AI w produkcji gier okiem deweloperów – jak daleka rzeczywiście jest ta rewolucja?

Bez względu na stosunek do AI, z jednym wszyscy możemy się zgodzić – sztuczna inteligencja to ogromna rewolucja technologiczna, być może największa od powstania internetu, która diametralnie zmieni nasze życie. Dotyczy to również gier wideo. Czy na lepsze? Czy dzięki AI będą one powstawać szybciej, będą bardziej dopracowane oraz większe? A może zaleje nas fala tzw. AI slop, a najwięksi deweloperzy zaczną zwalniać niepotrzebnych pracowników? Pytań jest mnóstwo.

Aby lepiej zrozumieć temat, porozmawiałem z kilkoma ekspertami z branży gamedev – nie tylko deweloperami, ale też osobami zajmującymi się kwestiami prawnymi oraz edukacją. Mam nadzieję, że ich perspektywa pomoże Wam lepiej zrozumieć kierunek, w którym podąża branża. Sam po tych rozmowach czuję się znacznie spokojniejszy w temacie AI niż wcześniej. W pewnym sensie już to kiedyś przerabialiśmy. Marcin Celarek z GameDev School, jednej z najdłużej działających szkół kształcących nowe pokolenia deweloperów, przypomina inne rewolucje technologiczne.

Całą rewolucję AI porównałbym do upowszechnienia się maili i szybkiego transferu danych cyfrowych mniej więcej ćwierć wieku temu. W założeniu mieliśmy mieć dzięki temu więcej czasu. Czy tak się stało? Nie. Stało się coś innego. Świat przyspieszył. Coś, co wcześniej zajmowało tydzień, teraz można było stworzyć, przesłać, skomentować, poprawić w parę godzin. Nie pociągnęło to fali zwolnień i masowego bezrobocia wśród pracowników umysłowych, chociaż i takie głosy się wtedy pojawiały. Dostosowaliśmy się. Co więcej, dziś mało kto sobie jeszcze wyobraża, że można pracować inaczej, a jeszcze mniej ludzi miałoby na to ochotę. Moim zdaniem z rewolucją AI będzie podobnie.

Co dzisiaj oferuje AI?

Zacznijmy od opisania obecnej sytuacji. Już dzisiaj najpopularniejsze silniki, jak Unity czy Unreal, oferują wbudowane narzędzia oparte o AI pomagające w programowaniu czy tworzeniu nowej zawartości. Są też przygotowane na integrację z zewnętrznymi rozwiązaniami. Szczegółową listę zastosowań przedstawił mi Grzegorz Wątroba, współzałożyciel studia Soft Crunch Games oraz autor kanału Okiem Deva.

• Zautomatyzowane i adaptacyjne testowanie – buduje się modele, które symulują różne zachowania gracza zarówno na poziomie matematyki i balansu w grach, jak i samego przebiegu rozgrywki. Nadal jest to niedoskonały system, ale najprostsze testy pokrywa bardzo szybko.
• Produkcja kodu – tworzenie kodu, dokumentacja, sprawdzanie błędów, komentarze. Tanie modele piszą niesamowicie słaby kod, droższe są bardziej skuteczne, ale są nadal drogie.
• Design – analiza pomysłów, natomiast trzeba mieć na uwadze, że opiera się to na danych wstecz, więc liczenie na kreatywne pomysły od AI to raczej mrzonka.
• Lokalizacja – dobrze wytrenowane modele potrafią bardzo sprawnie wykonać podstawową i poprawną lokalizację, jednak pełną błędów stylistycznych i wybrakowaną pod kątem kulturowej analizy i wrażliwości. Nawet jeżeli jest wykorzystywana, to i tak wymaga korekty i dopasowania przez specjalistów.
• Dźwięk – najmniej problemów sprawiają proste dźwięki, natomiast im bardziej próbuje się odwzorować realistyczne brzmienia, tym trudniej. Muzyka brzmi schematycznie, ale coraz rzadziej ludzie są w stanie odróżnić AI od słabej muzyki. Nad voice overami jest jeszcze dużo pracy.
• Grafika 2D – w przypadku najprostszych elementów i interfejsów użytkownika jakość generowanych materiałów nie jest rażąca, natomiast im bardziej złożone elementy graficzne, tym gorzej i model wymaga dużo pracy, aby generował spójną grafikę bez cech charakterystycznych dla LLM-ów.
• Animacje – zarówno w 2D, jak i 3D dla masowego zastosowania, narzędzia wspierające animacje na poziomie akceptowalnym do produkcji są aktualnie w drodze, ale widziałem ostatnio wczesne prototypy, które świetnie czyszczą animacje zarówno w 2D, jak i 3D. Jeżeli chodzi o ich generowanie, to wszystko zależy od złożoności animacji, pojemności modelu i treningu.
• Grafika 3D – najnowsze modele od Open AI pokazują pierwsze dowody na to, że LLM-y są na drodze do budowania bardziej złożonych modeli niż zlepek prostych kształtów. Nadal jednak są drogie w użyciu na masową skalę.

