ゲーミングでのファウンデーションモデルの使い方はどのようなものですか？

ゲーミングにおけるファウンデーションモデルの使用方法はどのようなものですか？

AI技術は、メディアやエンターテイメント、自動車、カスタマーサービスなど、様々な業界において大きな影響を与えています。ゲーム開発者にとって、これらの進歩は、よりリアルで没入感のあるゲーム体験を創造するための道を開いています。

感情を伝えるような生き生きとしたキャラクターや、単純なテキストを魅力的なイメージに変換するために、基盤モデルは、開発者の作業を加速させると同時に総合コストを削減する上で不可欠な存在となっています。これらのパワフルなAIモデルは、デザイナーやゲーム開発者に高品質なゲーム体験の構築を可能にしました。

基盤モデルとは何ですか？

基盤モデルは、膨大なデータを学習し、さまざまなタスクに対応するために適応されたニューラルネットワークです。テキスト、画像、音声の生成など、さまざまな一般的なタスクを可能にします。基盤モデルの人気と使用は、過去1年間で急速に増加しており、現在数百のモデルが利用可能となっています。

例えば、GPT-4は、コンテキストや過去の会話に基づいて人間らしいテキストを生成することができる、OpenAIが開発した大規模なマルチモーダルモデルです。また、DALL-E 3は、自然言語で書かれた説明からリアルな画像やアートワークを作成することができます。

• AIとブロックチェーンの統合によるゲームセキュリティの拡張
• 「DALL-E 3とChatGPTを使って、私が一貫したキャラクターを作り出す方法」
• 「UBCと本田技研が、敏感なロボット用の革命的なソフトセンサーを発表」

NVIDIA NeMoやNVIDIA Picassoのようなパワフルな基盤モデルを使用することで、企業や開発者は既存のワークフローにAIを組み込むことが容易になります。たとえば、NVIDIA NeMoフレームワークを使用することで、組織はスケールできる生成AIモデルを迅速にトレーニング、カスタマイズ、展開することができます。また、NVIDIA Picassoを使用することで、チームは独自の企業データで事前トレーニングされたEdifyモデルを微調整し、生成AI画像、動画、3Dアセット、テクスチャ素材、360 HDRiのカスタム製品やサービスを構築することができます。

基盤モデルはどのように構築されていますか？

基盤モデルは、複数のタスクを実行できるAIシステムのベースとして使用することができます。企業は、膨大な未ラベル化データを使用して独自の基盤モデルを簡単かつ迅速に作成することができます。

データセットは可能な限り大きく多様である必要があります。データ量が少なすぎるか、品質が低い場合、生成された出力には不正確さ（幻覚とも呼ばれる）や細かいディテールの欠落が生じる可能性があります。

次に、データセットを準備する必要があります。これには、データのクリーニング、エラーの削除、モデルが理解できる形式に整形する作業が含まれます。データセットの準備時には、偏見が普遍的な問題となるため、これらの不一致や不正確さを測定し、削減、解決することが重要です。

基盤モデルのトレーニングには時間がかかる場合があります。モデルのサイズや必要なデータ量に加えて、NVIDIA A100やH100 Tensor Core GPUなどのハードウェア、およびNVIDIA DGX SuperPODなどの高性能データシステムを使用すると、トレーニングを加速することができます。例えば、ChatGPT-3は、約34日間で1,000以上のNVIDIA A100 GPUでトレーニングされました。

トレーニング後、基盤モデルは品質、多様性、速度で評価されます。パフォーマンスを評価するためのいくつかの手法があります。たとえば：

• モデルがテキストのサンプルをどの程度正確に予測できるかを測定するツールやフレームワーク
• 生成された出力と1つ以上の参照との類似性を測定し、それらの間の類似度を計算するメトリクス
• さまざまな基準に基づいて生成された出力の品質を評価する人間の評価者

適切なテストや評価に合格した後、モデルは本番環境に展開することができます。

ゲームでの基盤モデルの探索

事前トレーニングされた基盤モデルは、ミドルウェア、ツール、ゲーム開発者によって、製品開発時および実行時に活用することができます。ベースモデルをトレーニングするには、リソースと時間が必要ですが、それに加えて特定のレベルの専門知識も必要となります。現在、ゲーム業界内の多くの開発者は、市販のモデルを探索していますが、特定のユースケースに適したカスタムソリューションが必要です。彼らは、商業的に安全なデータでトレーニングされ、リアルタイムパフォーマンスに最適化されたモデルが必要です。これらの要件を満たす難しさが、基盤モデルの採用を遅らせています。

