شخصیت‌های خودمختار در بازی‌ها؛ تحول هوش مصنوعی با فناوری NVIDIA ACE

هوش مصنوعی (AI) دهه‌هاست که در بازی‌های ویدئویی استفاده می‌شود. شخصیت‌های غیرقابل‌بازی یا NPCها (Non-Playable Characters) به‌طور سنتی از قوانین مشخصی پیروی می‌کنند که برای شبیه‌سازی رفتار هوشمندانه، پیشبرد داستان و ایجاد تعاملات از پیش برنامه‌ریزی‌شده با بازیکن طراحی شده‌اند. بااین‌حال، ظهور مدل‌های زبانی هوشمند فرصت تازه‌ای برای ایجاد تحول اساسی در هوش مصنوعی بازی‌ها فراهم کرده است.

انویدیا (NVIDIA) در نمایشگاه CES 2025 با معرفی شخصیت‌های خودمختار مبتنی بر فناوری NVIDIA ACE، رویکرد تازه‌ای را برای هوش مصنوعی در بازی‌ها ارائه کرد.

فناوری NVIDIA ACE که نخستین بار در سال 2023 معرفی شد، مجموعه‌ای از فناوری‌های ساخت انسان‌های دیجیتال با شتاب‌دهی پردازنده‌های گرافیکی RTX است که با استفاده از هوش مصنوعی مولد (Generative AI)، به شخصیت‌های بازی جان می‌بخشد.

اکنون انویدیا قصد دارد دامنه کاربرد ACE را از NPCهای مکالمه‌محور به شخصیت‌های خودمختار گسترش دهد؛ شخصیت‌هایی که با کمک هوش مصنوعی می‌توانند مانند بازیکنان انسانی محیط را درک کنند، برای رسیدن به اهداف خود برنامه‌ریزی کنند و دست به اقدام بزنند. این فناوری امکان ایجاد دنیاهای پویا و زنده‌ای را فراهم می‌کند که در آن‌ها هم‌تیمی‌ها اهداف بازیکن را درک کرده و برای رسیدن به آن‌ها کمک می‌کنند؛ درحالی‌که دشمنان نیز می‌توانند خود را با تاکتیک‌های بازیکن تطبیق دهند.

پشتوانه این شخصیت‌ها، مدل‌های زبانی کوچک ACE یا SLMها (Small Language Models) هستند که توانایی برنامه‌ریزی در بازه‌های زمانی کوتاه و متناسب با سرعت تصمیم‌گیری موردنیاز بازی را دارند. علاوه بر این، مدل‌های چندوجهی صوتی و تصویری به شخصیت‌های هوش مصنوعی اجازه می‌دهند نشانه‌های صوتی را بشنوند و محیط اطراف خود را درک کنند.

انویدیا برای پیاده‌سازی شخصیت‌های خودمختار با توسعه‌دهندگان مطرح بازی همکاری می‌کند. از جمله عناوینی که قرار است از این فناوری بهره ببرند، می‌توان به PUBG: BATTLEGROUNDS، inZOI و NARAKA: BLADEPOINT MOBILE PC VERSION اشاره کرد. در بازی MIR5 نیز باس‌های مجهز به هوش مصنوعی می‌توانند سبک بازی کاربران را یاد بگیرند و خود را با تاکتیک‌های آن‌ها تطبیق دهند. همچنین بازی‌هایی مانند AI People، Dead Meat و ZooPunk از NPCهای هوشمند برای ارائه مکانیک‌های تازه گیم‌پلی استفاده می‌کنند.

بررسی فرایند تصمیم‌گیری انسان

برای شروع، بهتر است نگاهی ساده به نحوه تصمیم‌گیری انسان داشته باشیم.

در مرکز فرایند تصمیم‌گیری، نوعی گفت‌وگوی درونی قرار دارد که در آن بارها از خود می‌پرسیم: «قدم بعدی چیست؟»

برای پاسخ مناسب به این سوال، به چند دسته اطلاعات مهم نیاز داریم:

1. اطلاعاتی که از محیط اطراف خود دریافت می‌کنیم.

2. انگیزه‌ها و خواسته‌های شخصی.

3.  خاطرات و تجربیات حاصل از رویدادهای گذشته.

برای درک بهتر این موضوع، تصور کنید صدای زنگ تلفن همراه خود را می‌شنوید. این صدا یک محرک خارجی است که از طریق حواس خود آن را دریافت می‌کنید. حالا باید تصمیم بگیرید که آیا به تماس پاسخ دهید یا خیر.

شما به یاد می‌آورید که منتظر تماس مهمی هستید و نمی‌خواهید آن را از دست بدهید. در این شرایط، انگیزه‌ها و خاطرات شما در کنار اطلاعاتی که از محیط دریافت کرده‌اید، به تصمیم‌گیری کمک می‌کنند. این فرایند همان شناخت (Cognition) است.

