KI und Gaming: Große Sprachmodelle

1. IntroundBeschreibungVersuch3 Gemacht mit Clipchamp: Willkommen zu meinem Kurs. Mein Name ist Adam Peterson Ich bin ein Technologiearbeiter und ein lebenslanger Spieler. KI ist seit langem Teil des Gamings, aber das jüngste Aufkommen von LLMs wird die Branche komplett verändern ob Sie ein Gamer, ein Entwickler, ein IT-Techniker oder ein Experte in allem sind, was mit Technologie zu tun hat, kommen Sie mit mir, um mehr über die aufregenden Veränderungen zu erfahren , die LLMs in der Spielewelt mit sich bringen Ich erwarte nicht, dass Sie mit bestimmten Eigenschaften zu diesem Kurs kommen . Ich habe diesen Kurs für alle erstellt. Aber ein bisschen über mich selbst kann helfen eine Art von Person zu erklären , der dieser Kurs gefallen wird. Ich bin ein Gamer und ein professioneller IT-Techniker. Ich arbeite seit etwa 20 Jahren in der IT und seit mehr als 30 Jahren im Gaming-Bereich Meine ersten Erinnerungen an ein Videospiel waren die Anschaffung eines Nintendo-Unterhaltungssystems, also das originale NES zu Weihnachten, und dass waren die Anschaffung eines Nintendo-Unterhaltungssystems, also das originale NES ich mit meinem Bruder Mario und Duck Hunt gespielt habe. Mein Bruder ist etwa zwei Jahre älter als ich, ich war also sechs Jahre alt. Ich habe meistens zugesehen, aber ich hatte trotzdem Spaß. Und seitdem habe ich Videospiele sehr genossen. In beruflicher Hinsicht habe ich in meiner Rolle bei einer großen Bundesbehörde im IT-Bereich den Aufstieg von KI und LLMs beobachtet und es hat mir Spaß gemacht, mehr über KI-Lösungen zu lernen und sie zu implementieren Das spannende Projekt am Ende dieses Kurses ist, Sie mithilfe eines Frameworks namens AI Dungeon ein LLM-basiertes Spiel erstellen, das einem Tabletop-Rollenspiel ähnelt , bei dem der LLM sowohl gegen die anderen Spieler als auch gegen den Spielleiter spielt Auf diese Weise können Sie erleben, wie LLMs eine Spielwelt im Theater des Geistes erschaffen können eine Spielwelt im Theater des Geistes Sie können Ihre Erfahrungen auch über die Projektgalerie des Kurses sowie auf Wunsch direkt über AI Dungeon Nachdem all das gesagt ist, lasst uns anfangen zu lernen. 2. LLMsInGamingAndPlayer: Spiele nutzen seit einiger Zeit KI-Technologie. Ich habe starke Erinnerungen an die KI, die in einem Echtzeit-Strategiespiel namens Total Annihilation eingesetzt wurde einem Echtzeit-Strategiespiel namens , um Gegner zu erschaffen, gegen die der Spieler kämpfen Diese KI der Vergangenheit wurden nicht von LLMs unterstützt und wurden von den Programmierern auf arbeitsintensive Weise entwickelt arbeitsintensive Weise In gewisser Weise würde die KI, wenn man eine Einheit von hier nach dort bewegen wollte , tatsächlich über eine Pfadfindungsroutine verfügen, die ihr helfen würde , sich fortzubewegen, und zwar nicht durch den Einsatz von LLMs, sondern immer noch durch künstliche Intelligenz im Allgemeinen Im Echtzeit-Strategiespiel richtete ein Programmierer die KI so ein, dass sie sich auf eine bestimmte Art und Weise bewegt , und schuf oft vorhersehbare Angriffswege Nach einer Weile begann der kreative Spieler , die Aktionen zu verstehen , die der KI-Gegner ergreifen könnte, und konnte sich entsprechend anpassen Forscher untersuchen nun, wie neue KI-Fortschritte, einschließlich LLMs und Spiele, genutzt einschließlich LLMs und Spiele Spiele sind wichtig, um KI zu testen und KI zu nutzen und auf unterhaltsame Weise die Öffentlichkeit anzusprechen Dies galt auch für Fortschritte in der Vergangenheit. In dieser Präsentation geht es darum, wie LLMs in Spielen eingesetzt werden und was sie in Zukunft tun könnten Wir haben die Herausforderungen und die zukünftige Ausrichtung des Einsatzes von LLMs in Spielen erörtert zukünftige Ausrichtung des Einsatzes von LLMs in Spielen In der Vergangenheit wurde KI in Spielen hauptsächlich für drei Dinge verwendet: das Spiel zu spielen, das Spiel zu entwerfen oder die Spieler zu verstehen dieser Arbeit nutzten sie bekannte Codewege, die von Programm eingebaut worden waren menschlichen Programmierern, die es erstellt haben , in das Das Spiel wäre nicht in der Lage, auf neuartige Weise zu agieren oder zu reagieren, für die die Programmierer nicht programmiert hatten Eine gute KI dieser älteren Variante könnte für Spieler mit niedrigem und mittlerem Niveau, wie mich, kaum zu übertreffen Spieler mit niedrigem und mittlerem Niveau, wie mich, Fortgeschrittene Spieler sahen sich jedoch oft kaum einer Herausforderung gegenüber, da die KI vorhersehbar war. Oft musste der Programmierer der KI das Cheaten gestatten, um diese Spieler zu einem Herausforderer zu machen LLMs hingegen verfügen über ein Maß an funktionaler Kreativität, das dem von Menschen in gewisser Weise ähnelt , obwohl Ein LLM kann Ergebnisse erzielen , die beim Betrachten der Eingaben nicht offensichtlich sind Ich habe dem Copiloten zum Beispiel folgende Frage gestellt: Was ist der beste Ort auf der Erde Wenn ich einem ähnlichen Chat-Bot von vor fünf Jahren diese Frage gestellt hätte , hätte ich die Antwort vorhersagen können, wenn ich den Programmierer verstanden hätte , der den Chat-Bot entwickelt hat Zum Beispiel würde eine Reise-Website , die versucht, Reisen nach Südamerika zu verkaufen , die versucht, Reisen nach Südamerika zu verkaufen, eine andere Antwort geben als eine Website, die Einrichtungsgegenstände verkauft Aber was würde der Copilot sagen? Als ich es ausgeführt habe, meldete es, wie Sie auf dem Screenshot sehen können, dass Copilot einen Teil seines Wissens von externen Websites bezogen hat, aber eine Antwort erstellt hat, die eine Synthese aus seiner Ausbildung und dem Inhalt dieser Websites war eine Synthese aus seiner Ausbildung . In einem Spiel kann ein LLM als Spieler agieren, der den Platz eines menschlichen Spielers einnimmt und versucht, das Spiel zu gewinnen Es kann sich auch um einen Charakter handeln, der kein Spieler ist, z. B. ein Feind oder ein Freund im Spiel Ein LLM kann Spielern helfen indem er Hinweise gibt oder einfache Aufgaben erledigt Es kann auch ein Spielleiter sein der den Spielablauf kontrolliert oder er kann in den Spielregeln versteckt sein einige Teile des Spiels kontrollieren Außerhalb des Spiels kann ein LLM bei der Gestaltung des Spiels helfen, indem er entweder einen menschlichen Designer ersetzt oder