微软研究院创建了 Muse，这是首个能够根据视觉或玩家控制器动作生成游戏环境的生成性 AI 模型。它理解 3D 游戏世界和游戏物理，并能够对玩家与游戏的互动做出反应。
“这使得模型能够创造出由人工智能渲染的一致且多样的游戏玩法，展示了朝着能够赋能游戏创作者的生成式人工智能模型迈出的重要一步，” 法蒂玛·卡尔达尔，微软游戏人工智能的企业副总裁解释道。
Muse 模型是基于来自 Xbox 游戏Bleeding Edge的大量人类游戏数据进行训练的，这得益于微软研究院与 Xbox 工作室 Ninja Theory 之间的合作——这两个机构均位于英国剑桥。微软研究院游戏智能团队负责人 Katja Hofmann 表示：“这次合作使我们能够与游戏工作室紧密合作，以了解需要具备哪些条件，以及我们如何能够负责任地解锁大量游戏数据的访问权限。”
这使得 Muse 能够访问相当于七个人类游戏的内容，总共训练了十亿个图像动作对。这是一个里程碑式的研究项目，今天正在《自然》Nature中发布，但由于这是早期工作，该模型仅限于生成分辨率为 300×180 像素的游戏视觉效果。这比微软早期在生成 AI 游戏模型上的工作分辨率 128 x 128 有所提升，但仍远远落后于 PC 游戏玩家常用的 1080p（1920 x 1080）分辨率。
微软发布了一些 Muse 模型实际应用的示例，生成游戏玩法，甚至允许玩家将视觉元素加载到游戏中以提示模型。这可以用于游戏的早期迭代阶段，但微软强调这并不是为了生成整个游戏并取代创作者。
“对于 Xbox，我们推动 AI 的方法原则是为玩家和游戏创作者创造更多价值，将更多游戏带给世界各地的更多人，并认识到伟大游戏的开发始终基于创作者的愿景和艺术性，”卡尔达尔说。“我们相信生成性 AI 有潜力增强这种创造力并解锁新的可能性。”
在一次新闻发布会上，霍夫曼还展示了微软目前正在实验的 Muse 实时版本，以实现互动的人工智能游戏。演示实时生成游戏视觉效果，并且对掉入游戏中的物体做出反应以改变环境。尽管实时游戏仅以 10 帧每秒和 300×180 的分辨率运行，但这仍然是对未来可能实现的早期演示。
微软现在正在探索 Muse 如何帮助改善经典游戏并将其带到现代硬件上。“你可以想象一个世界，在这个世界中，通过游戏数据和视频，一个模型可以学习旧游戏，并真正使它们能够在任何可以运行这些模型的平台上移植，”微软游戏首席执行官菲尔·斯宾塞说。“我们谈论过游戏保存作为我们的一个活动，这些模型及其学习游戏玩法的能力，无需原始引擎在原始硬件上运行，打开了大量的机会。”
本文翻译自：The Verge,https://www.theverge.com/news/615048/microsoft-xbox-generative-ai-model-gaming-muse
编译： ChatGPT
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
（文：Z Potentials）