در نهایت تصمیم می‌گیرید تلفن را پاسخ دهید. این انتخاب، اقدام نهایی حاصل از فرایند شناخت و تصمیم‌گیری شماست.

بنابراین، ادراک، شناخت و اقدام سه بخش مهم از فرایند تصمیم‌گیری انسان هستند. اطلاعات مربوط به این مراحل نیز معمولاً در حافظه ذخیره می‌شوند تا در تصمیم‌گیری‌های بعدی مورد استفاده قرار گیرند.

مدل‌های جدید NVIDIA ACE برای شخصیت‌های خودمختار

شبیه‌سازی این ویژگی‌های انسانی با سیستم‌های هوش مصنوعی سنتی و مبتنی بر قوانین ثابت، تقریباً غیرممکن است؛ زیرا تعداد موقعیت‌ها و سناریوهای احتمالی در یک بازی می‌تواند بسیار زیاد باشد و توسعه‌دهندگان نمی‌توانند برای تمام آن‌ها قوانین جداگانه‌ای تعریف کنند.

با کمک هوش مصنوعی مولد و مدل‌های زبانی بزرگی که با حجم عظیمی از متون درباره واکنش انسان‌ها به محیط آموزش دیده‌اند، می‌توان بخشی از فرایند تصمیم‌گیری انسانی را شبیه‌سازی کرد.

شخصیت‌های خودمختار NVIDIA ACE از مجموعه‌ای از مدل‌های هوش مصنوعی مولد برای چهار حوزه اصلی ادراک (Perception)، شناخت (Cognition)، اقدام (Action) و رندرینگ (Rendering) استفاده می‌کنند. این مجموعه به توسعه‌دهندگان اجازه می‌دهد عامل‌های هوش مصنوعی (AI Agents) بسازند که در بازی‌ها رفتاری نزدیک‌تر به انسان داشته باشند.

برای اینکه چنین شخصیت‌هایی بتوانند تصمیم‌های مناسبی بگیرند، باید محیط اطراف خود را به‌صورت مداوم بررسی کنند، اطلاعات دریافتی را پردازش کنند و در مدت‌زمانی بسیار کوتاه، بهترین واکنش را انتخاب کنند.

انویدیا برای رسیدن به این هدف از تکنیک‌های پیشرفته تقطیر مدل (Model Distillation) و توان پردازشی پردازنده‌های گرافیکی GeForce RTX 50 Series استفاده می‌کند. این پیشرفت‌ها امکان اجرای هم‌زمان چند مدل هوش مصنوعی روی یک GPU را فراهم می‌کنند؛ به‌طوری‌که شخصیت‌های بازی می‌توانند قابلیت‌های خودمختار داشته باشند، بدون اینکه کیفیت تصویر و عملکرد کلی بازی به‌سادگی قربانی پردازش‌های هوش مصنوعی شود.

در ادامه، مدل‌ها و فناوری‌هایی که برای ایجاد این قابلیت‌ها به کار می‌روند، بررسی می‌شوند.

مدل‌هایی برای درک محیط اطراف

برای اینکه مدل‌های زبانی کوچک بتوانند تصمیم‌های مناسبی بگیرند، شخصیت خودمختار باید به‌طور مداوم اطلاعاتی از محیط اطراف دریافت کند. این اطلاعات از طریق چند مدل و روش مختلف جمع‌آوری می‌شوند.

1. صدا (Audio)

• NemoAudio-4B-Instruct: یک مدل زبانی کوچک با قابلیت دریافت صدا و متن و تولید خروجی متنی است. این مدل می‌تواند فضای صوتی محیط بازی را توصیف کند و به شخصیت هوش مصنوعی در تشخیص اتفاقات صوتی کمک کند.

• Parakeet-CTC-XXL-1.1B-Multilingual: مدلی برای تبدیل گفتار چندزبانه به متن است که می‌تواند صداهای گفتاری را به اطلاعات قابل پردازش تبدیل کند.

2. تصویر (Vision)

• NemoVision-4B-128k-Instruct: یک مدل چندوجهی با قابلیت دریافت تصویر و متن و تولید خروجی متنی است که درک فضایی ساده‌ای از محیط ارائه می‌دهد. به کمک این مدل، شخصیت هوش مصنوعی می‌تواند اطلاعات تصویری را برای شناخت بهتر محیط پردازش کند.

3. وضعیت بازی (Game State)

یکی از بهترین منابع اطلاعاتی درباره دنیای بازی، خود موتور بازی است. وضعیت بازی شامل اطلاعاتی درباره موقعیت شخصیت‌ها، اتفاقات محیط، شرایط نبرد و سایر داده‌های داخلی بازی می‌شود.

این اطلاعات را می‌توان به متن تبدیل کرد تا مدل زبانی کوچک بتواند آن‌ها را پردازش کند و بر اساس وضعیت واقعی بازی تصمیم بگیرد.

