Un World of Warcraft creato da un team piccolissimo? Google punta con decisione sul machine learning

Le tecniche di machine learning vengono applicate a tutti i tipi di tecnologie ed è naturale chiedersi come possano essere utilizzate per potenziare lo sviluppo dei giochi. Questo è esattamente ciò che Google sta ricercando per gli sviluppatori attraverso Project Chimera. Erin Hoffman-John, responsabile della creatività per la ricerca e lo sviluppo di Stadia, ha spiegato che il machine learning potrebbe consentire a piccoli team di sviluppo di creare persino giochi delle dimensioni di World of Warcraft. Per cominciare, la creazione di contenuti può essere resa molto più semplice mentre l'apprendimento automatico si allena su una serie di immagini di riferimento e quindi produce progetti completamente nuovi basati su quello stile.

"Abbiamo parlato esternamente con gli sviluppatori e abbiamo chiesto loro: quali sono le cose che avete sempre desiderato fare ma che non avete potuto fare? Quali sono le cose che avete dovuto eliminare dai vostri giochi perché non siete stati in grado di farli abbastanza velocemente o semplicemente non avete avuto la potenza di elaborazione?" ha dichiarato Hoffman-John. "E se una squadra di 14 persone potesse creare un gioco delle dimensioni di World of Warcraft? È un obiettivo assurdo, vero? I giochi come WoW si basano su una creazione di contenuti pesante e ripetitiva. Gli artisti e gli scrittori stanno facendo un sacco di lavoro essenzialmente duplicato, ecco dove vanno molti investimenti".

Grazie a Project Chimera, Google mira inoltre a rendere il bilanciamento molto più semplice per gli sviluppatori di giochi. Questo è ancora una volta qualcosa che di solito sarebbe molto complesso da fare in modo completo per i team più piccoli, ma è qui che entra in gioco il machine learning secondo Erin Hoffman-John.

Abbiamo già visto diverse IA usare il machine learning; AlphaStar ad esempio, che è un'IA di Deep Mind, riesce a battere a StarCraft II il 99,8% dei giocatori. Tuttavia, l'obiettivo qui sarebbe quello di aiutare a bilanciare il gioco invece di usare il machine learning per battere gli umani.

Fonte: Wccftech