しかしながら、生成型AIの領域におけるイノベーションは迅速であり、重要な課題が解決されれば、スタートアップからAAAスタジオまでの開発者は、基礎となるモデルを使用して、ゲーム開発の効率を向上させ、コンテンツの制作を加速させることができるでしょう。さらに、これらのモデルは完全に新しいゲームプレイ体験を創造するのにも役立つことがあります。

トップの産業利用事例は、知的エージェントやAIパワーのあるアニメーションとアセットの作成を中心としています。例えば、多くのクリエイターは、知的な非プレイヤーキャラクターやNPCを作成するためのモデルを探求しています。

特定のゲームの用語や伝説を緻密に調整したカスタムLLMは、人間のようなテキストを生成し、文脈を理解し、一貫した方法でプロンプトに応答することができます。これらのモデルは、パターンや言語構造を学び、ゲームの状態変化を理解するように設計されており、プレイヤーと共にゲーム内で進化や進歩を続けます。

NPCがますますダイナミックになるにつれて、その応答と同期するリアルタイムのアニメーションと音声が必要になります。開発者は、スピーチと翻訳AIを使用して表現豊かなキャラクターの声を作成するためにNVIDIA Rivaを使用し、AIパワーのある顔のアニメーションにはNVIDIA Audio2Faceを活用しています。

基礎モデルはアセットとアニメーションの生成にも使用されています。ゲーム開発の前制作と本制作の段階でのアセットの作成は、時間がかかり、退屈で費用がかかる作業です。

最先端の拡散モデルを使用することで、開発者はより迅速に反復作業を行い、高品質なアセットの開発や反復作業など、コンテンツパイプラインの最も重要な側面に費やす時間を確保することができます。スタジオのデータリポジトリからこれらのモデルを微調整する能力により、生成される出力は以前のゲームのアートスタイルやデザインと同様になることが保証されます。

基礎モデルはすでに利用可能であり、ゲーム業界はまだその能力の全体像を理解する初期段階にあります。リアルタイム体験のためにさまざまなソリューションが構築されていますが、利用事例は限られています。幸いにも、開発者は今日クラウドAPIを介して容易にモデルやマイクロサービスにアクセスすることができ、どのようにAIがゲームに影響を与え、顧客やデバイスの範囲を拡大させるかを探求することができます。

ゲームにおける基礎モデルの未来

基礎モデルは、開発者がゲームの未来を実現するのに役立ちます。拡散モデルや大規模言語モデルは、PC、コンソール、モバイルデバイスなどのさまざまなハードウェアパワープロファイルでネイティブに実行されるよう開発者が模索するにつれて、より軽量になっています。

これらのモデルの正確さと品質は、AAAのゲーム体験にドロップする前にほとんど修正する必要のない高品質なアセットを生成するため、さらに向上するでしょう。

基礎モデルは、従来の技術では克服が困難だった領域でも使用されます。例えば、自律エージェントはゲーム開発中のワールドスペースの分析と検出に役立ち、品質保証のプロセスを加速することができます。

テキスト、画像、音声などの混在した入力を同時に取り込むことができるマルチモーダル基礎モデルは、知的なNPCや他のゲームシステムとのプレイヤーの相互作用をさらに向上させます。さらに、追加の入力タイプを使用して、制作中に生成されるアセットの創造力を向上させ、品質を高めることができます。

マルチモーダルモデルは、ゲーム開発の最も時間と費用のかかるプロセスの1つであるリアルタイムキャラクターのアニメーションを改善するのにも非常に有望です。それらは、キャラクターの動きを現実の俳優と同一にすること、さまざまな入力からスタイルと感覚を吸い上げ、リギングプロセスを容易にすることに役立つかもしれません。

ゲームにおける基礎モデルについて詳しく学ぶ

対話の高度化や3Dコンテンツの生成、インタラクティブなゲームプレイの提供など、基礎モデルは開発者に新たなゲーム体験の可能性を開いています。

基礎モデルやゲーム開発ワークフローに力を与える他の技術について詳しく学んでください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!