شناخت؛ مدل‌هایی برای تحلیل و تصمیم‌گیری

بر اساس تحقیقات انویدیا در حوزه ورزش‌های الکترونیکی (Esports)، بیشتر بازیکنان در هر ثانیه حدود 8 تا 13 تصمیم کوچک می‌گیرند. این تصمیم‌ها که با عنوان «زیرحرکت‌ها» (Sub-movements) شناخته می‌شوند، می‌توانند شامل کارهای ساده‌ای مانند اصلاح جهت نشانه‌گیری، تصمیم‌گیری درباره زمان استفاده از یک مهارت یا حتی انتخاب زمان مناسب برای بازنگری در استراتژی بازی باشند.

فرایند شناخت باید با سرعت بالایی انجام شود؛ بنابراین، مدل زبانی مورد استفاده باید بتواند ضمن حفظ سرعت پردازش، تعداد زیادی درخواست را در زمان کوتاه مدیریت کند. این موضوع اهمیت استفاده از مدل‌های زبانی کوچک را در شخصیت‌های خودمختار نشان می‌دهد.

انویدیا برای بخش شناخت، چند مدل از خانواده Mistral-Nemo-Minitron را معرفی کرده است:

• Mistral-Nemo-Minitron-8B-128k-Instruct: یک مدل زبانی کوچک پیشرفته با توانایی بالای پیروی از دستورالعمل‌ها؛ قابلیتی که برای تصمیم‌گیری و رفتار طبیعی شخصیت‌های خودمختار اهمیت زیادی دارد.

• Mistral-Nemo-Minitron-4B-128k-Instruct: نسخه کوچک‌تر همین مدل که با تعداد پارامترهای کمتر، قابلیت‌های مشابهی را ارائه می‌دهد.

• Mistral-Nemo-Minitron-2B-128k-Instruct: نسخه سبک‌تر این خانواده که می‌تواند با حداقل 1.5 گیگابایت حافظه گرافیکی (VRAM) اجرا شود.

استفاده از نسخه‌های کوچک‌تر به توسعه‌دهندگان کمک می‌کند مدل‌های هوش مصنوعی را با محدودیت‌های سخت‌افزاری بازی‌ها هماهنگ کنند و درعین‌حال، سرعت موردنیاز برای تصمیم‌گیری‌های مکرر را حفظ کنند.

اقدام؛ مدل‌هایی برای تعامل با دنیای بازی

تصمیم‌گیری زمانی ارزشمند است که بتوان آن را به اقدام واقعی تبدیل کرد. در شخصیت‌های خودمختار، اقدام می‌تواند شکل‌های مختلفی داشته باشد؛ از صحبت کردن با بازیکن گرفته تا اجرای فرمان‌های داخل بازی و برنامه‌ریزی برای اتفاقات آینده.

برای پیاده‌سازی این قابلیت، توسعه‌دهندگان می‌توانند از ترکیب مدل‌های مختلف و روش‌های گوناگون استفاده کنند.

1. انتخاب اقدام (Action Selection)

در هر بازی مجموعه‌ای از اقدامات مشخص وجود دارد که شخصیت می‌تواند انجام دهد. مدل زبانی کوچک با بررسی شرایط فعلی، مناسب‌ترین گزینه را انتخاب می‌کند.

برای مثال، در بازی inZOI شخصیت هوش مصنوعی می‌تواند با توجه به موقعیت و اهداف خود، تصمیم بگیرد چه کاری انجام دهد و چگونه به اتفاقات اطراف واکنش نشان دهد.

2. تبدیل متن به گفتار (Text-to-Speech)

برای طبیعی‌تر شدن تعامل با بازیکن، پاسخ‌های متنی شخصیت می‌توانند به گفتار تبدیل شوند. ابزارهایی مانند ElevenLabs و Cartesia از جمله گزینه‌هایی هستند که توسعه‌دهندگان می‌توانند برای تولید صدای شخصیت‌ها از آن‌ها استفاده کنند.

3. برنامه‌ریزی استراتژیک (Strategic Planning)

گاهی تصمیم‌گیری به اطلاعات گسترده‌تر و تحلیل پیچیده‌تری نیاز دارد. در چنین شرایطی، عامل هوش مصنوعی می‌تواند از مدل‌های بزرگ‌تر کمک بگیرد تا یک استراتژی کلی‌تر و بلندمدت‌تر طراحی کند.

این مدل‌های بزرگ معمولاً با سرعت کمتری نسبت به مدل‌های کوچک فراخوانی می‌شوند و ممکن است از طریق APIهای ابری مدل‌های زبانی بزرگ (LLM) یا مجموعه‌ای از درخواست‌های زنجیره‌ای مبتنی بر زنجیره تفکر (Chain-of-Thought) با مدل کوچک تعامل داشته باشند.

