تصور کنید در حال تجربه یکی از بازی‌های نقش‌آفرینی (RPG) بزرگِ دو دهه اخیر هستید. به یک شخصیت غیرقابل‌بازی (NPC) با طراحی گرافیکی خیره‌کننده نزدیک می‌شوید، دکمه تعامل را فشار می‌دهید و با همان سه گزینه گفت‌وگوی تکراری و از پیش تعیین‌شده روبه‌رو می‌شوید. در واقع، آنچه تجربه می‌کنید چیزی جز «توهم انتخاب» نیست.
برای سال‌های طولانی، هوش مصنوعی در بازی‌های ویدیویی واقعاً «هوشمند» نبود. اغلب سیستم‌های AI مجموعه‌ای پیچیده از قوانین «اگر-آنگاه» بودند. از هوش مصنوعی برای مسیریابی دشمنان، جلوگیری از برخورد آن‌ها با دیوارها یا تنظیم منطق هدف‌گیری استفاده می‌شد؛ اما جهان بازی همچنان شبیه یک صحنه فیلم‌برداری زیبا اما کاملاً ایستا به نظر می‌رسید.
امروز این وضعیت به‌طور کامل در حال تغییر است.
به‌عنوان استادیار دانشگاه و پژوهشگر حوزه هوش مصنوعی و مدل‌های زبانی بزرگ (LLM)، و همچنین توسعه‌دهنده مستقل بازی با بیش از ۱۵ سال تجربه در موتورهایی مانند CryEngine، از نزدیک شاهد این تحول هستم. صنعت بازی در حال عبور از رفتارهای از پیش برنامه‌ریزی‌شده به سمت اکوسیستم‌های دیجیتال پویا، هوشمند و دارای درک احساسی است.
در ادامه نگاهی خواهیم داشت به اینکه چگونه فناوری‌های پیشرفته هوش مصنوعی و پردازش زبان طبیعی (NLP) در حال بازتعریف قواعد طراحی بازی هستند.
در گذشته، نویسندگان بازی مجبور بودند شبکه‌های عظیم و پیچیده‌ای از گفت‌وگوهای شاخه‌ای طراحی کنند. اگر بازیکن گزینه A را انتخاب می‌کرد، شخصیت مقابل جمله B را می‌گفت. این رویکرد نه‌تنها زمان‌بر و پرهزینه بود، بلکه پس از چند بار تعامل، حس غوطه‌وری بازیکن را نیز از بین می‌برد.
اینجاست که مدل‌های زبانی بزرگ (LLM) وارد میدان می‌شوند.
با ادغام مدل‌های زبانی آموزش‌دیده در موتورهای بازی، توسعه‌دهندگان می‌توانند «NPCهای مولد» خلق کنند. به‌جای انتخاب از میان چند گزینه محدود، تصور کنید وارد یک کافه مجازی می‌شوید، میکروفون خود را روشن می‌کنید و درباره یک شایعه خاص از صاحب کافه سؤال می‌پرسید.
شخصیت بازی که توسط یک مدل زبانی سفارشی‌سازی‌شده پشتیبانی می‌شود، پرسش شما را درک می‌کند، به اطلاعات و داستان‌های داخلی جهان بازی مراجعه می‌کند و پاسخی منحصربه‌فرد و صوتی را به‌صورت بلادرنگ تولید می‌کند.
این فناوری دیگر صرفاً یک ایده علمی‌تخیلی نیست. امروزه همین رویکرد در حال تبدیل شدن به یکی از پایه‌های اصلی ساخت جهان‌های متاورسی، محیط‌های تعاملی گسترده و نسل آینده بازی‌های چندنفره است.
کاربرد پردازش زبان طبیعی در بازی‌ها فقط به صحبت کردن NPCها محدود نمی‌شود؛ بلکه بازی‌ها به‌تدریج در حال یادگیری درک احساسات بازیکنان هستند.
در پژوهش‌های اخیرم که در مجلات معتبر بین‌المللی سطح Q1 از جمله International Journal of Human–Computer Interaction منتشر شده‌اند، بخش قابل‌توجهی از تمرکز من بر تحلیل عاطفی در محیط‌های دیجیتال چندنفره بوده است.
«هوش مصنوعی عاطفی» (Affective AI) به فناوری‌هایی گفته می‌شود که قادر به تشخیص، تحلیل و اندازه‌گیری احساسات انسانی هستند.
با تحلیل داده‌های گفت‌وگوهای درون بازی، چه به‌صورت متنی و چه صوتی، سیستم‌های هوشمند می‌توانند احساساتی مانند شادی، ناامیدی، استرس یا رفتارهای سمی را شناسایی کنند.
تصور کنید یک بازی همکاری‌محور متوجه افت روحیه تیم شود و به‌طور نامحسوس موسیقی پس‌زمینه را انگیزه‌بخش‌تر کند. یا یک بازی ترسناک از طریق تحلیل صدای شما تشخیص دهد دقیقاً در چه لحظه‌ای بیشترین اضطراب را دارید و هیولا را درست در همان زمان وارد صحنه کند.
