Inworld AI مطالعات موردی هوش مصنوعی را در مسیر تولید به نمایش می‌گذارد

به گفته Kylan Gibbs، مدیرعامل Inworld AI، اکوسیستم فعلی هوش مصنوعی (Artificial Intelligence) با در نظر گرفتن توسعه‌دهندگان بازی ساخته نشده است. او در مصاحبه‌ای با GamesBeat اظهار داشت، در حالی که فناوری‌های هوش مصنوعی امروزی در نمایش‌های کنترل‌شده چشمگیر هستند، اما هنگام انتقال به بازی‌های آماده تولید، محدودیت‌های مهمی را نشان می‌دهند.

به گفته وی، در حال حاضر، استقرار هوش مصنوعی به دلیل وابستگی توسعه‌دهندگان بازی به APIهای جعبه سیاه با قیمت‌های غیرقابل پیش‌بینی و شرایط متغیر، کند شده است که منجر به از دست دادن استقلال و توقف نوآوری می‌شود. بازیکنان به جای تجربه‌های پایدار و تکاملی، با نسخه‌های نمایشی یکبار مصرف "طعم‌دار شده با هوش مصنوعی" رها می‌شوند.

در کنفرانس توسعه‌دهندگان بازی 2025 (Game Developers Conference)، Inworld قصد ندارد فناوری را صرفاً به خاطر فناوری به نمایش بگذارد. Gibbs گفت که این شرکت نشان می‌دهد که چگونه توسعه‌دهندگان بر این موانع ساختاری غلبه کرده‌اند تا بازی‌های مبتنی بر هوش مصنوعی را عرضه کنند که میلیون‌ها بازیکن در حال حاضر از آن لذت می‌برند. تجربه‌های آن‌ها نشان می‌دهد که چرا بسیاری از پروژه‌های هوش مصنوعی قبل از عرضه با شکست مواجه می‌شوند و مهم‌تر از آن، چگونه می‌توان بر این چالش‌ها غلبه کرد.

Gibbs گفت: «ما در چند سال گذشته در GDC شاهد یک گذار بوده‌ایم. به طور کلی، این یک گذار از نسخه‌های نمایشی و نمونه‌های اولیه به تولید است. وقتی شروع کردیم، واقعاً یک اثبات مفهوم بود. 'این چگونه کار می‌کند؟' مورد استفاده بسیار محدود است. این واقعاً فقط شخصیت‌ها و شخصیت‌های غیرقابل بازی (NPCs) بود و تمرکز زیادی روی نسخه‌های نمایشی بود.»

Gibbs گفت، اکنون این شرکت بر تولید با شرکا و استقرارهای در مقیاس بزرگ و در واقع حل مشکلات متمرکز است.

مدل‌های زبانی بزرگتر (LLM) قبلی برای قرار دادن در بازی‌ها بسیار پرهزینه بودند. به این دلیل که ارسال پرس و جوی کاربر به هوش مصنوعی در سراسر وب به یک مرکز داده، با استفاده از زمان واحد پردازش گرافیکی (GPU) با ارزش، هزینه زیادی داشت. این پاسخ را اغلب آنقدر آهسته پس می‌فرستاد که کاربر متوجه تأخیر می‌شد.

یکی از مواردی که اکنون به کاهش هزینه‌های هوش مصنوعی کمک کرده است، این است که پردازش هوش مصنوعی بازسازی شده است و وظایف از سرور به منطق سمت مشتری منتقل می‌شوند. با این حال، این فقط در صورتی می‌تواند اتفاق بیفتد که کاربر یک دستگاه خوب با پردازنده/GPU هوش مصنوعی خوب داشته باشد. Gibbs گفت، وظایف استنتاج را می‌توان روی ماشین‌های محلی انجام داد، در حالی که مشکلات سخت‌تر یادگیری ماشینی ممکن است در فضای ابری انجام شود.