4. بازنگری در تصمیم‌ها (Reflection)

یکی از اقدامات مهم برای بهبود رفتار شخصیت هوش مصنوعی، بررسی نتایج تصمیم‌های قبلی است. شخصیت باید بتواند از خود بپرسد: «آیا انتخاب درستی انجام دادم؟»

این فرایند به مدل کمک می‌کند نتیجه اقدامات قبلی را ارزیابی کند، اشتباهات خود را تشخیص دهد و در موقعیت‌های بعدی تصمیم‌های بهتری بگیرد.

به این ترتیب، شخصیت خودمختار صرفاً مجموعه‌ای از دستورات را اجرا نمی‌کند؛ بلکه می‌تواند نتیجه عملکرد خود را نیز بررسی کند و رفتار آینده‌اش را بهبود دهد.

حافظه؛ مدل‌هایی برای به خاطر سپردن دنیای بازی

حافظه یکی دیگر از اجزای ضروری شخصیت‌های خودمختار است. این قابلیت به NPC اجازه می‌دهد ادراک‌ها، تصمیم‌ها و اقداماتی را که در گذشته تجربه کرده است، به خاطر بیاورد.

حافظه همچنین برای دنبال کردن اهداف بلندمدت و انگیزه‌هایی کاربرد دارد که ممکن است در لحظه اهمیت زیادی نداشته باشند، اما در تصمیم‌گیری‌های آینده نقش مهمی ایفا کنند.

انویدیا برای پیاده‌سازی این قابلیت به تکنیکی به نام تولید افزوده با بازیابی اطلاعات (Retrieval-Augmented Generation یا RAG) اشاره می‌کند.

در این روش، اطلاعات مرتبط با تجربه‌های قبلی در یک ساختار قابل جست‌وجو ذخیره می‌شوند. سپس سیستم با استفاده از جست‌وجوی شباهت (Similarity Search)، اطلاعات مرتبط با درخواست یا موقعیت فعلی را پیدا می‌کند و در اختیار مدل قرار می‌دهد.

برای این کار، مدل E5-Large-Unsupervised معرفی شده است. توسعه‌دهندگان می‌توانند با استفاده از NVIDIA In-Game Inference SDK از این مدل بهینه‌شده برای تولید تعبیه‌ها (Embeddings) در فرایند اجرای بازی استفاده کنند.

به کمک ترکیب این مدل‌ها و فناوری‌ها، شخصیت‌های بازی می‌توانند اطلاعات مهم گذشته را بازیابی کنند و تصمیم‌های خود را با توجه به تجربه‌های قبلی شکل دهند.

[تصویر 3: نمایش چهار بخش اصلی NVIDIA ACE شامل ادراک، شناخت، اقدام و حافظه]

ورود شخصیت‌های خودمختار به بازی‌ها؛ از هم‌تیمی‌های هوشمند تا دشمنان در حال تکامل

شخصیت‌های مبتنی بر NVIDIA ACE می‌توانند مانند اعضای مستقل یک گروه عمل کنند؛ دستورهای بازیکن را دنبال کنند، آیتم‌ها را جمع‌آوری و میان اعضای گروه تقسیم کنند و در نبرد با دشمنان شرکت داشته باشند.

این شخصیت‌ها همچنین می‌توانند با درک مستقل اتفاقات اطراف، پیشنهادهای استراتژیک ارائه دهند و برای اجرای یک دستور، اقدامات لازم را بدون نیاز به راهنمایی مداوم بازیکن انجام دهند.

ترکیب این قابلیت‌ها می‌تواند تجربه‌ای نزدیک‌تر به همکاری با هم‌تیمی‌های انسانی ایجاد کند؛ با این تفاوت که هم‌تیمی هوش مصنوعی می‌تواند به‌صورت مستقل شرایط بازی را بررسی و متناسب با آن واکنش نشان دهد.

PUBG؛ معرفی شخصیت قابل‌بازی مشترک (Co-Playable Character)

بازی PUBG: BATTLEGROUNDS یکی از عناوین مطرح سبک بتل رویال (Battle Royale) است که بازیکنان در آن برای باقی ماندن به‌عنوان آخرین بازمانده رقابت می‌کنند. این بازی از زمان انتشار در سال 2017، به یکی از محبوب‌ترین عناوین چندنفره تبدیل شده است.

در سال 2025، مجموعه PUBG با معرفی PUBG Ally قصد داشت مفهوم تازه‌ای به نام شخصیت قابل‌بازی مشترک (Co-Playable Character یا CPC) را به این مجموعه اضافه کند.

این شخصیت با استفاده از NVIDIA ACE و مدل زبانی کوچک Mistral-Nemo-Minitron-8B-128k-Instruct ساخته شده است. PUBG Ally می‌تواند با استفاده از اصطلاحات اختصاصی بازی با بازیکنان صحبت کند، پیشنهادهای استراتژیک در لحظه ارائه دهد، آیتم‌ها را پیدا کند و با هم‌تیمی‌های خود به اشتراک بگذارد، وسایل نقلیه را براند و با استفاده از سلاح‌های مختلف بازی با دشمنان انسانی مبارزه کند.

