A Microsoft egy 20260183672A1 számú szabadalomban leírta, hogyan használna generatív AI-t játékok narratívájának, NPC-inek és küldetéseinek létrehozására, sőt a játékosok arcát, hangját és viselkedését is elemzné. A technológia még nem létezik, csak egy terv, amely szerint a rendszer a játékos reakciói alapján alakítaná a tartalmat.
Egy friss Microsoft-szabadalom azt mutatja, hogyan vennék fel az arcjátékodat, megmutatnák egy AI-nak, majd hagynák, hogy az áttervezze a játékot, amivel éppen játszol. Nemcsak az arcodra kíváncsiak, hanem minden morranásra, motyogásra vagy akár dorombolásra is.
A szabadalomban leírt tágabb technológia egy olyan folyamat, amelyben a játéktervezők egy AI-t arra kérnek, hogy építse fel egy játék narratív elemeit, köztük a célokat, mellékküldetéseket, NPC-ket, párbeszédeket és tárgyakat. A dolog azonban nem állna meg az első körös tartalomgenerálásnál: amikor a játékosok már játszanak, a rendszer elemezné, hogyan játszanak, majd az akcióik és reakcióik alapján új tartalmat generálna.
Gyors betekintés a kulisszák mögé: én is ezt a technológiát használom, és a cikk további részét pontosan úgy írták át, hogy megfeleljen annak az arckifejezésnek, amit épp most mutatsz.
Az amerikai 20260183672A1 számú szabadalom, amely a Generative Narrative Game Experience With Player Feedback címet viseli, nem egy már elkészült Microsoft-technológiát ír le - inkább egy olyan folyamatot vázol fel, amely megmutatja, hogyan működhetne ez a megoldás, ha egyszer elkészítenék. Mint minden szabadalmi dokumentum esetében, itt is legalább annyira arról van szó, hogy előre lefektessék a jogi alapot ahhoz, hogy egy bíró előtt azt mondhassák: „én gondoltam rá először”, ha egy rivális cég időközben megvalósítja az ötletet. Ezek a dokumentumok gyakran olyanok is, mintha egy gyerek mesélné el, milyen űrhajót építene, ha kapna rá egy kis esélyt - „...és a lábai tele vannak zselével töltött csövekkel, úgyhogy amikor leszáll, a talajt trambulinná alakítja”. Ezért egy szabadalmat nem úgy érdemes olvasni, hogy a cég megcsinálta a dolgot, inkább úgy, hogy a cég elgondolkodott rajta.
Na de lássuk azt a dolgot, amiről a Microsoft azt szeretné, ha mindenki tudná, hogy már végiggondolták.
A szabadalom többféle működési módot is leír. Az egyikben a hangsúly főleg a fejlesztői oldalon van. A leírás szerint egy tervező írott szöveggel, képekkel és hangfájlokkal promptolhatna egy AI-t, amely aztán magas szinten létrehozná a karaktereket, a történetet és a világot, amit a tervező finomítana tovább. Ez a finomítás történhetne úgy, hogy közvetlenül szerkeszti a modell által létrehozott anyagot, vagy úgy, hogy újabb promptokkal pontosítja azt, amit lát. Amikor a tervező elégedett az eredménnyel, beépíthetné azt a játékba.
A szerzők szerint a prompt akár „pusztán a játék általános témája, ötlete vagy célja is lehet, vagy jellemezheti a játék általános természetét, de tartalmazhat narratív részleteket is, például főszereplőket, alap történetszálat stb.”. Ezt követően a modell játékbeli tartalmat generálna - NPC-ket, tárgyakat, párbeszédeket, világépítési leírásokat, valamint célokat és mellékküldetéseket. Az eredmény a tervezőhöz kerülne vissza „a játék vizuális reprezentációjaként [...] szöveg, képek és/vagy grafikonok formájában”.
Nekem személy szerint kifejezetten tetszik ez a homályosság. Rögtön Deep Thought, a Galaxis útikalauz stopposoknak hatalmas szuperszámítógépe jut eszembe, amikor az élet, a világegyetem és mindenre vonatkozó végső kérdésre keresték a választ, és megkapták rá a 42-t. El tudok képzelni egy tervezőt az asztalánál, amint beírja: „Számítógép, készíts nekem egy játékot a gyász témájára”, majd elé gördül egy folyamatábra: „Főszereplő szeret valakit > a szeretett személy meghal > főszereplő = szomorú”. Köszönöm, számítógép.