Ostatni temat, dotyczący grafiki 3D, rozwija Marcin Celarek.

Kiedyś grafik 3D potrzebował minimum tygodnia, a najczęściej dwóch na stworzenie pełnej, szczegółowej siatki postaci wraz z teksturami. Oczywiście mowa o postaci, która będzie widoczna na zbliżeniach. Gdy jeszcze dochodziło kilka zróżnicowanych wariantów stroju, to już w ogóle można było mówić o dwóch czy trzech miesiącach pracy. Teraz, w zależności od tego co potrzebujemy, może to być liczone w dniach.

Najczęściej wymienianym zastosowaniem AI jest przyspieszenie prototypowania. To niezwykle ważna korzyść ze sztucznej inteligencji, ponieważ pozwala przetestować znacznie większą liczbę pomysłów i w przyszłości może przełożyć się na więcej udanych gier. Obecnie żadne poważne studio nie dyskutuje o pomyśle zapisanym na kartce papieru, tylko o działającym prototypie. Z tego co udało mi się dowiedzieć, AI pozwala stworzyć go nawet w czasie o 70% krótszym niż dotychczas. To szansa dla wielu ciekawych idei, na sprawdzenie których studia często nie mają czasu. Po powyższej liście widać jednak, że miejsca do wykorzystania nowych technologii jest więcej. Potwierdza to w rozmowie ze mną Arkadiusz "Sir Grizmu" Kalinowski, tech lead we wrocławskim studiu The Knights of U.

Korzystając z AI można zaobserwować zasadę Pareto, gdzie 80% gry zrobi się w 20% czasu, więc efektywnie pomoże w każdej części projektu, ale bez dopięcia na ostatni guzik. Osiągnięcie dobrych rezultatów dalej spada na użytkownika, jego czas włożony w projekt, jak i umiejętności, które posiada w temacie, w którym się wspomaga. Bez odpowiedniego nadzoru, jak i dbałości o spójność projektu, jakość może pozostawiać wiele do życzenia. AI nie jest magicznym pociskiem na wszystko.

Jak AI zrobi projekt, a nie jeden element?

Istotnym problemem obecnych rozwiązań AI często jest ich oderwanie od szerszego kontekstu projektu. Jednym z rozwiązań jest mało jeszcze znany wśród graczy polski Ludus AI, czyli narzędzie sztucznej inteligencji do Unreal Engine pozwalające na znacznie bardziej kompleksową pracę. Skorzystało już z niego 40 tysięcy twórców na całym świecie. Jak to działa w praktyce, opowiedział mi Piotr Penar, CEO Ludus AI.

Większość zwykłych asystentów AI generuje w próżni – podpowiadają rozwiązania, które w teorii wyglądają poprawnie, a po wrzuceniu do projektu psują inne elementy. Zrozumieliśmy, że sam model to nie rozwiązanie. Jest nim system, który daje modelowi pełny kontekst projektu. Dlatego Ludus, zanim padnie jakiekolwiek polecenie, najpierw analizuje i mapuje cały projekt – kod, blueprinty, modele, materiały i wszystkie zależności między nimi. Dopiero wtedy nie odpowiada na pytanie „jak to się robi w Unrealu”, tylko „jak zrobić to w twoim projekcie, nie psując elementów, o których mogłeś już zapomnieć”.

Ręczne namierzenie zduplikowanych zasobów czy wadliwie ustawionych kolizji w jednej lokacji to często kilka godzin przeklikiwania się przez projekt. Ludus robi to w ok. 4 minuty. Dzięki temu, że analizujemy projekt całościowo jeden raz, operacje są u nas 10 razy szybsze.