این قابلیت باعث می‌شود بازیکن بتواند به‌جای همکاری صرفاً با یک NPC از پیش برنامه‌ریزی‌شده، با شخصیتی تعامل داشته باشد که توانایی درک دستورات و مشارکت مستقل در روند مسابقه را دارد.

NARAKA: BLADEPOINT؛ هم‌تیمی‌های هوشمند مبتنی بر هوش مصنوعی

شرکت NetEase نیز قصد داشت در مارس 2025 قابلیت هم‌تیمی هوش مصنوعی مبتنی بر NVIDIA ACE را برای نسخه NARAKA: BLADEPOINT MOBILE PC VERSION منتشر کند. نسخه رایانه‌های شخصی NARAKA: BLADEPOINT نیز قرار بود در ادامه همان سال به این قابلیت مجهز شود.

در NARAKA: BLADEPOINT MOBILE PC VERSION، تا 40 بازیکن در یک محیط بزرگ بتل رویال با یکدیگر رقابت می‌کنند. این بازی بر مبارزات تن‌به‌تن تمرکز دارد و بازیکنان می‌توانند از قابلیت‌های حرکتی، مهارت‌های مبارزه و سلاح‌های الهام‌گرفته از شرق آسیا برای اجرای ترکیب‌های حمله، دفع ضربه و ضدحمله استفاده کنند.

هم‌تیمی‌های هوشمند مبتنی بر NVIDIA ACE می‌توانند به گروه بازیکن اضافه شوند و در نبردها مشارکت کنند. آن‌ها همچنین قادرند آیتم‌های موردنیاز بازیکن را پیدا کنند، تجهیزات را جابه‌جا کنند، درباره مهارت‌های قابل آزادسازی پیشنهاد بدهند و اقداماتی انجام دهند که شانس پیروزی گروه را افزایش دهد.

یکی از ویژگی‌های مهم این فناوری، اجرای محلی مدل هوش مصنوعی روی دستگاه است؛ موضوعی که می‌تواند به ایجاد تعامل سریع‌تر و طبیعی‌تر میان بازیکن و هم‌تیمی هوشمند کمک کند.

inZOI؛ معرفی Smart Zoi با فناوری NVIDIA ACE

بازی inZOI محصول شرکت KRAFTON، یک عنوان شبیه‌ساز زندگی است که به بازیکنان اجازه می‌دهد بخش‌های مختلف دنیای بازی را تغییر دهند و داستان‌ها و تجربه‌های منحصربه‌فردی خلق کنند.

این بازی با موتور Unreal Engine 5 توسعه داده شده و به لطف گرافیک واقع‌گرایانه و ابزارهای ساخت‌وساز، امکان طراحی محیط‌ها و شخصیت‌های مختلف را فراهم می‌کند. بازیکنان می‌توانند ظاهر و لباس شخصیت خود را تغییر دهند و خانه موردعلاقه‌شان را با استفاده از مجموعه‌ای از وسایل و سازه‌های قابل جابه‌جایی بسازند.

انویدیا و KRAFTON با استفاده از ACE، قابلیت جدیدی به نام Smart Zoi را معرفی کردند که در دسته شخصیت‌های قابل‌بازی مشترک (CPC) قرار می‌گیرد.

در این سیستم، هر شخصیت ZOI در شهر می‌تواند به‌صورت مستقل فعالیت کند. این شخصیت‌ها بر اساس اهداف زندگی خود تصمیم می‌گیرند، به محیط اطراف واکنش نشان می‌دهند و تحت تاثیر اتفاقات مختلف رفتارشان را تغییر می‌دهند.

در نتیجه، بازیکنان با جامعه‌ای شبیه‌سازی‌شده روبه‌رو می‌شوند که شخصیت‌های آن صرفاً منتظر تعامل کاربر نیستند؛ بلکه هرکدام اهداف و رفتارهای مستقلی دارند و می‌توانند  موقعیت‌های اجتماعی پیچیده‌تری ایجاد کنند.

MIR5؛ نخستین باس هوشمند مبتنی بر NVIDIA ACE

شخصیت‌های مبتنی بر NVIDIA ACE تنها به هم‌تیمی‌ها و شخصیت‌های دوستانه محدود نمی‌شوند؛ این فناوری می‌تواند برای ساخت دشمنان و باس‌های هوشمند در بازی‌های تک‌نفره، همکاری‌محور و چندنفره نیز استفاده شود.

برخلاف باس‌های سنتی که از الگوهای حمله و رفتارهای از پیش تعیین‌شده پیروی می‌کنند، دشمنان مجهز به هوش مصنوعی می‌توانند رفتار بازیکن را به‌مرور یاد بگیرند و استراتژی‌های پرتکرار او را شناسایی کنند.