Gibbs گفت: «به نظر من، امروز ما در موقعیتی قرار داریم که در واقع ثابت کرده‌ایم که این چیزها در مقیاس بزرگ در تولید کار می‌کنند و ابزارهای مناسبی برای انجام این کار داریم. و این یک انتقال عالی و هیجان‌انگیز در عین حال بوده است، زیرا اکنون بر این موضوع تمرکز کرده‌ایم که در واقع توانسته‌ایم در مورد چالش‌های اساسی در اکوسیستم هوش مصنوعی کشف کنیم.» «وقتی در ذهنیت نمونه‌سازی نسخه نمایشی هستید، بسیاری از چیزها واقعاً خوب کار می‌کنند، درست است؟ بسیاری از این ابزارها مانند OpenAI، Anthropic برای نسخه‌های نمایشی عالی هستند، اما وقتی به مقیاس چند میلیون کاربر می‌روید، کار نمی‌کنند.»

Gibbs گفت که Inworld AI بر حل مشکلات بزرگتر در GDC متمرکز است. Inworld AI در حال به اشتراک گذاشتن چالش‌های واقعی است که با آن مواجه شده است و نشان می‌دهد که چه چیزی می‌تواند در تولید کار کند.

Gibbs گفت: «چالش‌های بسیار واقعی برای انجام این کار وجود دارد و ما نمی‌توانیم همه آن را به تنهایی حل کنیم. ما باید آن را به عنوان یک اکوسیستم حل کنیم. ما باید بپذیریم و تبلیغ هوش مصنوعی را به عنوان یک درمان، یک راه حل plug and play متوقف کنیم. ما مشکلات را با چند شریک حل کرده‌ایم.»

Gibbs مشتاقانه منتظر گسترش رایانه‌های شخصی هوش مصنوعی است.

Gibbs گفت: «اگر تمام پردازش را روی دستگاه محلی بیاورید، آنگاه بسیاری از آن هوش مصنوعی بسیار مقرون به صرفه‌تر می‌شود.»

این شرکت تمام مدل‌های باطن و تلاش‌ها برای مهار هزینه‌ها را ارائه می‌دهد. من اشاره کردم که Mighty Bear Games، به ریاست Simon Davis، در حال ایجاد بازی‌هایی با عوامل هوش مصنوعی است، جایی که عوامل بازی را انجام می‌دهند و انسان‌ها به ساخت عوامل عالی کمک می‌کنند.

«همراهان فوق‌العاده باحال هستند. Gibbs گفت، تجربه‌های شبیه‌سازی چند عاملی را خواهید دید، مانند انجام جمعیت‌های پویا. اگر روی یک تجربه مبتنی بر شخصیت متمرکز هستید، می‌توانید شخصیت‌های اصلی یا شخصیت‌های پس‌زمینه داشته باشید.» «و در واقع کارآمد کردن شخصیت‌های پس‌زمینه واقعاً سخت است، زیرا وقتی مردم به چیزهایی مانند مقاله استنفورد نگاه می‌کنند، در مورد شبیه‌سازی همزمان 1000 عامل است. همه ما می‌دانیم که بازی‌ها این‌گونه ساخته نمی‌شوند. چگونه می‌توانید حس میلیون‌ها شخصیت را در مقیاس بزرگ ایجاد کنید، در حالی که یک سیستم سطح جزئیات را نیز انجام می‌دهید، بنابراین با نزدیک شدن به آن، عمق هر عامل را به حداکثر می‌رسانید.»

از Gibbs پرسیدم که نظرش در مورد آماری که در نظرسنجی GDC 2025 آمده است چیست، که نشان می‌دهد توسعه‌دهندگان بازی بیشتری نسبت به سال گذشته نسبت به هوش مصنوعی بدبین هستند. اعداد نشان داد که 30 درصد نسبت به هوش مصنوعی حس منفی دارند، در حالی که این رقم در سال قبل 18 درصد بود. این در جهت اشتباه پیش می‌رود.

Gibbs گفت: «من فکر می‌کنم به نقطه‌ای رسیده‌ایم که همه متوجه می‌شوند که آینده مشاغل آن‌ها هوش مصنوعی را در خود خواهد داشت. و ما به نقطه‌ای قبل از این رسیده‌ایم که همه خوشحال بودند که فقط اطلاعیه‌های OpenAI و هر کاری که دوستانشان در LinkedIn انجام می‌دادند را دنبال کنند.»

