>\n

Nella seconda fase, questo set di dati viene utilizzato per addestrare GameNGen stesso. Il modello impara a prevedere il fotogramma successivo del gioco in base ai fotogrammi precedenti e alle azioni del giocatore.\u00a0<\/span><\/p>\n

\u00c8 come insegnare all'IA a immaginare come il mondo di gioco risponderebbe alle mosse di ciascun giocatore.<\/span><\/p>\n