A szabadalom azt is kimondja, hogy a vizuális reprezentáció mellett a modell kódot is adhatna, amit be lehet illeszteni egy játékmotorba. Alternatív megoldásként egy már létező játékot, például a Minecraftot is frissíthetnék új tartalommal egy API-n keresztül. Nos, ez mind valóban csodásan egyszerűnek hangzik.
Egy másik megközelítésben ezt a tervezői szerepet a játékos kapná meg - bár nem közvetlen promptolással, mint a fejlesztő esetében, hanem úgy, hogy az AI a világot a játékos akciói és „elköteleződési mutatói” alapján alakítaná. Ebben a példában ez nem menet közben, játék közben történne, hanem vagy a fejlesztés alatt, vagy kiadások közötti build-eknél. Ilyenkor a játékosok QA-tesztelők, béta tesztelők vagy early access játékosok lennének. A rendszer összegyűjtené a játékmenetük adatait, betáplálná a modellbe, majd az így kapott tartalmat egy tervező használná fel, mielőtt hivatalosan bekerülne a játékba.
A leírás azonban később már olyan interakciókat is részletez, amelyek teljesen menet közben, generatív AI-hívásokként működnének, hasonlóan azokhoz a beszélgetésekhez, amelyeket játékosok és NPC-k között láttunk például a Where Winds Meetben. A szabadalom szerzői szerint a modell a játékos által az NPC-nek feltett kérdést, valamint olyan kontextuális információkat, mint hogy a játék mely pontján jár, miről beszélt korábban más NPC-kkel, és milyen történeti útvonalat választott, egy generatív AI-ba adná, amely ebből választ készít. Lelkesen le is írják, hogy „a beszélgető ügynök lehetséges természetes nyelvi kimenete szinte korlátlan”.
Korábban már beszéltünk narratív vezetőkkel, és ők kevésbé voltak meggyőződve erről...
Persze a Microsoft mérnökei nem csak egy olyan NPC-t írnak le, amely újonnan generált párbeszédet pufogtat. Ennél tovább mennének. „Az NPC-hez társított ügynök nemcsak beszélgetési kimenetet hozhat létre (például egy mellékküldetés felajánlását a játékosnak), hanem programozott kimenetet is, amely új játékeszközöket, szabályokat vagy a játékvilág módosításait hozza létre a beszélgetéshez kapcsolódóan (például a javasolt mellékküldetéshez tartozó tárgyakat vagy helyszíneket).” Az én új célom bármely Microsoft-játékban, ahol közvetlenül beszélhetek az NPC-kkel, az lesz, hogy két órán át próbáljam meggyőzni őket, kapcsolják ki a gravitációt.
Az NPC-ken túl a szerzők azt is felvetik, hogy generatív ügynökök más játékbeli objektumokat is kezelhetnének. Példaként egy dobozt hoznak fel, amelyet a játékos nem kulccsal nyit ki, hanem berúg. „Bizonyos esetekben az új tartalom annyira összetett lehet, hogy még a játék narratíváját is befolyásolja, új narratív elemeket, játékon belüli útvonalakat és játékmódokat hozva létre. Különösen többjátékos címekben a játékosok egymással és a játékkal folytatott közös interakciói összetett, új, emergens játékmeneti viselkedésekhez vezethetnek.”
Talán egy napon berúgok egy dobozt, mire egy közeli NPC sírva fakad, mert a dobozt a gyereke ajándékozta neki. Ő pedig generál egy mellékküldetést, amelyben el kell mennem bocsánatot kérni a gyerekétől, jutalmul pedig kikapcsolják a gravitációt.
Ezen a ponton muszáj még egyszer nagyon hangsúlyozni, hogy semmi sem bizonyítja, hogy a Microsoft mindezt már elkészítette volna. Nem egy létező technológiát szabadalmaztatnak. Ez tulajdonképpen egy nagy „Nem lenne menő, ha a tech ezt tudná? És ha valaki más előbb megcsinálja, akkor perelhetjük, amiért ellopta a mi jó kis ötleteinket, amiket előbb leírtunk.”