به نظر می‌رسد مردم پس از استفاده از ابزارهایی مانند تولیدکننده‌های تصویر با prompts متنی دلسرد شده‌اند و این ابزارها در تولید به خوبی کار نمی‌کنند. Gibbs گفت، اکنون، با حرکت به سمت تولید، متوجه می‌شوند که در مقیاس بزرگ کار نمی‌کند. و بنابراین ابزارهای بهتری برای کاربران خاص برای توسعه‌دهندگان لازم است.

Gibbs گفت: «ما باید شکاک باشیم، زیرا چالش‌های واقعی وجود دارد که هیچ‌کس آن‌ها را حل نمی‌کند. و تا زمانی که این بدبینی را بیان نکنیم و واقعاً به اکوسیستم فشار نیاوریم، تغییری نخواهد کرد.»

مشکلات شامل قفل شدن در فضای ابری و هزینه‌های غیرقابل پیش‌بینی؛ مسائل مربوط به عملکرد و قابلیت اطمینان؛ و یک هوش مصنوعی غیرقابل تکامل است. یکی دیگر از مشکلات، کنترل موثر عوامل هوش مصنوعی است تا از مسیر خارج نشوند.

Gibbs گفت، وقتی بازیکنان در حال بازی در یک بازی مانند Fortnite هستند، دریافت پاسخ در میلی‌ثانیه بسیار مهم است. Gibbs گفت، هوش مصنوعی در بازی‌ها می‌تواند یک تجربه قانع‌کننده باشد، اما کارآمد کردن آن با صرفه‌جویی در هزینه در مقیاس بزرگ مستلزم حل بسیاری از مشکلات است.

Gibbs گفت، در مورد تغییراتی که هوش مصنوعی به ارمغان می‌آورد، «یک تغییر اساسی در معماری در نحوه ساخت برنامه‌های هوش مصنوعی رو به روی کاربر ایجاد خواهد شد.»

Gibbs گفت: «اتفاقی که می‌افتد این است که استودیوها با ابزارها در حال ساخت هستند و سپس چند ماه از تولید می‌گذرد و متوجه می‌شوند، 'وای خدای من! این کار نمی‌کند. ما باید معماری خود را به طور کامل تغییر دهیم.'»

این همان چیزی است که Inworld AI روی آن کار می‌کند و در آینده اعلام خواهد شد. Gibbs پیش‌بینی می‌کند که بسیاری از ابزارهای هوش مصنوعی به سرعت در عرض چند ماه منسوخ می‌شوند. این کار برنامه‌ریزی را دشوار می‌کند. او همچنین پیش‌بینی می‌کند که ظرفیت ارائه‌دهندگان ابری شخص ثالث تحت فشار از بین خواهد رفت.

Gibbs گفت: «آیا آن کد واقعاً زمانی که چهار میلیون کاربر از طریق آن عبور می‌کنند کار خواهد کرد؟» «آنچه ما می‌بینیم این است که بسیاری از افراد مجبور می‌شوند با نزدیک شدن به تولید، کل پایگاه کد خود را از پایتون به C++ بازسازی کنند.»

معماری Streamlabs برای وارد کردن هوش مصنوعی به گردش کار. در GDC، Inworld چندین نسخه نمایشی شریک کلیدی را به نمایش خواهد گذاشت که نشان می‌دهد چگونه استودیوها در هر اندازه‌ای با موفقیت هوش مصنوعی را پیاده‌سازی می‌کنند. این موارد عبارتند از:

• Streamlabs: عامل پخش هوشمند تفسیر بی‌درنگ و کمک تولید ارائه می‌دهد.
• Wishroll: نمایش Status، یک بازی شبیه‌سازی رسانه‌های اجتماعی با شخصیت‌های منحصر به فرد مبتنی بر هوش مصنوعی.
• Little Umbrella: The Last Show، یک بازی مهمانی مبتنی بر وب با میزبانی هوش مصنوعی شوخ.
• Nanobit: Winked، یک بازی چت موبایلی با ایجاد روابط مداوم و در حال تحول.
• Virtuos: دادن کنترل کامل به توسعه‌دهندگان بر رفتارهای شخصیت هوش مصنوعی برای یک تجربه داستان‌گویی همه‌جانبه‌تر.