برای مثال، اگر بازیکنی همیشه از یک مهارت، سلاح یا جادو برای شکست دادن دشمن استفاده کند، باس هوشمند می‌تواند این الگو را تشخیص دهد و با حملات و واکنش‌های متناسب، استراتژی او را خنثی کند. در چنین شرایطی، بازیکن مجبور می‌شود سبک مبارزه خود را تغییر دهد و به‌جای حفظ کردن الگوهای ثابت حمله، مهارت‌های خود را ارتقا دهد.

این قابلیت حتی می‌تواند در دنیاهای آنلاین گسترده نیز استفاده شود؛ جایی که گروه‌های دشمن دائمی می‌توانند به‌مرور با تاکتیک‌های بازیکنان آشنا شوند و رفتار خود را تغییر دهند.

بازی MIR5، جدیدترین نسخه از مجموعه Legend of Mir ساخته شرکت Wemade Next، قرار است از NVIDIA ACE برای طراحی مبارزات باس‌ها استفاده کند.

هوش مصنوعی این باس‌ها می‌تواند از رویارویی‌های قبلی با بازیکنان درس بگیرد و خود را با تاکتیک‌ها، مهارت‌ها و تجهیزات آن‌ها تطبیق دهد. سیستم ابتدا تجهیزات و وضعیت فعلی بازیکنان را بررسی می‌کند، سپس آن‌ها را با اطلاعات رویارویی‌های قبلی مقایسه کرده و مناسب‌ترین روش مبارزه را انتخاب می‌کند.

در نتیجه، حتی اگر بازیکن برای جمع‌آوری آیتم یا کسب تجربه دوباره به سراغ یک باس شکست‌خورده برود، ممکن است با مبارزه‌ای متفاوت روبه‌رو شود. هدف این رویکرد، کاهش تکرارپذیری نبردها و ایجاد چالش‌های متنوع‌تر در هر بار بازی کردن است.

NVIDIA ACE و شکل‌گیری سبک‌های جدید بازی با هوش مصنوعی مکالمه‌محور

برخی توسعه‌دهندگان با استفاده از NVIDIA ACE در حال ساخت تجربه‌هایی هستند که در آن‌ها مکالمه، رویارویی و تعامل با شخصیت‌ها مستقیماً بر اساس درخواست بازیکن و پاسخ‌های تولیدشده توسط هوش مصنوعی شکل می‌گیرد.

این شخصیت‌ها فقط به گفت‌وگو محدود نمی‌شوند؛ بلکه می‌توانند بر اساس مکالمات انجام‌شده، در محیط بازی نیز اقدام کنند. چنین قابلیتی روش‌های تازه‌ای برای تعامل با دنیای بازی در اختیار بازیکنان قرار می‌دهد.

Dead Meat؛ بازجویی از شخصیت‌ها بدون محدودیت دیالوگ‌های از پیش نوشته‌شده

بازی Dead Meat محصول استودیوی Meaning Machine، یک عنوان معمایی و جنایی با محوریت حل پرونده قتل است. در این بازی، بازیکنان می‌توانند با استفاده از صدا یا صفحه‌کلید، تقریباً هر سوالی را از مظنونان پرونده بپرسند.

برای مثال، می‌توانید درباره صحت ادعای یک مظنون سوال کنید، درباره معنای زندگی با او صحبت کنید یا حتی با تهدید، متقاعدسازی و فریب تلاش کنید اطلاعات بیشتری به دست آورید.

در این بازی، اتاق بازجویی به محیطی برای تعامل آزادانه تبدیل می‌شود و بازیکن می‌تواند با انتخاب کلمات و شیوه گفت‌وگو، مسیر مکالمه را تغییر دهد.

یکی از نکات مهم نمایش این فناوری در CES 2025، اجرای نسخه جدید Dead Meat به‌صورت بلادرنگ روی پردازنده گرافیکی GeForce RTX 50 Series بود. در نسخه‌های قبلی، بازی برای تولید دیالوگ‌ها از مدل‌های زبانی ابری استفاده می‌کرد؛ اما همکاری Meaning Machine و NVIDIA امکان اجرای محلی مدل و تولید متن مکالمات روی GPU را فراهم کرد.

این نسخه با استفاده از سیستم Game Conscious AI شرکت Meaning Machine، مدل زبانی کوچک NVIDIA Mistral-NeMo-Minitron-8B-128K، فناوری تبدیل متن به گفتار ElevenLabs و سیستم تشخیص گفتار Whisper از OpenAI ساخته شده است.

نکته مهم این است که متن دیالوگ‌ها در نسخه جدید به‌صورت محلی روی پردازنده گرافیکی تولید می‌شود؛ درحالی‌که نسخه ابری قبلی برای این فرایند به سرورهای خارجی وابسته بود.

برای دستیابی به کیفیت مناسب مکالمات، Meaning Machine مدل زبانی NVIDIA را با استفاده از داده‌های اختصاصی دیالوگ‌های خود تنظیم دقیق (Fine-tune) کرده و سپس آن را با سیستم Game Conscious یکپارچه کرده است.