اگر بازی‌ها بتوانند احساسات ما را درک کنند، طبیعتاً می‌توانند سطح مهارت ما را نیز ارزیابی کنند.
منوی سنتی انتخاب درجه سختی با گزینه‌هایی مانند «آسان»، «معمولی» و «سخت» به‌تدریج به بخشی از تاریخ بازی‌های ویدیویی تبدیل خواهد شد.
در رویکردی به نام تنظیم پویای درجه سختی (Dynamic Difficulty Adjustment یا DDA)، سیستم هوش مصنوعی رفتار بازیکن را به‌صورت لحظه‌ای رصد می‌کند و همانند یک نیروی نامرئی، تجربه بازی را تنظیم می‌کند.
اگر مرحله‌ای را بیش از حد راحت پشت سر بگذارید، بازی ممکن است میزان سلامتی دشمنان را افزایش دهد، تاکتیک‌های آن‌ها را هوشمندتر کند یا منابع درمانی کمتری در اختیار شما قرار دهد.
از سوی دیگر، اگر چندین بار متوالی شکست بخورید، سیستم به‌صورت نامحسوس درجه پیچیدگی را کاهش می‌دهد.
هدف اصلی DDA و فناوری‌های مشابهی مانند DeepSkill، حفظ بازیکن در وضعیتی است که روان‌شناسان آن را «حالت جریان» (Flow State) می‌نامند.
حالت جریان نقطه‌ای ایده‌آل است که در آن چالش بازی نه آن‌قدر ساده است که موجب خستگی شود و نه آن‌قدر دشوار که باعث ناامیدی گردد.
زمانی که هوش مصنوعی این تعادل را در پشت صحنه مدیریت می‌کند، تجربه بازی کاملاً متناسب با سبک بازی و توانایی‌های هر فرد شکل می‌گیرد.
از دیدگاه یک پژوهشگر، نظریه‌های مرتبط با مدل‌های زبانی بزرگ و تنظیم پویای سختی بسیار جذاب و امیدوارکننده هستند. اما از نگاه یک توسعه‌دهنده بازی که ساعت‌ها زمان خود را صرف کامپایل کدها و بهینه‌سازی دارایی‌های بازی می‌کند، باید به چالش‌های موجود نیز اشاره کرد.
اجرای محلی مدل‌های زبانی بزرگ به حافظه گرافیکی (VRAM) بسیار زیادی نیاز دارد. نمی‌توان انتظار داشت همه بازیکنان برای تعامل با یک NPC به کارت گرافیکی چند هزار دلاری مجهز باشند.
استفاده از مدل‌های مبتنی بر فضای ابری باعث ایجاد تأخیر در پاسخ‌گویی می‌شود. در یک بازی چندنفره سریع، حتی دو ثانیه تأخیر در پاسخ یک NPC می‌تواند حس غوطه‌وری را کاملاً از بین ببرد.
اگر یک NPC در دنیای فانتزی قرون وسطایی ناگهان درباره سیاست روز دنیا صحبت کند چه اتفاقی می‌افتد؟
این همان مشکلی است که از «توهم‌زایی» مدل‌های زبانی ناشی می‌شود. ایجاد محدودیت‌ها و چارچوب‌های دقیق برای نگه داشتن هوش مصنوعی در مرزهای داستان و قوانین جهان بازی، یکی از بزرگ‌ترین چالش‌های فعلی صنعت بازی‌سازی است.
ما در آستانه دورانی قرار داریم که بازی‌های ویدیویی دیگر صرفاً «بازی» نخواهند شد؛ بلکه تجربه خواهند شد.
بازی‌ها به‌صورت طبیعی با مهارت‌ها، گفت‌وگوها و احساسات ما سازگار خواهند شد. فاصله میان آزمایشگاه‌های پژوهشی هوش مصنوعی و استودیوهای بازی‌سازی مستقل سریع‌تر از هر زمان دیگری در حال کاهش است.
آینده‌ای را تصور کنید که در آن هر شخصیت، هر مأموریت و حتی هر روایت، متناسب با شما شکل می‌گیرد؛ آینده‌ای که در آن جهان‌های مجازی واقعاً زنده هستند.
شما دوست داشتید کدام بازی کلاسیک با NPCهای مبتنی بر مدل‌های زبانی بزرگ بازطراحی شود؟
نظر خود را در بخش دیدگاه‌ها با من به اشتراک بگذارید.
« محمد مهدی رضاپور استادیار دانشگاه، پژوهشگر حوزه هوش مصنوعی و مدل‌های زبانی بزرگ و توسعه‌دهنده مستقل بازی است. حوزه‌های پژوهشی او شامل پردازش زبان طبیعی، تحلیل احساسات و کاربرد هوش مصنوعی در بازی‌های رایانه‌ای است. »