einem assistiert Es kann auch auf unterschiedliche Weise mit Spielern oder Zuschauern interagieren , z. B. indem es ein Spiel kommentiert, es gerade gespielt wird oder die Geschichte vergangener Spielereignisse erzählt Einige dieser Rollen, wie eines autonomen Spielers oder Designers, sind in der KI - und Spieleforschung wohlbekannt Die LLM-Forschung hat sich stark auf diese Rollen konzentriert. Andere Rollen wie Kommentator oder Einzelhändler werden noch untersucht. Das Tolle an dieser neuen KI ist, dass sie dieselbe Art von Denken und kreativen Antworten wie Videospiele bieten kann und wird dieselbe Art von Denken und kreativen Antworten wie Videospiele bieten kann und Spieler mit einem großen Sprachmodell benötigen eine Transformation von ihrer typischen Tokenfolge im Ausgaberaum in den Eingabebereich des Spiels. Darüber hinaus müssen dem LLM Aspekte des Spiels und sein aktueller Status zur Verfügung gestellt werden, damit es effektiv gespielt Je nach Spiel diese Zuordnungen intuitiv oder komplex sein Es gibt drei allgemeine Klassen von Spielen , für die LLM-Spieler gut geeignet sind Spiele mit Zuständen und Aktionen als Sequenzen von Spielsteinen dargestellt Rundenbasierte Spiele, Spiele wie Chess, Go und Othello, fallen in diese Kategorie Der diskrete Satz von Brettpositionen und Zügen kann in eine kompakte Darstellung umgewandelt werden, z. B. in eine tragbare Spielnotation Durch die Tokenisierung von Zugsequenzen aus einer Spieldatenbank kann das Problem der Aktionsauswahl dem standardmäßigen aggressiven Lernziel des Audits zugeordnet werden, nach dem LLMs trainiert werden, d. h. die Vorhersage des nächsten Zuges unter Berücksichtigung des Kontextes früherer Züge kann das Problem der Aktionsauswahl dem standardmäßigen aggressiven Lernziel des Audits zugeordnet werden, nach dem LLMs standardmäßigen aggressiven Lernziel des Audits zugeordnet werden, nach dem trainiert werden, d. h. die Vorhersage des nächsten Zuges unter Berücksichtigung des Kontextes früherer Der generalistische GATO-Agent kann eine Vielzahl von Atari-Spielen auf menschlicher oder fast menschlicher Ebene spielen, indem er visuelle Eingaben als Sequenzen von Pixelwerten in Rasterreihenfolge verarbeitet visuelle Eingaben als kann eine Vielzahl von Atari-Spielen auf menschlicher oder fast menschlicher Ebene spielen, indem er visuelle Eingaben als Sequenzen von Pixelwerten in Rasterreihenfolge verarbeitet. diesen Ansatz sind jedoch große Datensätze mit Gameplay-Videos erforderlich , die möglicherweise Darüber hinaus kann es für einen LLM-Spieler schwierig sein, übermenschliche Leistungen zu erzielen, wenn er sich auf menschliche Gameplay-Spuren verlässt kann es für einen LLM-Spieler schwierig sein, übermenschliche Leistungen zu , ohne nennenswerte Fortschritte in der Argumentation und Generalisierung zu erzielen ohne nennenswerte Fortschritte . Spiele, die bereits computerisiert sind, lassen sich am einfachsten mit LLM-Spielern ausstatten Aber stellen Sie sich ein Smartphone vor, das auf ein Schachbrett zielt. Ich kann mir eine App vorstellen, die ein LLM mit anderem Code wie Computer Vision beinhaltet, um den aktuellen Zustand des Bretts zu den aktuellen Zustand des erfassen und den nächsten Zug zu bestimmen Diese App könnte dann einen Zug ausgeben, obwohl die physische Bewegung der Figur möglicherweise eine menschliche Aktion erfordert und so effektiv Schach spielen In der Tat sollten Sie den Copiloten oder bei GPT bitten , eine Partie Schach zu spielen und zu sehen, was passiert Die andere Art von Spiel, die größtenteils an LLM anpassbar wäre , sind Spiele mit Eingabe und Ausgabe in natürlicher Sprache Text-Abenteuerspiele sind Spiele wie Zork, die Spielzustände als Beschreibungen in natürlicher Sprache darstellen und mit Parsern ausgestattet sind , um Antworten in natürlicher Sprache zu verarbeiten LLMs können nach Spielaktionen abgefragt werden, wobei ihr umfangreiches Vortraining mit Text in natürlicher Sprache genutzt wird ihr umfangreiches Vortraining mit Text in natürlicher Sprache genutzt wird. Die früheste Anwendung von LLMs in Textspielen ist CALM, ein GPT-Zwei-System, das auf einem Datensatz menschlicher Gameplay-Transkripte fein abgestimmt Das Modell generiert mehrere Kandidatenaktionen und Deep Reinforcement-Learning, RL, wird verwendet, um eine Richtlinie zu optimieren , bei der Aktionen aus den Kandidaten ausgewählt LLMs allein kann es jedoch schwierig sein, auf unsichtbare Spiele oder Situationen zu verallgemeinern Jüngste Untersuchungen von Chat-GPT als ZoC-Spieler deuten darauf hin, dass sich die Leistung von LLM verbessert, aber es gibt noch Verbesserungspotenzial bei aber es gibt noch Verbesserungspotenzial bei der Anwendung von LLMs auf Textspiele. Die Fähigkeit von LLMs, völlig neuartige oder noch nie dagewesene Textspiele zu spielen , ist noch weitgehend unerforscht . Grundsätzlich ist die Fähigkeit von LLMs, textbasierte Spiele zu spielen , für die sie nicht trainiert wurden, nicht bekannt, aber der rasche Fortschritt der LLM-Technologie könnte durchaus zu aber der rasche Fortschritt der einem besseren Spielerlebnis als erwartet führen Beachten Sie, dass viele textbasierte Spiele für Einzelspieler verfügbar sind und der Spaß am Spiel darin besteht, dieser Spieler zu sein LLM-KI, die Spiele alleine spielen kann , hat möglicherweise keinen guten Anwendungsfall für Einzelspieler-Spiele CIC ERO ist ein LLM-Spieler für die Spieldiplomatie, bei der Täuschung geht Die Spieler unterhalten sich in privaten Nachrichten, um Pläne zu vereinbaren, zu verhandeln oder zu täuschen CSrO baut auf einem vortrainierten LLM auf und verfügt über ein umfangreiches Korpus von auf und verfügt über ein umfangreiches Korpus Es verwendet ein Modul für strategisches Denken um die Aktionen anderer Spieler vorherzusagen und Aktionen auf der Grundlage der aus den Aufzeichnungen abgeleiteten Spielabsichten auszuwählen Grundlage der aus den Aufzeichnungen abgeleiteten Spielabsichten Handlungsraum der Diplomatie ist in einem separaten Brettspiel zwischen Äußerungen in natürlicher Sprache und Zügen aufgeteilt Äußerungen in natürlicher Sprache und . Dies zeigt, wie ein LLM in ein größeres System für Spiele auf hohem Niveau integriert werden kann hohem Niveau integriert werden LLM-KI würden es einem einzelnen menschlichen Spieler ermöglichen , Spiele zu spielen, die normalerweise nur im Mehrspielermodus verfügbar sind Das Voyager-System nutzt die Funktionen zur Codegenerierung von Chat GPT Four, tut mir leid, von GPT Four, um meine Fähigkeiten zu spielen, indem es mit der Mind-Flayer-API interagiert Voyager generiert Codeblöcke , die API-Aufrufe nutzen, um Fähigkeiten auf hohem Niveau auszuführen, die dann automatisch in Eingaben für Spiele auf niedriger Ebene umgewandelt werden . GPT four wird auch als allgemeiner Zielgenerator und Planer verwendet , der als Grundlage für die Codegenerierung dient Dieser Ansatz war erfolgreich Voyager im Spiel verschiedene Minenbau-Herausforderungen Die Verfügbarkeit einer robusten API und umfangreiche Diskussionen im Internet für Minecraft tragen jedoch einer robusten API und umfangreiche Diskussionen im Internet für zu seinem Erfolg , ob sich dieser Ansatz auf bleibt abzuwarten, ob sich dieser Ansatz auf weniger beliebte oder bisher unbekannte Spiele übertragen lässt Im Grunde funktionieren Spiele, die online nicht so beliebt sind und denen der LLM daher weniger ausgesetzt ist, und denen der LLM daher weniger ausgesetzt ist, möglicherweise nicht so gut In meiner Zeit als ich Minecraft gespielt habe, fand ich es ein bisschen langweilig, wenn ich keine anderen auf meinem Server hatte LLM AI könnten diese anderen Spieler sein. LLMs können Spiele spielen, indem sie ihre Ausgabe in den Eingabebereich des Spiels umwandeln sie ihre Ausgabe in den Eingabebereich des und Spielstatusinformationen nutzen Sie eignen sich gut für rundenbasierte Brettspiele, Text-Abenteuerspiele und Spiele mit robusten APIs jedoch weiterhin Herausforderungen darin, Spiele zu verallgemeinern , die noch nicht veröffentlicht wurden, und übermenschliche Leistungen zu erzielen 3. NPCandGameAssistant: Nichtspieler-Charaktere, NPCs, sind Agenten in virtuellen Spielwelten, deren Aktionen nicht direkt von Spielern gesteuert werden Sie bereichern das Spielerlebnis und vertiefen das Eintauchen, indem sie das Ambiente der Welt verbessern und sie glaubwürdiger machen NPCs können verschiedene Rollen übernehmen, z. B. als Haustiere, Verbündete, Feinde, Händler, Questgeber Im Gegensatz zu KI-gesteuerten Spielern, deren Ziel es ist, zu gewinnen, haben NPCs unterschiedliche Handlungsspielräume und ihr Ziel ist es, die Spielumgebung zu verbessern Meiner Meinung nach sind die Rolle von NPCs und einschließlich der Spielerassistenzfunktion, die als NPC implementiert wird, der mit dem Spieler verbündet ist mehr dazu auf der nächsten Folie), die interessantesten kurzfristigen Einsatzmöglichkeiten von LLMs Entwicklung von KI für NPCs ist interessant, weil ihr Zweck darin besteht , auf eine Weise mit der Spielwelt zu interagieren , die sich natürlich und ansprechend anfühlt Wenn es richtig gemacht wird, nehmen NPCs ein flaches, langweiliges Spiel und geben ihm echtes Leben Dadurch wirkt die Spielwelt lebendig und besitzt Tiefe, die über die engen Grenzen des Spielercharakters hinausgeht Diese Realität kann durch vorsichtige und introspektive Spielleiter ohne den Einsatz von LLMs erzeugt werden vorsichtige und introspektive Spielleiter LLMs erzeugt großen Sprachmodellen bieten LLMs bei dieser Aufgabe jedoch einzigartige Vorteile, da verstehen und ihre Antworten entsprechend Einstellungen der Spielwelt Bei großen Sprachmodellen bieten LLMs bei dieser Aufgabe jedoch einzigartige Vorteile, da sie die Einstellungen der Spielwelt verstehen und ihre Antworten entsprechend anpassen können. LLMs können verschiedene Szenarien im Rollenspiel durchspielen, was sie zu einem flexiblen Instrument macht, um menschliches Verhalten auf eine Weise nachzuahmen , die mit herkömmlichen Methoden nicht möglich ist LLMs können NPCs hauptsächlich auf zwei Arten kontrollieren. LLMs eignen sich von Natur aus für Konversationen in natürlicher Sprache Als NPC-Dialogsysteme können sie auf der Grundlage von Spielereingaben dynamische und kontextuell angemessene Antworten generieren und kontextuell angemessene Antworten Grundlage Dies macht Interaktionen mit NPCs ansprechender und realistischer, reduziert sich wiederholende Diskussionen und sorgt für ein ausbeuterischeres LLMs können Spieler als NPCs im Vordergrund, im Hintergrund oder als NPCs mit Erzählern in die Geschichte der Spielwelt einbeziehen Vordergrund, im Hintergrund oder als NPCs mit Erzählern in die Geschichte der Spielwelt Hintergrund NPCs im Vordergrund. Diese NPCs sind Teil der übergeordneten Erzählung des Spiels oder seiner Untererzählungen Spiels Sie können Feinde, Verbündete, Informationsgeber, Questgeber oder Gegenstandsanbieter Ihr Dialog wird durch den Umfang der Geschichte, ihre Rolle darin und die Aktionen der Spieler stark eingeschränkt ihre Rolle darin und der Textgenerierung für NPCs im Vordergrund müssen der Gesamtkontext des Spiels und die Interaktion mit dem Spieler berücksichtigt Spiels und die Interaktion mit dem Spieler Behalten Sie den Überblick über die Ereignisse , die sich während des Spiels abspielen. NPCs im Hintergrund. Diese NPCs bevölkern den Großteil der virtuellen Welt, sind aber nicht Teil einer bestimmten Aufgabe die der Spieler ausführt Ihr Zweck ist es, die Umgebung glaubwürdiger zu machen und unabhängig von den Spielern zu agieren Ihre Dialoggenerierung ist weniger eingeschränkt, sondern nur an die Identität des Sprechers und seinen Hintergrund gebunden sondern nur an die Identität des Sprechers und seinen Ihre Glaubwürdigkeit hängt von ihrer Fähigkeit ab, die Illusion aufrechtzuerhalten, dass sie ihre eigene Entscheidungsfreiheit in der Welt haben und nicht mit ihr interagieren können Das Verhalten bezieht sich auf die Auswahl der Spielaktionen. Die Heuristiken und Ziele des Verhaltens von NPCs unterscheiden sich von denen eines KI-Spielers, der versucht, das Spiel zu gewinnen Studien haben gezeigt , dass mehrere Agenten Spielregeln befolgen und sich am Gameplay beteiligen können, wobei unterschiedliche Modelle ihre eigenen Einstellungen und Schwächen zeigen , wenn sie auf bestimmte Rollen angewendet werden Diese Fähigkeit, innerhalb von Einschränkungen zu interagieren, ist nützlich , um NPCs im Vordergrund und Hintergrund glaubwürdige Verhaltensweisen zu vermitteln und ihre Aktionen und Dialoge auf der Grundlage der Regeln der Spielumgebung LLMs bieten zwar ein erhebliches Potenzial zur