علاوه بر این، Inworld دو نمایش فناوری توسعه‌یافته توسط Inworld را به نمایش خواهد گذاشت:

• نسخه نمایشی روی دستگاه: یک بازی تعاونی که به طور یکپارچه روی دستگاه در سراسر پلتفرم‌های سخت‌افزاری متعدد اجرا می‌شود.
• شبیه‌سازی چند عاملی واقع‌گرایانه: شبیه‌سازی چند عاملی که رفتارهای اجتماعی و تعاملات واقع‌گرایانه را نشان می‌دهد.

Kylan Gibbs یکی از بنیانگذاران Inworld AI و سخنران در رویداد اخیر GamesBeat Next ما است. در زیر هفت مورد از چالش‌های کلیدی ذکر شده است که به طور مداوم مانع از جهش بازی‌های مبتنی بر هوش مصنوعی از نمونه اولیه امیدوارکننده به محصول عرضه شده می‌شوند. در اینجا نحوه استفاده استودیوها در هر اندازه‌ای از Inworld برای عبور از این موانع و ارائه تجربه‌هایی که میلیون‌ها نفر از آن لذت می‌برند، آمده است.

مشکل توسعه‌دهنده: هوش مصنوعی ابری آماده تولید، تأخیرهای پاسخی را معرفی می‌کند که باعث از بین رفتن غوطه‌وری بازیکن می‌شود. وابستگی‌های ابری غیربهینه منجر به زمان پاسخ‌گویی هوش مصنوعی 800 میلی‌ثانیه تا 1200 میلی‌ثانیه می‌شود، که حتی ساده‌ترین تعاملات را نیز کند می‌کند.

تمام هوش در سمت سرور باقی می‌ماند و نقاط شکست واحدی ایجاد می‌کند و از مالکیت واقعی جلوگیری می‌کند، اما اکثر توسعه‌دهندگان می‌توانند جایگزین‌های کمی فراتر از این گردش کار هوش مصنوعی فقط API ابری پیدا کنند که آنها را در معماری‌های وابستگی دائمی قفل می‌کند.

راه حل Inworld: عامل پخش هوشمند Logitech G’s Streamlabs یک میزبان مشترک، تهیه‌کننده و دستیار فنی مبتنی بر هوش مصنوعی است که رویدادهای بازی را در زمان واقعی مشاهده می‌کند، در لحظات کلیدی تفسیر ارائه می‌دهد، در انتقال صحنه‌ها کمک می‌کند و تعامل مخاطبان را افزایش می‌دهد و به سازندگان اجازه می‌دهد تا بدون غرق شدن در وظایف تولید، بر محتوا تمرکز کنند.

تیم Streamlabs گفت: «ما سعی کردیم این را با APIهای ابری استاندارد بسازیم، اما تأخیر 1-2 ثانیه‌ای باعث شد دستیار از عمل جدا شود. با کار با Inworld، ما به زمان پاسخ‌گویی 200 میلی‌ثانیه دست یافتیم که باعث می‌شود دستیار در لحظه حاضر باشد.»

در پشت صحنه، چارچوب Inworld پردازش ورودی چندوجهی، استدلال متنی و خروجی تطبیقی دستیار را سازماندهی می‌کند. Inworld با ادغام یکپارچه با مدل‌های شخص ثالث و API Streamlabs، تفسیر گیم‌پلی، چت و دستورات صوتی را آسان می‌کند، سپس اقدامات بی‌درنگ مانند تغییر صحنه‌ها یا کلیپ‌های برجسته را ارائه می‌دهد. این رویکرد توسعه‌دهندگان را از نوشتن خطوط لوله سفارشی برای هر مدل هوش مصنوعی جدید یا محرک رویداد نجات می‌دهد.

این فقط سریعتر نیست، بلکه تفاوت بین دستیاری است که احساس زنده بودن می‌کند در مقابل دستیاری که همیشه یک قدم از عمل عقب‌تر به نظر می‌رسد.

آخرین نمایش

مشکل توسعه‌دهنده: موفقیت باید دلیلی برای جشن باشد، نه یک بحران مالی. با این حال، برای بازی‌های مبتنی بر هوش مصنوعی، هزینه‌های واحد خطی یا حتی افزایش، به این معنی است که با افزایش تعداد کاربران، هزینه‌ها می‌توانند به سرعت از کنترل خارج شوند. توسعه‌دهندگان به جای مقیاس‌بندی روان، مجبور می‌شوند تغییرات اضطراری در معماری ایجاد کنند، در حالی که باید موفقیت را دوچندان کنند.