A Microsoft szerint a játékból még olyan adatokat is összeszedhetnének, mint hogy a játékos milyen gyakran tér vissza egy adott területre, mennyi ideig beszél egy NPC-vel, vagy hogy teljesít egy küldetést, vagy inkább otthagyja. Ez nem is annyira különbözik attól, ahogyan az emberi játékfejlesztők dolgoznak: ők is figyelik, hogyan mozognak a játékosok a világukban, majd ezek alapján változtatnak a játékon. Unreal Engine-ben például Epic Games Store. Csak a másik oldalon már egy ember dönti el, hogyan módosítsa a játékot.
A szabadalom akkor kezd igazán nyugtalanítóvá válni, amikor a Microsoft azt javasolja, hogy „engedéllyel” kamerákat és mikrofonokat használhatnának arra, hogy „a játékos beszélt megjegyzéseiből, arckifejezéseiből stb. inferálják ezeket a mutatókat a játékmenet során”. Azt is felvetik, hogy az online közzétett élő streameket feldolgoznák, és ezt etetnék be az AI-modellbe, hogy aszerint módosítsák a játékot. Ez már azt a lehetőséget is felveti, hogy akár azt is megmondhatnád egy játéknak, hogy törölje magát, és az tényleg meg is tenné.
Ahogy az várható volt, a dokumentumot készítő emberek álma az, hogy a játéktervező AI több olyasmit adjon, amit a játékosok szeretnek, és kevesebbet abból, amit nem. „Ha a játék egy bizonyos része vonzza a játékosokat, a modell úgy dönthet, hogy tovább részletezi és kibővíti azt a részt, hogy még inkább növelje a játékosok elköteleződését. Az ellenkező oldalon az a játékbeli tartalom, amely kevésbé köti le a játékost - akár az eredeti játék része, akár menet közben került bele -, kisebb hangsúlyt kaphat vagy el is távolítható.”
Másképp fogalmazva: az AI megláthatná a Final Fantasy 7 Aerith-haláljeleneténél sokkolt és elszomorodott játékosok arcát, majd úgy dönthetne, hogy törli a jelenetet, és valami olyasmire cseréli, amitől látványosan boldogabbak lesznek. Vagy felismerve a karakter halálának érzelmi súlyát, inkább kibővítené azt a maximális hatás érdekében, létrehozva a jelenet All Too Well (10 Minute Version) változatát.
Ha most már teljesen aggódsz amiatt, hogy hogyan nézhet ki ez az AI által generált videojáték-jövő, van némi vigasz a szabadalmi dokumentumban. A szerzők hoznak egy példát arra, mit javasolhatna egy AI egy Oz varázslója témájú játékot készítő tervezőnek. Az egyik javasolt küldetés így szól: „Végezd el a varázsló feladatait: Miután Dorothy eléri a varázsló kastélyát, egy sor feladatot kap, amelyeket teljesítenie kell, mielőtt a varázsló fogadja őt. Ezek a feladatok különféle tárgyak megtalálását és összegyűjtését jelentik Óz földjéről.” Ez azért nem épp földrengető ötlet. Ilyen felismerésekkel a Lies of P fejlesztője, a Neowiz, amely most gőzerővel dolgozik az Oz világában játszódó Wonders of O-n, nyilván reszkethet a csizmájában.
Összefoglalva: a Microsoft még nem készített el semmit, de leírta, hogyan készítené el, és ha egyszer tényleg megcsinálják, lehet, hogy érdemes lesz maszkban játszani a Microsoft-játékokat, nehogy ha vakarózol vagy belenyúlsz az orrodba játék közben, a játék egyszer csak úgy döntsön, hogy egy denevérekkel teli barlangban aranyat kell ásnod.
A magyar játékosoknak azért érdekes, mert a Microsoft-játékok jövőbeli AI-alapú tartalomgenerálása akár Xboxon és PC-n is alapjaiban változtathatja meg, hogyan készülnek a történetközpontú címek.