Verbesserung der Interaktionen mit NPCs, zur Verbesserung der Interaktionen mit NPCs, es gibt jedoch auch Herausforderungen und Einschränkungen. Die Gedächtniskapazität von LLMs und die Auswirkungen möglicher Halluzinationen Sowohl plausible als auch falsche Aussagen sind besorgniserregend. Darüber hinaus führen LLMs so etwas wie theatralische Improvisation durch, was zu volatilen Reaktionen führen kann Es wäre nicht ausreichend, wenn ein auf LLM basierender NPC den Spieler in eine Sackgasse des Spiels führen Dem kann entgegengewirkt werden, indem dem LLM der Konversationsverlauf und der aktuelle Zustand der Umgebung zur Verfügung gestellt werden, z. B. die darin enthaltenen Gegenstände und ihre Preise sowie andere Charaktere sowie andere dem LLM der Konversationsverlauf und der aktuelle Zustand der Umgebung zur Verfügung gestellt werden, z. B. die darin enthaltenen Gegenstände und ihre Preise sowie andere Charaktere und ihre entsprechenden Aktionen. Ich glaube, dass dem LLM mithilfe einer Technik wie RAG oder Retrieval Augmented Generation so etwas wie Hauptdirektiven gegeben werden müssen einer Technik wie RAG oder Retrieval Augmented Generation so etwas wie , um sicherzustellen, dass das LLM kreativ sein kann, aber den PC nicht auf eine aussichtslose Suche führt Dies geschieht oft mit Hilfe von Textnachrichten wie Zustandsmeldungen. Zusammenfassend lässt sich sagen, dass LLMs die Rolle von NPCs in virtuellen Spielwelten erheblich verbessern können die Rolle von NPCs in virtuellen Spielwelten erheblich verbessern , indem sie dynamische und kontextuell angemessene Dialoge und Verhaltensweisen bieten dynamische und kontextuell angemessene Dialoge und angemessene bleibt jedoch eine Herausforderung, die Konsistenz und Glaubwürdigkeit ihrer Interaktionen sicherzustellen Glaubwürdigkeit Spielerassistenten sind eine Idee , die NPCs ähneln kann, es aber nicht sein muss Es ist eine etwas weniger erforschte Rolle für große Sprachmodelle in Spielen Im Grunde ein interaktiver Agent, der das Spielerlebnis auf irgendeine Weise bereichern oder lenken soll . Dies kann in Form einer Abfolge von Tipps im Stil eines Tutorials geschehen, eines Charakters, der überhaupt nicht kausal mit der Spielwelt interagiert, oder eines Agenten, der in der Lage ist, auf einer ähnlichen Ebene wie der Spieler mit der Spielwelt zu interagieren auf einer ähnlichen Ebene wie der Spieler mit der Spielwelt Ich spiele ein Spiel namens Star Citizen, das eine große und dynamische Wirtschaft haben soll Ein LLM, der auf die Rolle des Spielassistenten abgestimmt und in wirtschaftlichen Prinzipien und der Welt des Spiels geschult wurde Spielassistenten abgestimmt und in wirtschaftlichen Prinzipien und der Welt des Spiels geschult wirtschaftlichen Prinzipien und der Welt des , könnte dazu verwendet werden, diese Wirtschaft zu vertiefen Bestehende Spiele nutzen die Spielerunterstützung auf unterschiedliche Weise In den Sims Electronic Arts 2000 gibt beispielsweise ein körperloser Assistent in Dialogfeldern Tipps, gibt beispielsweise ein körperloser Assistent in Dialogfeldern Tipps spezifisch auf den Spielkontext zugeschnitten sind. Civilization six, Faxis Games, 2016, verwendet verschiedene Hilfestellungen in Form einer visuellen Darstellung, um ähnliche Ratschläge zu geben, und schlägt anhand ihrer eigenwilligen Heuristik die beste Build-Option anhand Sie können dem Spieler somit die Entscheidungsfindung erleichtern . In Managementspielen kann KI einfache Aufgaben wie die Anpassung von Arbeitsplätzen an die Bevölkerung eines Planeten automatisieren Aufgaben wie die , Intellis Paradox Diese Unterstützung reduziert die kognitive Belastung des Spielers. Der Spieler kann diese Aufgabe jedoch jederzeit bis ins kleinste Detail verwalten, wenn er dies wünscht LLMs werden aufgrund ihrer potenziellen Ausdrucks - und Konversationsfähigkeit wahrscheinlich als Spielerassistenten attraktiv sein aufgrund ihrer potenziellen Ausdrucks , gepaart mit entweder LLM-gestützten oder heuristischen Methoden die beste Richtlinie oder Aktion angesichts des aktuellen Spielkontextes zu finden oder Aktion angesichts des aktuellen Spielkontextes Ein LLM-gestützter Spielerassistent kann die vorgeschlagene Aktion und die Erklärung in natürlicher Sprache zusammenstellen gepaart mit entweder LLM-gestützten oder heuristischen Methoden , um die beste Richtlinie oder Aktion angesichts des aktuellen Spielkontextes zu finden. Ein LLM-gestützter Spielerassistent kann die vorgeschlagene Aktion und die Erklärung in natürlicher Sprache zusammenstellen Äußerung durch Akteur Wird mit einem entsprechenden Gefühl ausgedrückt und durch Körperhaltung, Gestik und Gesichtsausdruck Gestik In ähnlicher Weise können LLMs den Spieler unterstützen, indem sie einige kleinere Aufgaben im Spiel übernehmen und dabei eine maßgeschneiderte, kleinere Rolle als Spieler innerhalb dieser kleineren Aufgabenbeschreibung Das Potenzial von Spielerassistenz mit Hilfe von LLM wird in der aktuellen Forschung jedoch nicht untersucht 4. ErzählerAndGM: Große Sprachmodelle eignen sich ideal als Kommentatoren oder Einzelhändler Diese Rollen beinhalten die Produktion und Erzählung einer Abfolge von Ereignissen zum Wohle menschlicher Spieler oder Zuschauer Ein solcher Akteur kann Ereignisse und Kontext nur im Spiel berücksichtigen und als Einheit im Spiel agieren, als Einheit im Spiel agieren wie ein Sportkommentator in FIFA, EA Sports 1993, oder auch Ereignisse und Kontexte außerhalb des Spiels berücksichtigen, wie Aktionen, Strategien und Motivationen der Spieler Der Einzelhändler berichtet ausschließlich über vergangene Ereignisse, die häufig in einem kurzen Abschnitt zusammengefasst sind, z. B. eine Spielsitzung oder eine Quest Der Kommentator hingegen erzählt aktuelle Ereignisse, ähnlich wie ein Streamer, der über seine aktuellen Aktionen spricht, oder ein Sportreporter in einem laufenden ähnlich wie ein Streamer, der über seine aktuellen Aktionen spricht, oder ein Sportreporter Sportspiel Die Vision der automatisierten Generierung von Kommentaren im Let's Play-Stil Generierung von Kommentaren im Let's Play-Stil Sie wurde mit klassischen Methoden des maschinellen Lernens vorgeschlagen und umgesetzt, jedoch mit begrenztem Erfolg. Beispielsweise wurde ein Langzeitspeichersystem ( LSTM) mit Text-, LSTM) mit Text-, Bild- und