AI People؛ دنیایی با شخصیت‌هایی که مستقل از بازیکن زندگی می‌کنند

بازی AI People محصول شرکت GoodAI، یک عنوان سندباکس (Sandbox) است که به بازیکنان اجازه می‌دهد سناریوهای مختلفی بسازند و آن‌ها را با حضور NPCهای مجهز به هوش مصنوعی تجربه کنند.

ویژگی اصلی این بازی، توانایی شخصیت‌ها در تعامل مستقل با یکدیگر، محیط اطراف و خود بازیکن است. این تعاملات می‌توانند به شکل‌گیری داستان‌هایی پویا منجر شوند که بخش زیادی از آن‌ها توسط هوش مصنوعی تولید می‌شود.

AI People با استفاده از مدل‌های زبانی بزرگ و سیستم‌های تشخیص گفتار توسعه داده شده است. این مدل‌ها می‌توانند به‌صورت محلی روی پردازنده گرافیکی GeForce RTX یا در فضای ابری اجرا شوند.

هر NPC می‌تواند به‌طور مستقل با محیط و اشیای موجود در آن تعامل داشته باشد. این شخصیت‌ها قادرند از تجربیات خود یاد بگیرند، احساسات را تجربه کنند، اهداف شخصی داشته باشند، رویاپردازی کنند و با یکدیگر گفت‌وگو کنند.

در چنین ساختاری، بازیکن تنها عامل تعیین‌کننده اتفاقات دنیا نیست؛ شخصیت‌های هوش مصنوعی نیز می‌توانند با تصمیم‌ها و تعاملات مستقل خود، مسیر داستان را تغییر دهند.

ZooPunk؛ ترکیب هوش مصنوعی مکالمه‌محور و تولید تصویر در بازی

بازی F.I.S.T.: Forged In Shadow Torch یکی از عناوین شناخته‌شده سبک مترویدوانیا (Metroidvania) است که از فناوری‌هایی مانند DLSS، Reflex و Ray Tracing پشتیبانی می‌کند.

اکنون استودیوی TiGames، سازنده این بازی، پروژه‌ای آزمایشی با نام ZooPunk معرفی کرده است که نمونه‌ای از کاربرد فناوری‌های جدید هوش مصنوعی در بازی‌ها به شمار می‌رود.

این پروژه با استفاده از NVIDIA ACE، فناوری Audio2Face و نخستین نمونه استفاده از تولید تصویر Stable Diffusion به‌صورت محلی در داخل بازی ساخته شده است.

در ZooPunk، بازیکن در محیطی شبیه به یک آشپزخانه شناور بر فراز دریایی از ابرها قرار می‌گیرد و می‌تواند با شخصیت‌های مختلف گفت‌وگو و تعامل داشته باشد.

برای مثال، بازیکن می‌تواند با هم‌تیمی‌های خود درباره اطلاعات به‌دست‌آمده از یک ماموریت صحبت کند یا به اسکله برود و یک کشتی جنگی جدید برای کمک به شخصیت Rayton در نبرد با امپراتوری Mechanoid طراحی کند.

یکی از قابلیت‌های جالب این پروژه، استفاده از تولید تصویر Stable Diffusion به‌صورت محلی است. بازیکن می‌تواند با درخواست متنی، طرح جدیدی برای کشتی خود تولید کند و سپس با استفاده از فرمان‌های صوتی و فناوری تبدیل گفتار به متن، ظاهر و رنگ‌آمیزی آن را تغییر دهد.

این روش جایگزینی برای تنظیم دستی ده‌ها گزینه و اسلایدر مختلف است و نشان می‌دهد که هوش مصنوعی مولد می‌تواند فراتر از گفت‌وگو و رفتار NPCها، در فرایند خلق محتوا و تعامل با محیط بازی نیز نقش داشته باشد.

NVIDIA Audio2Face؛ شتاب‌دهی به فرایند ساخت شخصیت‌های بازی

فناوری‌های NVIDIA ACE علاوه بر کنترل رفتار شخصیت‌های خودمختار، در زمینه انیمیشن چهره و هماهنگ‌سازی حرکت لب‌ها با صدا نیز کاربرد دارند.

توسعه‌دهندگان می‌توانند با استفاده از NVIDIA Audio2Face، شخصیت‌هایی را که پیش‌تر تنها حرکات ساده‌ای برای لب‌هایشان طراحی شده بود، به انیمیشن‌های چهره طبیعی‌تر مجهز کنند.

در این روش، ابتدا صداپیشگان دیالوگ‌های شخصیت‌ها را ضبط می‌کنند. سپس فایل‌های صوتی در اختیار Audio2Face قرار می‌گیرند تا حرکات اجزای مختلف چهره، از جمله صورت، چشم‌ها، زبان و لب‌ها، متناسب با صدای ضبط‌شده تولید شوند.

