{"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\/pt\/2024\/09\/is-the-video-game-industry-facing-an-ai-renaissance-what-are-the-impacts\/","title":{"rendered":"A ind\u00fastria dos videojogos est\u00e1 perante um renascimento da IA? Quais s\u00e3o os impactos?"},"content":{"rendered":"

Imagine jogar o cl\u00e1ssico jogo de tiros na primeira pessoa DOOM, mas com uma diferen\u00e7a: o jogo n\u00e3o est\u00e1 a ser executado em c\u00f3digo escrito por programadores; est\u00e1 a ser gerado em tempo real por um sistema de IA. <\/strong><\/p>\n

Isto descreve efetivamente o GameNGen, um modelo inovador de IA recentemente revelado pela Google e por investigadores da Universidade de Tel Aviv.<\/span><\/p>\n

GameNGen<\/a> consegue simular DOOM a mais de 20 fotogramas por segundo utilizando uma \u00fanica Unidade de Processamento Tensorial (TPU). <\/span><\/p>\n

Dentro dessa unidade de processamento, estamos a assistir ao nascimento de jogos que podem essencialmente pensar e criar a si pr\u00f3prios. <\/span><\/p>\n

Em vez de serem os programadores humanos a definir todos os aspectos do comportamento de um jogo, um sistema de IA aprende a gerar toda a experi\u00eancia de jogo em tempo real.<\/span><\/p>\n

No seu n\u00facleo, o GameNGen utiliza um tipo de IA chamado modelo de difus\u00e3o, semelhante aos utilizados em ferramentas de gera\u00e7\u00e3o de imagens como o DALL-E ou o Stable Diffusion. No entanto, os investigadores adaptaram esta tecnologia \u00e0 simula\u00e7\u00e3o de jogos em tempo real.<\/span><\/p>\n

O sistema \u00e9 treinado em duas fases. Primeiro, um agente de aprendizagem por refor\u00e7o (RL) - outro tipo de IA - \u00e9 ensinado a jogar DOOM. \u00c0 medida que este agente de IA joga, as suas sess\u00f5es de jogo s\u00e3o gravadas, criando um grande conjunto de dados de estados, ac\u00e7\u00f5es e resultados do jogo.<\/span><\/p>\n

Na segunda fase, este conjunto de dados \u00e9 utilizado para treinar o pr\u00f3prio GameNGen. O modelo aprende a prever o pr\u00f3ximo fotograma do jogo com base nos fotogramas anteriores e nas ac\u00e7\u00f5es do jogador.\u00a0<\/span><\/p>\n

Pense nisso como ensinar a IA a imaginar como o mundo do jogo responderia \u00e0 jogada de cada jogador.<\/span><\/p>\n