Spielstatuseingaben darauf trainiert, Charaktere für ein Kommentarskript in einem Rennspiel zu generieren ein Kommentarskript in einem Rennspiel Die Ergebnisse enthielten jedoch repetitiven und kontextunrelevanten LSTMs wurden auch verwendet, um Text auf Charakterebene für das Spiel zu generieren . Mit Bennett Foti, einem herausfordernden Side-Scrolling-Kletterspiel, herausfordernden LLMs für Kommentare werden auch von Renella und Eager untersucht , die argumentieren, dass LLMs Game-Streamern ähnlich wie Twitch helfen könnten, während Streamer Multitasking mit Interaktion mit dem Publikum betreiben könnten. Sie entwickelten eine Pipeline für automatische Kommentare juristischen Legenden, Rot Games 2009. Dieser mehrstufige Ansatz bestand darin, ein Modell auf der Hand kommentierte Daten zu trainieren , um wichtige Ereignisse zu erkennen, dann Chat GPT dazu zu veranlassen, Zero-shot-Kommentare zu diesen Ereignissen im Stil einer bestimmten fiktiven Figur zu generieren Zero-shot-Kommentare diesen Ereignissen im Stil einer , und schließlich den generierten Text durch die gefälschte U-2-API, die in gedrängt werden soll Als das Event-Detection-Modell beispielsweise einen feindlichen Doppelkill identifizierte, reagierte GPT im Stil von Rick Sanchez aus Rick and Was zur Hölle? Das gegnerische Team hat gerade einen Doppelkill erzielt Ich fasse es nicht. Sie müssen ziemlich gut sein. Ich passe besser auf sie auf. Eine zusätzliche Schleife puffert erkannte Ereignisse und verzögert Kommentare zu einem Double-Kill, verzögert Kommentare zu einem Double-Kill falls dieser zu einem Triple-Kill eskalieren sollte, oder priorisiert zwischen einer schnellen Flut von Ereignissen und veranlasst Chat GPT, zufällige Füllstoffe zu generieren, wie zum Beispiel fiktive neue Abonnenten falls dieser zu einem Triple-Kill eskalieren sollte, oder priorisiert zwischen einer schnellen Flut von Ereignissen und veranlasst Chat GPT, zufällige Füllstoffe zu generieren, wie zum Beispiel fiktive neue Abonnenten. Trotz dieser Studien ist die Forschung zu LLMs als Spielekommentatoren nach wie vor begrenzt . Der Reiz liegt auf der Hand. Simulationsspiele mit neuer Erzählweise erzeugen bereits umfangreiche Erzählgeschichten, die von menschlichen Spielern neu gemischt werden, um sekundäre Inhalte zu erzeugen , die für sich genommen oft sehr beliebt Prinzipiell könnten LLMs verwendet werden, um prägnantere Nacherzählungen zu erstellen oder die Rollen dieser Spielereignisse hervorzuheben. oder die Rollen dieser Spielereignisse hervorzuheben. aktuelle LLMs zu Geschichten auffordert, ohne dass Stil oder Inhalt näher spezifiziert werden, führt dies tendenziell zu Inhalt näher spezifiziert werden, führt dies tendenziell Vergangene Ereignisse, die in Simulationsspielen aufgezeichnet wurden, könnten diesen Ergebnissen letztlich Spezifität und erzählerische Kohärenz verleihen. Erforschung weiterer Konzepte die Automatisierung von Streamer-Kommentaren hinausgehen, wie z. B. die Unterstützung von Streamern durch LLM-Kommentare zu den Reaktionen des Publikums statt bei Spielaktionen, ist Die Erforschung weiterer Konzepte, die über die Automatisierung von Streamer-Kommentaren hinausgehen, wie z. B. die Unterstützung von Streamern durch LLM-Kommentare zu den Reaktionen des Publikums statt bei Spielaktionen, ist noch unerforscht. Zusammenfassend lässt sich sagen, dass LLMs ein erhebliches Potenzial als Kommentatoren oder Einzelhändler von Spielen haben erhebliches Potenzial als Kommentatoren , da sie eine dynamische und kontextuell angemessene Erzählung von Spielereignissen ermöglichen. bleibt jedoch schwierig, die Relevanz und Kohärenz ihrer Kommentare sicherzustellen , und es sind weitere Untersuchungen erforderlich, um ihr volles Potenzial in dieser Rolle auszuschöpfen auszuschöpfen als Spielleiter, GM, im Bereich Tabletop-Rollenspiele TT RPGs ist als Spielleiter, GM, im Bereich Tabletop-Rollenspiele für die Gestaltung der Handlung, der Charaktere und der Erzählung eines Spiels verantwortlich Charaktere und der Erzählung eines GMs tragen während der Spielsitzung sowie vor und nach der Sitzung viele Hüte , indem sie Abenteuer und Geschichten vorbereiten und anpassen und sich mit der Gruppe in Verbindung setzen Digitale Spiele haben in der Regel vorgegebene Geschichten oder Levelverläufe, und ihre Spieler haben im Vergleich zu TT-RPG-Spielern , deren Aktionen nur durch ihre Vorstellungskraft begrenzt sind, ein begrenztes Preisspektrum , deren Aktionen nur durch ihre Vorstellungskraft begrenzt sind, deren Aktionen nur durch ihre Vorstellungskraft begrenzt sind Die Geschichte, die am Tisch erzählt wird, kann in jede Richtung gehen. Da menschliche GMs hauptsächlich in natürlicher Sprache über die Spielwelt, die Geschichte, den Spielstand und die Handlungsvorkehrungen kommunizieren Geschichte, den Spielstand und natürlicher Sprache über die Spielwelt, die Geschichte, den Spielstand und die Handlungsvorkehrungen Aufforderungen wie Karten, Miniaturen und Handzettel sind zwar ebenfalls üblich, das Potenzial von LLMs als GM wird sowohl in Forschungskreisen als auch in Diskussionsforen für TT-RPG häufig erwähnt aber das Potenzial von LLMs als GM wird sowohl in Forschungskreisen als auch in Diskussionsforen für TT-RPG häufig erwähnt. LLMs als GMs eröffnen auch das Potenzial für Solospiele. Nun, ein TT-Rollenspiel erfordert mindestens einen Spieler und den menschlichen GM Eines der ersten bemerkenswerten textbasierten Abenteuer, das von einer fein abgestimmten Version von GPT Two verwaltet wird, ist AI AI Dungeon ist eine interaktive Chat-basierte Online-Storytelling-Anwendung bei der der Spieler allein durch semantische Eingaben Maßnahmen ergreift durch semantische Eingaben Maßnahmen Das LLM setzt die Geschichte auf der Grundlage Eingaben des Spielers in der Art eines Das Spiel hat sich seit seiner Entstehung weiterentwickelt , um neuere LLM-Modelle zu verwenden, aus denen der Spieler vor Beginn einer Spielsitzung wählen kann vor Beginn einer Spielsitzung Es werden auch verschiedene Einstellungen für die Spielwelt angeboten, und die Spieler können die von ihnen erstellten Geschichten auch mit anderen teilen Seitdem sind ähnliche Spiele online aufgetaucht. Und der C bold AI-Client ist ein frei verfügbares Code-Repository und ermöglicht die lokale oder Remote-Installation eines