Когда Джейк Клинкерт был ребенком, его отец предложил ему, раз уж он любит видеоигры, попробовать их создавать. Это простое предложение оставило глубокий след в его жизни. Клинкерт принял эту идею и пошел по этому пути в учебе, в итоге получив степень магистра в области интерактивных технологий и разработки цифровых игр в SMU Guildhall. Его ранняя страсть к интерактивным медиа переросла в передовые исследования. Теперь, будучи аспирантом кафедры компьютерных наук в Школе инженерии Лайла при SMU, Клинкерт изучает, как большие языковые модели (LLM), такие как ChatGPT, могут использоваться для создания неигровых персонажей (NPC), которые действуют и реагируют более похоже на реальных людей, с последовательными личностями и правдоподобными эмоциональными реакциями.
В ходе экспериментов, генерировавших более 50 500 индивидуальных данных, Клинкерт и его команда обнаружили, что GPT-4 достигла 73,98% точности в поддержании последовательных личностных черт в различных взаимодействиях. Это значительное улучшение по сравнению с более ранними моделями ИИ, которые в аналогичных тестах набрали менее 18%. Результаты показывают, что современные языковые модели способны захватывать и поддерживать отчетливые личностные профили, что может кардинально изменить подход разработчиков игр к созданию персонажей.
LLM, которые распознают, понимают и реагируют на человеческие эмоции
Исследование напрямую решает давнюю проблему в индустрии игр: как создавать NPC, демонстрирующих реалистичную эмоциональную сложность и последовательные поведенческие модели. Исторически сложилось так, что многие игры полагались на скриптовые ответы, которые часто становились повторяющимися и предсказуемыми, нарушая погружение игрока. Напротив, управляемые LLM NPC могут динамически адаптировать свое поведение, предоставляя ответы, которые кажутся тонкими, учитывающими контекст и эмоционально уместными.
"Это представляет собой сдвиг в подходе к разработке персонажей," объяснил Клинкерт. "Мы перешли от мира, где создание правдоподобных персонажей ИИ требовало сложных систем и обширных технических ресурсов, к миру, где разработчики могут быстро создавать прототипы персонажей, основанных на личности, с использованием текстовых взаимодействий." Эта доступность может значительно снизить барьеры для создания более сложных и эмоционально насыщенных игровых впечатлений.
Для оценки моделей исследователи использовали анкету Международного пула личностных элементов, 50-балльный тест, основанный на модели пяти факторов личности, чтобы оценить три модели OpenAI: text-davinci-003, gpt-3.5-turbo-0613 и gpt-4-0613. "Большая пятерка" измеряет личность по пяти измерениям:
- Открытость: высокая креативность, готовность к новым вызовам, абстрактное мышление
- Сознательность: организованность и ответственность в работе и с другими людьми
- Экстраверсия: общительность и активность при взаимодействии с другими людьми
- Доброжелательность: готовность учитывать разные мнения и стремление к общему пониманию с другими
- Нейротизм: эмоциональная нестабильность и тревожность в восприятии ситуаций
Влияние и применение в игровой индустрии
Компании, занимающиеся видеоиграми, давно стремятся интегрировать аффективные вычисления — технологии, способные распознавать, понимать и реагировать на человеческие эмоции — в интерактивные впечатления. Исследования Клинкерта демонстрируют, что современные языковые модели могут улучшить эти усилия, генерируя диалоги и решения, которые аутентично отражают определенные личностные черты.
Последствия этой работы выходят за рамки создания простых диалоговых систем. Клинкерт видит NPC, которые могут пересказывать истории со своих уникальных точек зрения, вносить вклад в развивающиеся нарративы через импровизацию или решать внутриигровые загадки, руководствуясь своей интуицией, основанной на личности. Эти возможности могут изменить игровой процесс, делая виртуальные миры более захватывающими, живыми и эмоционально увлекательными.
По мере того как игроки все больше требуют более сложных впечатлений, возможность создавать NPC с правдоподобными личностями может стать определяющей чертой для разработчиков игр. Представьте себе игру, где персонажи не только реалистично реагируют на выбор игрока, но и инициируют уникальные сюжетные линии, помнят прошлые взаимодействия и демонстрируют последовательные поведенческие модели на протяжении долгих периодов игры.
Сотрудничество и будущие направления исследований SMU
Полный набор данных и результаты исследования доступны в публичном репозитории GitLab, позволяя другим разработчикам и исследователям строить на основе этой фундаментальной работы. Команда также изучает возможности партнерства с коммерческими студиями разработки игр для внедрения этих выводов в реальные проекты, что может повлиять на следующее поколение игр, ориентированных на нарратив и ролевые игры.
Сотрудники Клинкерта в этом исследовании включают Кори Кларка, заместителя директора по исследованиям в SMU Guildhall и доцента кафедры компьютерных наук Школы инженерии Лайла при SMU, а также Стеф Буонджорно, недавнего постдока в SMU Guildhall. Вместе они исследуют не только то, как NPC с последовательной личностью могут улучшить погружение игрока, но и как персонажи, управляемые LLM, могут способствовать более динамичному, интерактивному повествованию и образовательным симуляциям.
Помимо непосредственного применения в игровой индустрии, это исследование может иметь значение для виртуальных помощников, образовательных инструментов и систем социального ИИ, где возможность сохранять личностную и эмоциональную последовательность может повысить вовлеченность и удовлетворенность пользователей. Исследование иллюстрирует будущее, где искусственный интеллект в интерактивных средах становится ближе к воспроизведению нюансов и глубины человеческого поведения.
Объединяя экспертизу в разработке игр, компьютерных науках и исследованиях ИИ, Клинкерт и его коллеги расширяют границы возможностей NPC. Их работа сигнализирует о переходе к более умным, отзывчивым и эмоционально привлекательным виртуальным персонажам, открывая новые возможности для создателей и игроков исследовать интерактивные миры способами, которые раньше были невозможны.
Очень интересно, как развитие LLM может изменить индустрию игр. Представляю себе игры, где NPC будут не просто болванчиками, а настоящими персонажами с глубиной. Надеюсь, скоро увидим такие проекты!
Здорово, что исследования Клинкерта и его команды могут повлиять не только на игры, но и на другие сферы, такие как виртуальные помощники или образовательные программы. Это действительно шаг вперед в развитии ИИ.
Как разработчику, мне очень интересно, как LLM могут сократить время и ресурсы на создание персонажей. Это может открыть дверь для независимых студий создавать более глубокие и сложные игры без больших затрат.