《永劫无间》×网易伏羲首个AI共创的游戏设计,很以人为本
最近,生成式AI的重大进展引起了广泛讨论。其出色的创作能力为我们带来了许多新的可能性,尤其是AI绘图功能的受欢迎。越来越多的普通人开始亲身体验AI,并尝试利用它进行创作。

Timur Ozdoev使用AI绘图生成的素材图
游戏从业者的实践证明,AI绘图确实能够推动设计思路和提升研发效率,为游戏带来更多可能性。然而,决策和实现这些可能性仍然需要人类智慧的介入。
随着AI辅助和人类加工的模式在游戏开发流程中的应用,连续两年成为Steam铂金级别年度最佳游戏的《永劫无间》推出了一项创新尝试。网易伏羲实验室联合范长杰博士推出了“AI智绘时装共创企划”,这使得普通玩家也能利用AI技术参与到游戏时装的开发中。

AI智绘·时装共创企划
在本次活动中,玩家不仅可以为自己喜欢的AI灵感图进行投票,还可以使用灵感词来设计自己的时装。最终,《永劫无间》将汇集数万人的智慧,根据玩家的共创灵感词和AI技术生成时装灵感,并以此为基础进行时装开发,最后将其作为周年庆礼物赠送给玩家。

AI智绘·时装共创企划活动界面
如何精准汇集并呈现玩家的灵感,背后是技术的沉淀。
本次活动中,网易伏羲实验室基于大规模预训练模型围绕《永劫无间》的文化主题及玩家喜好,使用网易自有版权素材库数据对生成式AI进行深度定制。
据了解,网易伏羲的大规模预训练模型,入选了浙江省科技计划项目——“尖兵”项目。自研模型规模从最早的一亿参数增长至千亿参数,模型领域从文本拓展到图文、音乐、行为序列等多种模态,积累了丰富的预训练模型训练和工程优化的经验。
AI技术的运用也为玩家提供了更好的体验。比如,《永劫无间》开发组就曾利用AI反外挂技术分析玩家在游戏中的行为数据,快速识别出行为异常的玩家,对传统反外挂技术进行有效补充。也比如让AI人机在对战中学习玩家的打法招式,为玩家开发出全新的噩梦人机模型,带来不一样的对局体验。

噩梦AI累计击败1亿玩家
从游戏体验优化、到游戏运营,AI在为游戏的各个领域赋能,辅助游戏厂商提高生产的品质和效率。与此同时,游戏各个场景也成为研究和验证AI技术的绝佳场景,AI研究团队通过复杂的游戏场景来反复打磨AI算法、验证技术效果,极大地促进了AI行业算法、模型结构以及大规模分布式计算等技术的发展。
可以想象,未来AI将不断拓宽应用场景、成为各行各业的辅助工具,从而推进其在算法研究、神经网络架构探索以及大规模分布式计算等领域取得更高的发展,为各行各业带来更多的可能。
以上是《永劫无间》×网易伏羲首个AI共创的游戏设计,很以人为本的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