راه حل Inworld: Little Umbrella، استودیوی سازنده Death by AI نیز از این قاعده مستثنی نبود. در حالی که بازی یک موفقیت فوری بود - در عرض دو ماه به 20 میلیون بازیکن رسید - موفقیت تقریباً استودیو را ورشکست کرد.

مدیر فنی آنها به اشتراک می‌گذارد: «هزینه‌های API ابری ما در عرض دو هفته از 5 هزار دلار به 250 هزار دلار رسید. ما مجبور شدیم جذب کاربر را محدود کنیم - به معنای واقعی کلمه از دور کردن بازیکنان - تا زمانی که برای بازسازی معماری هوش مصنوعی خود با Inworld شریک شدیم.»

آنها برای بازی بعدی خود تصمیم گرفتند که فیلمنامه را ورق بزنند و از روز اول با در نظر گرفتن پیش‌بینی‌پذیری هزینه و مقیاس‌پذیری ساختند. معرفی The Last Show، یک بازی مهمانی مبتنی بر وب که در آن یک میزبان هوش مصنوعی سوالات خنده‌داری بر اساس موضوعات انتخابی یا سفارشی‌شده توسط بازیکنان ایجاد می‌کند. بازیکنان پاسخ‌ها را ارسال می‌کنند، به موارد دلخواه خود رأی می‌دهند و کم‌طرفدارترین پاسخ منجر به حذف می‌شود - همه اینها در حالی است که میزبان هوش مصنوعی کباب‌های شوخ‌طبعانه ارائه می‌دهد.

The Last Show بازگشت آنها را رقم می‌زند، که از ابتدا طراحی شده است تا هم کیفیت و هم پیش‌بینی‌پذیری هزینه را در مقیاس بزرگ حفظ کند. نتیجه؟ یک مدل کسب و کار که به جای تهدید شدن توسط آن، از موفقیت شکوفا می‌شود.

چگونه می‌توانید محبوب باشید؟ وضعیت می‌داند.

مشکل توسعه‌دهنده: کیفیت بهتر هوش مصنوعی اغلب با هزینه‌های بالاتر مرتبط است و توسعه‌دهندگان را مجبور به یک تصمیم غیرممکن می‌کند: ارائه یک تجربه بازیکن نامطلوب یا مواجهه با هزینه‌های ناپایدار. هوش مصنوعی باید گیم‌پلی را افزایش دهد، نه اینکه به یک مانع اقتصادی تبدیل شود.

راه حل Inworld: Status Wishroll (دارای رتبه 4 در دسته Lifestyle App Store) بازیکنان را در دنیای خیالی غوطه‌ور می‌کند که در آن می‌توانند به عنوان هر کسی که تصور می‌کنند نقش‌آفرینی کنند - چه یک ستاره پاپ مشهور جهان، یک شخصیت داستانی یا حتی یک ChatGPT شخصیت‌پردازی شده. هدف آنها جمع‌آوری فالوور، ایجاد روابط با سایر افراد مشهور و تکمیل نقاط عطف منحصر به فرد است.

این مفهوم مورد توجه گیمرها قرار گرفت و تا زمان راه‌اندازی نسخه بتا با دسترسی محدود در اکتبر 2024، Status به اوج خود رسیده بود. هیاهوی TikTok بیش از 100000 بارگیری را به همراه داشت و بسیاری از گیمرها از آن دور شدند، در حالی که انجمن Discord بازی از 100 کاربر متوسط به 60000 کاربر در عرض چند روز افزایش یافت. تنها دو هفته پس از راه‌اندازی نسخه بتا عمومی آنها در فوریه 2025، Status از یک میلیون کاربر فراتر رفت.

مدیرعامل Fai Nur در بیانیه‌ای گفت: «ما با مدل‌های برتر، 12 تا 15 دلار برای هر کاربر فعال روزانه هزینه می‌کردیم. این کاملا ناپایدار است. اما وقتی جایگزین‌های ارزان‌تری را امتحان کردیم، کاربران ما بلافاصله متوجه افت کیفیت شدند و تعامل کاهش یافت.»