Clients. Einige dieser Spiele verwenden auch stabile Diffusionstexte zur Abbildung von Modellen, um Bilder zu erzeugen , die verschiedene Teile der Erzählung begleiten Anstatt menschliche Gentechnik zu ersetzen, wurden LLMs auch als GV-Assistenten eingesetzt Calypso ist eine Reihe von Tools, die auf einem Discord-Server laufen und die der GM entweder abfragen kann, um zufällige Begegnungen zu generieren, Ideen zu sammeln oder alternativ mit einer fiktiven Figur in einer Dungeons and Dragons TT-RPG-Umgebung zu chatten einer fiktiven Figur in einer Dungeons Calypso betont, dass Halluzinationen von GPT 3 sowohl positive Auswirkungen haben können wenn es plausible Details generiert, nicht in den im ursprünglichen Spielhandbuch veröffentlichten Beschreibungen enthalten sind, z. B. die Formen der Augen von Kreaturen, negative Auswirkungen haben können, wenn die erstellten Details völlig falsch sind. EG beschreibt die Flügel einer kanonisch flügellosen Kreatur . Darüber hinaus wurde festgestellt, dass die Präkonditionierung des Modells zur Vermeidung rassistischer Vorurteile gelegentlich verhindert, dass es rassische Details von Fantasy-Kreaturen im Spiel generiert rassische Details von Fantasy-Kreaturen Andere Arbeiten nutzten kleinere GPT-Modelle um in Spielgesprächen zu improvisieren, indem der verbale Austausch zwischen dem Spielleiter und den Spielern überwacht und transkribiert und versucht wurde, angemessene Antworten , um in Spielgesprächen zu improvisieren, indem der verbale Austausch zwischen dem Spielleiter und den Spielern überwacht und transkribiert und versucht wurde, angemessene Antworten zu generieren. Dieses Beispiel wurde in Shoelaces integriert. Shoelaces ist selbst ein Tool zur Unterstützung von GM . Es hilft bei der Darstellung der Inhalte, indem es einen knotenbasierten Plan der Spielgeschichte und der Begegnungen erstellt ist selbst ein Tool zur Unterstützung von GM. Es hilft bei der Darstellung der Inhalte, indem es einen knotenbasierten Plan der Spielgeschichte und der Begegnungen erstellt. Die Vielseitigkeit von LLMs ebnet aufgrund ihrer Fähigkeit, Texteingaben schnell zu verarbeiten, den Weg für ihre Integration in die Vielzahl vorhandener Tools und Hilfsmittel für menschliche GMs Zusammenfassend lässt sich sagen, dass LLMs ein erhebliches Potenzial als GMs oder GM-Assistenten in TT-RPGs haben als GMs oder GM-Assistenten in TT-RPGs Bereitstellung von dynamischem und kontextuell angemessenem Geschichtenerzählen und Interaktionen. Es bleibt schwierig, die Richtigkeit und Relevanz ihrer Beiträge sicherzustellen , und es sind weitere Forschungsarbeiten erforderlich, um ihr volles Potenzial in dieser und es sind weitere Forschungsarbeiten erforderlich, um Rolle auszuschöpfen 5. GameDesignAndGameDesign: Kann auch auf einer bestimmten Mechanik basieren , die auf LLMs basiert Eine offensichtliche Mechanik dreht sich um die sozialen Interaktionen, die durch LLM-gestützte Konversationen In diesem Sinne wurde ein LLM eingesetzt, um ein virtuelles Dorf mit 25 Charakteren zu bevölkern, sodass sie in einer Sandbox-Umgebung kommunizieren und sich sozial Die Spieler konnten über eine textbasierte Oberfläche mit diesen Agenten interagieren eine textbasierte Oberfläche mit diesen Agenten Die Umgebung, der Status und die Aktionen der einzelnen Agenten wurden in einem sprachbasierten Format gespeichert und zusammengefasst, um das Wissen für jeden Agenten zu behalten , wenn er zu seinen Aktionen aufgefordert Dies führte zu glaubwürdigen sozialen Interaktionen, wie zum Beispiel, dass Agenten spontan andere Agenten zu einer Party einluden, die einer von ihnen organisierte In ähnlicher Weise entwickelt eine gute KI ein AI-P-Videospiel, das als Sandbox-Simulation funktioniert, bei der LLM-gestützte NPCs miteinander und mit ihrer Umgebung interagieren , Beziehungen aufbauen und . Der Spieler kann über einen Chat in natürlicher Sprache mit den Agenten interagieren , was Reaktionen auslöst und möglicherweise die Beziehung zwischen NPCs stört Interaktionen in natürlicher Sprache bilden einen natürlichen Pool von Mechaniken, auf deren Grundlage Spiele entwickelt werden können Zum Beispiel spielerische Versuche von Benutzern, LLMs aus dem Gefängnis zu brechen. Das Spiel 1001 Nights ist ein Beispiel dafür, indem ein LLM eine Geschichte anhand menschlicher Eingabeaufforderungen mitgestaltet. Ziel des Spielers ist es, die Geschichte so zu steuern, dass sie bestimmte Schlüsselwörter enthält, damit die Hauptfigur diese in greifbare Gegenstände umwandeln kann, um ihre Flucht zu diese in greifbare Gegenstände umwandeln In ähnlicher Weise fordert Gandel Six den Spieler heraus, einen LLM dazu zu bringen, ein Passwort preiszugeben Das Spiel erhöht den Schwierigkeitsgrad der Aufgabe mit fortschreitendem Level, indem es die Eingabeaufforderungsspezifikationen anpasst und das LLM beispielsweise zwingt, die generierte Antwort erneut zu überprüfen , um sicherzustellen, dass sie das Passwort nicht enthält Eine weitere Stärke von LLMs ist die Sprachsynthese, die von Infinite Craft Seven genutzt wird Infinite Craft ist ein kommendes Spiel , in dem der Spieler Elemente kombiniert, um neue zu erzeugen In Infinite Craft kombiniert der Spieler, was als einfacher Satz atomarer Elemente begann immer komplexeren Einheiten, wobei ein LLM das Produkt vorgibt , das aus willkürlichen Kombinationen mit einer Reihe von Kernelementen, Wasser, Feuer, Wind und Erde, resultiert willkürlichen Kombinationen mit einer Reihe von Kernelementen, Wasser, Feuer, Wind und Erde, Während bei ersteren eine Reihe von Interaktionen manuell vom Designer definiert wurde, veranlasst Infinite Craft Lama zwei, sich das Produkt der Kombination dieser Elemente vorzustellen Dem Gameplay nach zu urteilen, scheint es, dass Lama für jede einzelne Kombination aufgefordert wird, das Ergebnis nur einmal zu erstellen, wobei die Produkte in einer Datenbank gespeichert werden Somit könnte aus der Kombination dieser Elemente scheinbar alles im Wortschatz der Sprachmodelle hervorgehen , einschließlich aller 50 Staaten, Traum und der einschließlich aller 50 Staaten, Traum fiktiven Super-Stonosurs, Gelegentlich kann sich das Modell dafür entscheiden, eines der kombinierten Elemente zurückzugeben oder die Kombination bestimmter , sehr langer oder komplexer Elemente abzulehnen . Eine