این فرایند می‌تواند زمان و هزینه موردنیاز برای ساخت انیمیشن‌های چهره را به میزان قابل‌توجهی کاهش دهد و به توسعه‌دهندگان اجازه دهد شخصیت‌های بیشتری را با حرکات طبیعی‌تر طراحی کنند.

Alien: Rogue Incursion؛ انیمیشن چهره واقع‌گرایانه در واقعیت مجازی

بازی Alien: Rogue Incursion محصول استودیوی Survios، یک عنوان اکشن و ترسناک در دنیای Alien است که برای پلتفرم‌های PCVR و PSVR2 منتشر شده است.

این بازی از فناوری NVIDIA Audio2Face برای تولید انیمیشن چهره شخصیت‌ها استفاده می‌کند. در طول مسیر بقا، بازیکنان با تعدادی از بازماندگان انسان‌نما روبه‌رو می‌شوند که حرکات صورت آن‌ها بر اساس دیالوگ‌های ضبط‌شده توسط صداپیشگان تولید شده است.

به کمک این فناوری، حرکات چهره شخصیت‌ها با صدای آن‌ها هماهنگ می‌شود و تعاملات طبیعی‌تری در محیط بازی شکل می‌گیرد.

World of Jade Dynasty؛ انیمیشن چهره هوشمند برای شخصیت‌های متعدد

بازی World of Jade Dynasty محصول شرکت Perfect World Games، یک عنوان نقش‌آفرینی آنلاین گسترده (MMORPG) است که با موتور Unreal Engine 5 توسعه داده شده و دنباله‌ای برای مجموعه Jade Dynasty محسوب می‌شود.

این بازی امکان شرکت در نبردهای گسترده 100 نفره، کاوش در سیاه‌چال‌ها و پرواز در محیط بازی را فراهم می‌کند و بازیکنان می‌توانند مسیرهای مختلفی را در بخش‌های رقابتی و غیررقابتی تجربه کنند.

توسعه‌دهندگان این بازی از NVIDIA Audio2Face برای ایجاد انیمیشن چهره در تعداد زیادی از شخصیت‌ها استفاده کرده‌اند. این فناوری از زبان‌های چینی و انگلیسی پشتیبانی می‌کند و می‌تواند حرکات صورت را بر اساس متغیرهای مختلفی که در صدای ضبط‌شده صداپیشگان تشخیص می‌دهد، به‌صورت پویا تنظیم کند.

در این فرایند، توسعه‌دهندگان همچنان امکان ویرایش و اصلاح دستی انیمیشن‌ها را دارند تا حرکات چهره با نیازهای هر صحنه و نوع دیالوگ هماهنگ شود.

این کاربرد نشان می‌دهد که هوش مصنوعی تنها برای ایجاد رفتارهای مستقل در NPCها استفاده نمی‌شود؛ بلکه می‌تواند بخش مهمی از فرایند تولید و انیمیشن‌سازی شخصیت‌های بازی را نیز ساده‌تر و سریع‌تر کند.

جمع‌بندی؛ آینده شخصیت‌های هوشمند با NVIDIA ACE

هوش مصنوعی مولد می‌تواند شکل تازه‌ای از تعامل با بازی‌های ویدئویی را ایجاد کند؛ تجربه‌ای که در آن شخصیت‌ها دیگر صرفاً از دیالوگ‌ها و رفتارهای از پیش تعیین‌شده پیروی نمی‌کنند، بلکه می‌توانند محیط را درک کنند، تصمیم بگیرند و به شرایط مختلف واکنش نشان دهند.

نمونه‌هایی مانند PUBG: BATTLEGROUNDS، inZOI، MIR5 و NARAKA: BLADEPOINT نشان می‌دهند که توسعه‌دهندگان چگونه از فناوری NVIDIA ACE برای ساخت هم‌تیمی‌های هوشمند، شهروندان مستقل و دشمنانی با رفتارهای سازگارشونده استفاده می‌کنند.

در کنار این موارد، پروژه‌هایی مانند Dead Meat، AI People و ZooPunk نیز نشان می‌دهند که ترکیب هوش مصنوعی مکالمه‌محور، تولید محتوا و تعاملات مستقل می‌تواند زمینه‌ساز شکل‌گیری سبک‌های تازه‌ای از بازی باشد.

این نمونه‌ها تنها بخشی از کاربردهای احتمالی NVIDIA ACE هستند. با پیشرفت مدل‌های هوش مصنوعی و افزایش توان پردازشی سخت‌افزارهای جدید، انتظار می‌رود شخصیت‌های بازی در آینده تعاملات طبیعی‌تر، رفتارهای پیچیده‌تر و نقش فعال‌تری در شکل‌گیری تجربه گیمینگ داشته باشند.

برای آشنایی بیشتر با فناوری NVIDIA ACE، می‌توانید به صفحه رسمی این فناوری مراجعه کنید.

منبع اصلی

• https://www.nvidia.com/en-gb/geforce/news/nvidia-ace-autonomous-ai-companions-pubg-naraka-bladepoint