Wszyscy moi rozmówcy podkreślają, że AI świetnie sprawdza się przy wykonywaniu powtarzalnych, wręcz mechanicznych czynności czy do wyszukiwania błędów. To sprawia, że obecnie sztuczna inteligencja najczęściej wykorzystywana jest przez programistów czy osoby zajmujące się produkcją assetów. Zupełnie inaczej ma się to w kwestii designerów, których praca jeszcze nie przechodzi aż tak dużych zmian. Nadal ktoś musi podejmować decyzje i wymyślać nowe, kreatywne rozwiązania. Konieczne jest też pilnowanie spójności projektu. AI to narzędzie, które widzi drzewa, ale niekoniecznie las. Może to się jednak zmienić – właśnie do tego stworzone jest Ludus AI, aby technologia patrzyła na projekt całościowo.

Jak wykorzystać zaoszczędzony czas?

Wykorzystanie AI w dużym stopniu sprowadza się do oszczędności czasu. Tylko jak realnie przełoży się to na branżę? Pierwsza myśl to zmniejszenie wręcz horrendalnych budżetów gier AAA. Czy to oznacza masowe zwolnienia? Marcin Celarek twierdzi, że tak, chociaż ma duże wątpliwości co do skali tego procesu.

Na pewno pojawią się takie sytuacje, jednak moim zdaniem nie przybierze to skali masowej. Konkurencja na rynku jest nieubłagana i oczywiście menedżerowie w studiach mogą chcieć iść w kierunku cięcia kosztów. Jednak na pewno część z nich równie szybko zauważy, że być może nawet bardziej racjonalnym krokiem jest tworzenie większych gier. Albo więcej gier równocześnie. A to już nie oznacza zwolnień, tylko rekonfigurację. No i niesie wymierne korzyści dla graczy w postaci większych i liczniejszych gier.

Czy one będą gorsze jakościowo? Pewnie niektóre tak, ale inne nie. Warto przy tym zauważyć, że przed rewolucją AI też tak było. Jedne studia robiły gry lepsze, a inne gorsze. Te gorsze rynek sam weryfikował i tym razem prawdopodobnie będzie tak samo. Za jakiś czas gracze oswoją się z obecnością AI w produkcji, gdy zobaczą gry na najwyższym poziomie, których twórcy z otwartą przyłbicą potwierdzą, że z niej korzystali. Sedno problemu nie tkwi w tym, czy się z AI korzysta, lecz jak to się robi.

Arkadiusz Kalinowski z The Knights of U przypomina, że podobny proces, ale w mniejszej skali, branża już przerabiała. Kiedy na rynek trafiały nowe języki programowania czy silniki, deweloperzy coraz mniej czasu poświęcali na tworzenie własnych rozwiązań oraz naukę ich obsługi. Mimo to branża i tak rośnie, zatrudnia coraz więcej osób, a gry powstają coraz dłużej. Piotr Penar dodaje jeszcze jedną korzyść z oszczędności czasu, o której gracze mogą nie wiedzieć.

Prawdziwa szansa leży gdzie indziej. W tej branży porzucanie projektów przed premierą to niestety standard. Mniejsze i średnie studia często drastycznie upraszczają pomysły albo wręcz zajeżdżają się w trakcie i porzucają produkcję w połowie, bo toną w technicznej złożoności silnika. Jeśli nasze narzędzie pomoże twórcom przebrnąć przez te najbardziej wymagające, operacyjne fazy produkcji i doprowadzić grę do końca, to na rynku pojawi się więcej świetnych, autorskich i dokończonych projektów, które w przeszłości po prostu nie miałyby szansy ujrzeć światła dziennego.

AI a kwestie prawne

Czynnikiem, który jest niezwykle istotny, a może niekiedy umykać naszej uwadze, są uwarunkowania prawne. Rynek AI nadal jest młody i wiele regulacji dopiero się pojawi. Już dzisiaj jednak nie możemy mówić, że panuje na nim wolna amerykanka.

O wyjaśnienie tej kwestii poprosiłem dr Marcina Balickiego, adwokata z kancelarii SPCG Studnicki Płeszka Ćwiąkalski Górski (polecam jego artykuł o prawnych uwarunkowaniach AI).