Schlüsselrolle der KI in einer möglichen Zukunft im Gaming-Bereich ist die algorithmische Generierung von Spielinhalten wie Levels, Grafiken oder sogar ganzen Im Gegensatz zu einem Gamemaster, der ein Spiel mit natürlicher Sprache entwickelt , das so konzipiert ist, dass es im Theater des Geistes der Spieler existiert Das Ziel der prozeduralen Inhaltsgenerierung, PCG, besteht darin, Inhalte zu erstellen für die Verwendung in einem digitalen Spiel bestimmt Erfüllung von Einschränkungen wie Spielbarkeit und ästhetischer Qualität Jede PCG-Methode, die auf verfügbaren Inhaltskorpora trainiert wurde, passt unter das PC-G-ML-Paradigma der prozeduralen Inhaltsgenerierung durch maschinelles Lernen Das ursprüngliche PCG-ML-Framework von 2018 berücksichtigte LLMs nicht Stattdessen stützte es sich auf Methoden des maschinellen Lernens wie Autoencoder jedoch weiterhin wichtige Herausforderungen von PCG ML, wenn LLMs für PCG in Betracht gezogen Insbesondere die Abhängigkeit von qualitativ hochwertigen, maschinenlesbaren Datensätzen Es gibt zwar einige Datensätze für die Levels von Arcade-Spielen, meisten Spielen ist der Inhalt jedoch weiterhin nicht verfügbar und durch Gesetze zum Schutz geistigen Eigentums geschützt Frühere Arbeiten im Rahmen von PCG haben anhand einer bescheidenen Anzahl von Beispielen gezeigt, dass Spiellevel auf Kacheln zuverlässig mit sequenzbasierten Vorhersagemodellen, z. B. LSTMs, generiert werden können zuverlässig mit sequenzbasierten Vorhersagemodellen, z. B. LSTMs, generiert Spiellevel auf Kacheln zuverlässig mit sequenzbasierten Vorhersagemodellen, z. B. LSTMs, generiert werden können, indem solche Level als lineare Sequenzen von Kacheltypen in Rasterreihenfolge behandelt wurden als lineare Sequenzen von Kacheltypen In jüngerer Zeit wurden moderne LLMs auf ähnliche Weise eingesetzt, was im Allgemeinen zu größerem Beispielsweise wurde ein GPT2-Modell anhand eines großen Datensatzes von Sco Ban, Thinking Rabbit, Stufen von 1982 und zur Testzeit anhand von Stichproben aus dem Modell fein abgestimmt Thinking Rabbit, Stufen von 1982 , um neuartige Rätsel zu erstellen Interessanterweise deuteten die Ergebnisse darauf hin, dass das GPT-Modell zwar Probleme hat, wenn die Größe des Feinabstimmungsdatensatzes jedoch begrenzt ist, GPT-Drei und vermutlich größere Modelle, die seitdem veröffentlicht wurden, besser in GPT-Drei und vermutlich größere Modelle, die seitdem veröffentlicht wurden der Lage sind, begrenzte Trainingssätze zu berücksichtigen Ein ähnlicher Ansatz, Mario GPT, trainiert ein GPT-Zweimodell anhand eines relativ kleinen Datensatzes von Super Mario Brothers Mario GPT überwindet das Problem der Datenspärlichkeit, indem den ursprünglichen Datensatz als Ausgangspunkt für einen Bestehende Ebenen werden ausgewählt und anschließend Abschnitte des Levels mutiert, indem Stichproben aus dem GPT-Modell entnommen werden und anschließend die Grenze zwischen dem regenerierten Abschnitt und dem Rest der Ebene mit einem ähnlich trainierten BERT- oder bidirektionalen Modell korrigiert zwischen dem regenerierten Abschnitt und dem Rest der Ebene mit einem ähnlich trainierten BERT- oder bidirektionalen Ebene mit einem ähnlich trainierten BERT- oder bidirektionalen wird. Dieser Ansatz führt zu einer großen und vielfältigen spielbaren Levels, obwohl man bei weniger als 20 Levels beginnt Auswahl an spielbaren Levels, obwohl man bei weniger als 20 Levels beginnt . Beide oben genannten GPT-basierten Levelgenerierungsansätze sind auch vielversprechend , Befehle in natürlicher Sprache zur Erzeugung bedingter Levelgeneratoren zu integrieren Befehle in natürlicher Sprache zur Erzeugung bedingter Levelgeneratoren zu Erzeugung bedingter Entweder indem den Spielstufen im Trainingsdatensatz die gewünschten Leveleigenschaften vorangestellt werden, oder es werden Benutzeranweisungen eingebettet, sodass sich das Modell während der Generierung im Trainingsdatensatz die gewünschten Leveleigenschaften vorangestellt um die Einbettung um die kümmern Es ist wahrscheinlich, dass ausgefeiltere Techniken wie verstärkendes Lernen mit menschlichem Feedback Levelgeneratoren hervorbringen könnten , die noch besser in der Lage sind, die Benutzerführung zu berücksichtigen . Zusammenfassend lässt sich sagen, dass LLMs ein erhebliches Potenzial bei der prozeduralen Inhaltsgenerierung für Spiele bieten, da sie dynamische und kontextuell angemessene Inhalte bereitstellen bestehen jedoch nach wie vor Herausforderungen, die Qualität und Spielbarkeit der generierten Inhalte sicherzustellen , und es sind weitere Forschungsarbeiten erforderlich, um ihr volles Potenzial in dieser Rolle auszuschöpfen 6. NewLimitsandChallenges: Die Verwendung umfangreicher Sprachmodelle wirft ethische Fragen in Bezug auf Nachhaltigkeit, Urheberrecht, Erklärbarkeit und Vorurteile Jedes dieser Probleme hat schwerwiegende Auswirkungen auf den Bereich der Videospiele Nachhaltigkeit. Die Abhängigkeit der LLMs von Trainingsdaten und Trainingszeiten gibt Anlass zu Bedenken hinsichtlich ihres CO2-Fußabdrucks Abgesehen von den Schulungskosten hat die Rückschlüsse auf die Lebensdauer der Modelle aufgrund der ständigen Abfragen auch größere Auswirkungen auf die Umwelt aufgrund Faktoren wie erneuerbare und lokale Energien, bessere Modellarchitekturen und aussagekräftigere und damit weniger verschwenderische Trainingsdaten Im Zusammenhang mit LLMs für digitale Spiele bleibt Nachhaltigkeit von digitale Spiele In Anbetracht des CO2-Fußabdrucks häufiger Anfragen während des Spiels, z. B. nach Antworten von Spielleitern oder NPCs oder nach LLM-Powerplayern Dies ist besonders relevant, wenn das LLM lokal auf Hardware auf Verbraucherebene betrieben werden soll, die normalerweise mit nicht erneuerbaren Quellen betrieben wird lokal auf Hardware auf Verbraucherebene betrieben werden soll, die normalerweise mit nicht erneuerbaren Quellen betrieben wird. Urheberrecht. Wenn es um das Urheberrecht geht, betreffen Probleme die Eingabedaten, die Ausgabedaten und das Modell selbst. LLMs, die an urheberrechtlich geschützten Daten geschult wurden , sind eine bedauerliche gängige Praxis, Recht öffentliche Empörung hervorruft. Für die Modelle selbst gelten unterschiedliche Urheberrechtslizenzen, was auch dazu führen kann, dass Artefakte, die sie erzeugen, gemeinfrei werden. Für die Spielebranche