Wishroll با همکاری خدمات بهینه‌سازی ML Inworld توانست هزینه‌های هوش مصنوعی را 90 درصد کاهش دهد و در عین حال معیارهای کیفیت را بهبود بخشد. Fai توضیح داد: «ما دیدیم که Inworld مشکلات مشابهی را برای سایر بازی‌های هوش مصنوعی حل کرده است و فکر کردیم، 'این دقیقا همان چیزی است که ما نیاز داریم.' ما می‌توانستیم بگوییم که Inworld تجربه و دانش زیادی در مورد اینکه مشکل ما دقیقا چه بود - که بهینه‌سازی مدل‌ها و کاهش هزینه‌ها بود - داشت.»

Fai توضیح داد: «اگر ما با معماری اصلی خود راه‌اندازی می‌کردیم، در عرض چند روز ورشکست می‌شدیم. حتی جمع‌آوری ده‌ها میلیون نیز نمی‌توانست ما را بیش از یک ماه زنده نگه دارد. اکنون ما مسیری به سوی سودآوری داریم.»

مشکل توسعه‌دهنده: حتی با برآورده شدن معیارهای عملکرد پایدار، بازی‌های روایی پیچیده هنوز به کنترل پیچیده بر رفتارها، خاطرات و شخصیت‌های عوامل هوش مصنوعی نیاز دارند تا تجربه‌های عمیقاً همه‌جانبه و جذابی را به گیمرها ارائه دهند. رویکردهای سنتی یا منجر به تعاملات غیرقابل پیش‌بینی می‌شوند یا به اسکریپت‌نویسی فوق‌العاده پیچیده نیاز دارند و ایجاد شخصیت‌های باورپذیر با شخصیت‌های ثابت را تقریباً غیرممکن می‌کنند.

راه حل Inworld: Inworld با Virtuos، یک نیروگاه توسعه بازی جهانی که به دلیل مشارکت در توسعه برخی از بزرگترین عناوین AAA در صنعت مانند Marvel’s Midnight Suns و Metal Gear Solid Delta: Snake Eater شناخته شده است، شریک شده است. Virtuos با تخصص عمیق در ساخت جهان و توسعه شخصیت، بلافاصله نیاز به ارائه کنترل دقیق به توسعه‌دهندگان بر شخصیت‌ها، رفتارها و خاطرات NPCهای مبتنی بر هوش مصنوعی را دید. این امر سازگاری داستان‌سرایی را تضمین می‌کند و انتخاب‌های بازیکنان بر جهت و نتیجه روایت تأثیر می‌گذارد.

مجموعه ابزارهای هوش مصنوعی مولد Inworld هسته شناختی را فراهم می‌کند که این شخصیت‌ها را زنده می‌کند و در عین حال توسعه‌دهندگان را با قابلیت‌های سفارشی‌سازی کامل مجهز می‌کند. تیم‌ها می‌توانند شخصیت‌های مبتنی بر هوش مصنوعی را به دقت تنظیم کنند تا به قوس‌های روایی خود وفادار بمانند و اطمینان حاصل کنند که آنها به طور منطقی و پیوسته در دنیای بازی تکامل می‌یابند.

Virtuos با ابزارهای Inworld می‌تواند بر کاری که بهترین انجام می‌دهند تمرکز کند - ایجاد تجربه‌های غنی و همه‌جانبه.

پیوتر خژانوفسکی، مدیر ارشد فناوری Virtuos، در بیانیه‌ای گفت: «در Virtuos، ما هوش مصنوعی را راهی برای ارتقای هنر توسعه‌دهندگان بازی و زنده کردن دقیق دیدگاه‌های آنها می‌دانیم. با ادغام هوش مصنوعی، ما توسعه‌دهندگان را قادر می‌سازیم تا ابعاد جدیدی را به ساخته‌های خود اضافه کنند و تجربه بازی را بدون به خطر انداختن کیفیت غنی‌تر کنند. مشارکت ما با Inworld درها را به روی تجربه‌های گیم‌پلی باز می‌کند که قبلاً امکان‌پذیر نبود.»

یک نمونه اولیه که بهترین‌های هر دو تیم را به نمایش می‌گذارد در حال ساخت است و از رسانه‌های علاقه‌مند دعوت می‌شود تا برای یک نگاه منحصر به فرد تماس بگیرند.