Korzystanie z AI w produkcji gier tworzy ciekawe problemy związane z prawami autorskimi. Pierwszy z nich to zasadniczo brak praw autorskich do tych elementów gry wideo, które zostały wygenerowane przez AI. Oznacza to, że nie można innej sobie zabronić korzystania z tych elementów w oparciu o prawo autorskie. Jeżeli ten element ma w grze znaczenie drugorzędne albo jest używany tylko wewnętrznie, to niekoniecznie brak praw autorskich będzie dla studia istotny. Trzeba jednak pamiętać, że skoro nie ma praw autorskich, to członkowi zespołu nie można zapłacić honorarium autorskiego za ich przeniesienie. To ma znaczenie, jeśli stosowane są podwyższone koszty uzyskania przychodów (tzw. KUP 50%).

Musimy napisać to wprost – twórcy tzw. AI slop nie posiadają do nich praw autorskich, chociaż nadal mogą je sprzedawać. Możliwe, że ograniczy to rozwój tego typu produktów. Grzegorz Wątroba przypomina jednak, że segment gier mobilnych czy erotycznych już jest zdominowany przez produkcje w dużym stopniu stworzone przez AI, ponieważ ich odbiorcom to nie przeszkadza. Dr Marcin Balicki dodaje do tego ryzyko związane z tym, że assety wygenerowane przez AI będą naruszać prawa autorskie.

Drugi problem to ryzyko, że elementy gry wygenerowane przez AI będą w całości albo w części identyczne lub bardzo podobne do czegoś, co zostało już wcześniej przez kogoś stworzone i jest chronione prawem autorskim. Na przykład AI użyje fragmentu cudzego kodu albo grafiki generując na potrzeby gry kod albo grafikę. Osoba, której przysługują prawa autorskie do takiego kodu albo grafiki, będzie mogła zażądać od studia, żeby przestało z niego korzystać i usunęło go z gry. Oczywiście tak samo byłoby, gdyby programista albo grafik użyli cudzego kodu albo grafiki bez zgody. Problem w przypadku AI polega na tym, że mamy mniejszą kontrolę nad tym, czego AI używa.

W tej kwestii przewagę mogą mieć duże studia dysponujące ogromnymi bazami materiałów, do których mają pełne prawa i które mogą wykorzystywać do trenowania modeli AI bez obawy o późniejsze problemy natury prawnej. One z kolei znacznie większą uwagę przykładają do bezpieczeństwa i wycieków danych. Twórcy Ludus AI nie zapominają o tym.

Wielkie organizacje robiące gry AAA mają potężne projekty z tysiącami powiązań, których żaden pojedynczy człowiek nie pomieści w głowie. Tam, oprócz samego tworzenia, gigantyczne znaczenie ma audytowanie i bezpieczeństwo. Zanim duży wydawca zapyta o funkcje asystenta, pyta o ochronę IP. Ani studia, ani wydawcy nie chcą, żeby ich kod wyciekł. Dlatego dostarczamy im prywatne, odizolowane środowiska ze standardami ISO 27001 i SOC 2 Type 2. Dodatkowo właśnie dla nich opracowujemy nowy system pod nazwą Cozac. Prześwietla on grę i podaje producentom twarde fakty pobrane prosto z silnika, zamiast subiektywnej oceny zespołu.

Jak teraz uczyć się tworzyć gry?

Ostatni temat, jaki chciałbym poruszyć, dotyczy edukacji. Młodzi ludzie, którzy dopiero będą wchodzić na rynek pracy, muszą się zastanowić, jakich kompetencji potrzeba w świecie zdominowanym przez AI. Czy dotychczasowe programy nauczania sprawdzą się za rok, pięć czy dziesięć lat? Marcin Celarek z GameDev School twierdzi, że paradoksalnie edukacja młodych deweloperów raczej nie ulegnie znaczącym zmianom. Wręcz przeciwnie. Programista nadal musi umieć programować, aby rozumieć, co stworzyło AI. Grafik z kolei musi znać zasady kompozycji, dobierania kolorów czy anatomii człowieka. Sztuczna inteligencja nikogo nie zwalnia z myślenia. Proces produkcji gry nie zmieni się, a zrezygnowanie z posiadania własnej wiedzy merytorycznej może okazać się bardzo kosztowne na etapie kariery zawodowej. Oczywiście zmienią się wymagania dotyczące znajomości narzędzi, ale to jest kwestia płynna, bo nowe rozwiązania powstają non stop.

Marcin Celarek dodaje jednak, że w dobie AI bardzo ważne będą, paradoksalnie, miękkie kompetencje i umiejętność sprawnego komunikowania się z innymi członkami zespołu. Cenione będzie oczytanie, precyzja w przekazywaniu myśli i lekkość w relacjach interpersonalnych. Do tego obowiązkowe będzie biegłe posługiwanie się nowym językiem – językiem promptów.

Specyfika pracy z promptami, zwłaszcza przy czymś tak skomplikowanym i rozbudowanym jak produkcja gier, wymaga z jednej strony bardzo precyzyjnego myślenia, a z drugiej umiejętności jasnego formułowania oraz przekazywania rozbudowanych celów i zadań. Po drugie, zmiana sposobu pracy z tej dotychczasowej, wykonawczej, na pracę bardziej zarządzającą procesami, przyspieszy tę pracę. Deweloperzy będą tworzyć więcej. To oznacza, że komuś to trzeba przekazać, wyjaśnić, a wcześniej zbriefować, co się od niego potrzebuje. Ilość związanej z tym komunikacji międzyludzkiej znacząco wzrośnie. Te dwa elementy oznaczają, że przy intensywnym tempie pracy, na czoło wysunie się umiejętność współpracy w grupie. Gamedev zawsze był sportem zespołowym, a teraz prawdopodobnie zjawisko to przybierze na sile.

Przyszłość z AI – optymistyczna czy pesymistyczna?

Rozpoczynając prace nad tym tekstem, nie spodziewałem się, że moi rozmówcy będą tonować rewolucyjne nastroje. W ich opinii AI na pewno wiele zmieni, ale też nie wywróci wszystkiego do góry nogami. Wracając do analogii o powstaniu maili, którą przytaczał Marcin Celarek, patrząc w przeszłość można zauważyć zaskakujący morał – mimo że technologii jest coraz więcej, pracy nam tylko przybywa, a jej poziom skomplikowania jest coraz większy. Możliwe, że AI wiele rzeczy uprości i przyspieszy, ale jednocześnie stworzy nowe problemy i wyzwania. Piotr Penar z Ludus AI jest jednak optymistą.

W horyzoncie najbliższych paru lat zobaczymy po prostu gry tworzone stabilniej. Przełoży się to na lepszą optymalizację od pierwszego dnia, wyższą płynność na przeciętnym sprzęcie i wyeliminowanie głupich błędów wynikających z pracy „na ślepo”.

Jednak nieco później zauważymy zupełnie inną różnorodność. Dziś potęga silników takich jak Unreal Engine sprawia, że ambitne produkcje wymagają gigantycznego zaplecza i dziesiątek tysięcy roboczogodzin. Małe studia zaczną w końcu wydawać projekty o złożoności, na którą wcześniej po prostu nie miały budżetu. Z kolei wielkie studia, odzyskując czas na zapleczu mechanicznym, pozwolą sobie na znacznie odważniejsze pomysły, zamiast kopiować mechaniki z poprzedniej gry tylko dlatego, że gonią ich terminy i wyznaczone wcześniej daty premiery.

Znacznie mniej optymistyczną wizję przedstawia Grzegorz Wątroba z Soft Crunch Games.

Z racji tego, że na ten moment korporacje zajmujące się AI prześcigają się w sprzedawaniu fajerwerków dla akcjonariuszy bez względu na koszty, a ludzie zamiast korzystać z technologii rozsądnie stosują ją do bzdur i próbują zastąpić swoją inteligencję sztuczną, jestem mniej optymistyczny względem aktualnego kierunku AI. Jeżeli jednak rozwiąże się kwestie prawne, środowiskowe i etyczne, może być to naprawdę przydatne narzędzie.

Żaden z moich rozmówców nie ostrzega przed zalewem AI slop czy masowymi zwolnieniami deweloperów zastępowanych przez agentów sztucznej inteligencji. Już dzisiaj branża boryka się z tymi problemami, a nowe technologie mogą wiele z nich rozwiązać. Z jednym jednak zgadzają się wszyscy – studia deweloperskie są skazane na AI i będą się musiały do niego dostosować. Kto zrobi to szybciej i sprawniej, na pewno, mówiąc językiem korporacyjnym, “wygra” rynek.