sind Fragen des geistigen Eigentums und des Urheberrechts äußerst wichtig. Dies ist ebenso besorgniserregend, wenn es darum geht, dass die urheberrechtlich geschützten Inhalte des Unternehmens von Wettbewerbern irgendwie zu Schulungszwecken verwendet werden , wie es um den Einsatz von LLMs geht , die Material produzieren können, das das Unternehmen Zusammenhang ist zu beachten, dass die Rolle, die das letztgenannte Anliegen LLM einnimmt , zumindest in Bezug auf das Wenn ein LLM oder LMM Inhalte automatisch produziert, deutet ein bisheriger rechtlicher Konsens in den USA darauf hin, dass das Material dass das Wenn ein LLM oder LMM als Hilfsmittel für einen Designer fungiert, insbesondere bei der konzeptionellen Unterstützung, dann ist das Endprodukt aufgrund der umfangreichen und wirkungsvollen menschlichen Anstrengungen, die erforderlich sind, um diese Konzepte in Spieldesign und Spielkunst umzusetzen diese Konzepte in Spieldesign und Spielkunst erforderlich sind, um diese Konzepte in Spieldesign und Spielkunst umzusetzen, wahrscheinlich urheberrechtlich geschützt. Die begrenzten diesbezüglichen Urteile der Urheberrechtsgerichte würden Spielefirmen jedoch verständlicherweise zögern lassen, in unerprobtem Terrain nach wichtigen Spiele-IPs zu suchen, die über unerprobtem Terrain nach wichtigen Spiele-IPs kleine Indie-Produktionen hinausgehen unerprobtem . Für Forscher hinterlassen die ethischen Fragen der Urheberrechtsverletzung und der Ausbeutung durch große Unternehmen sowie der öffentliche Aufschrei nach den oben genannten Themen jedoch die ethischen Fragen der Urheberrechtsverletzung und der Ausbeutung durch einen schlechten Beigeschmack und machen die Recherche einen schlechten Beigeschmack und in LLMs weniger schmackhaft. Erklärbarkeit. Bei Anwendungen ist es ein Endergebnis oder äußerst wichtig zu verstehen, wie ein Endergebnis oder Produkt erreicht wird, insbesondere wenn ein Produkt iterativ verfeinert wird , z. B. bei der Designunterstützung Dies ist ein Problem der Erklärbarkeit, wohingegen LLMs in ihrem Generierungsprozess von Natur aus undurchsichtig sind undurchsichtig verschiedenen Methoden zur Verbesserung der Erklärbarkeit von Sprachmodellen gehören Zu den verschiedenen Methoden zur Verbesserung der Erklärbarkeit von Sprachmodellen gehören konzeptbasierte Erklärungen oder Salienzkarten. Insbesondere bei LLMs hat die Selbsterklärung, die auf der Grundlage der Gedankenkette angewendet wird , in der Forschungsgemeinschaft Beachtung gefunden Wird diese Methode dem generierten Ergebnis eine Ebene erklärter Argumentation hinzufügen, gibt es in der Literatur zahlreiche Beispiele , die zeigen, dass diese Argumentation nur eine Illusion von Argumentationsfähigkeit sein kann eine Illusion von Argumentationsfähigkeit sein Zu diesen Beispielen gehören das Ignorieren der Argumentation in der endgültigen Ausgabe oder das Finden der richtigen Lösung durch falsche Bei Videospielen ist die Erklärbarkeit für alle Rollen von größter Bedeutung, Kohärenz des Spiels und das Engagement der Nutzer sowie Vorurteile zu gewährleisten Vorurteile entstehen, wenn LLMs auf einem großen Korpus trainiert werden, in der Regel aus dem westlichen Teil des Internets stammt. der in der Regel aus dem westlichen Teil des Internets stammt. Auf diese Weise können Modelle eine aktuelle Momentaufnahme der Realität erfassen, was für ein Konversations - oder Fragenbeantwortungsmodell von Vorteil ist Konversations Allerdings müssen diese Daten unter Berücksichtigung verschiedener Verzerrungen kuratiert diese Daten unter Berücksichtigung verschiedener Einige Vorurteile, wie z. B. soziale Stereotypen, könnten gezielt angegangen und gemildert werden Andere, wie etwa Ausschlussnormen , stellen größere Herausforderungen dar. Bei Videospielen identifizieren wir zwei Hauptprobleme bei der Interaktion mit einem LLM toxisches Verhalten und Stereotypen oder falsche Toxisches Verhalten ist eine schädliche Eigenschaft , die das Sprachmodell möglicherweise aus seinem Schulungskorpus lernt , der häufig Texte aus Community-Foren oder sozialen Plattformen enthält Community-Foren Tools zur Bekämpfung toxischer Sprache in Videospielen werden ständig weiterentwickelt. Manche blockieren sogar Chat-Nachrichten, bevor sie dem Benutzer zugestellt werden Daher könnten theoretisch ähnliche Anwendungen entwickelt werden , um toxische Wirkungen von Sprachmodellen gezielt zu Im Gegensatz zu menschlichen Spielern sollte ein LLM, wenn er die Rolle eines NPCs spielt, sich jedoch an den Spielthemen orientieren und jegliche Art von giftiger Sprache oder rassistischen Beleidigungen vermeiden jegliche Art von giftiger Sprache oder Dazu müssen die Entwickler durch Datenbereinigung das korrekte Verhalten des Modells sicherstellen durch Datenbereinigung das korrekte Verhalten des Modells Wenn das Modell von Grund auf neu trainiert wird oder maßgeschneiderte Daten liefert, wenn es an ihre Bedürfnisse angepasst ist, ist der Umgang mit Vorurteilen wie Stereotypen und falschen Vorstellungen komplex, da sie sich nicht unbedingt einzelne Wörter oder Ausdrücke beziehen, sondern sich stattdessen als eine Sammlung von Idealen präsentieren , die bestenfalls falsch und im schlimmsten Fall schädlich sein können Ein NPC, LLM, kann Stereotypen aus der realen Welt aufweisen , die sich negativ auf das Spielerlebnis auswirken können. Zusammenfassend lässt sich sagen, dass LLMs zwar ein erhebliches Potenzial zur Verbesserung verschiedener Aspekte von Videospielen bieten erhebliches Potenzial zur Verbesserung verschiedener Aspekte Sie werfen auch wichtige ethische Fragen auf , die sorgfältig geprüft und angegangen werden müssen Wie zu Beginn dieses Kurses erwähnt wurde, habe ich beruflich viel Zeit in der IT verbracht beruflich viel Zeit in der IT und war den größten Teil meines Lebens ein Gamer Ich wäre jedoch nachlässig, wenn ich nicht die enorme Schuld erkennen würde, die ich den Forschern schulde , die Sie auf Ihrem Bildschirm sehen. Ihre wunderbare Arbeit hat einen großen Teil zur Entwicklung dieses Kurses beigetragen 7. Kursprojekt: Hallo. Also willkommen zu meiner etwas geringeren Produktionsmenge zu dem Projekt für meinen Kurs Ich benutze nur eine alte Webcam und sogar Microsoft Clip, Kumpel, was wirklich gut ist, wenn Sie es noch nie ausprobiert haben Es macht es sehr einfach, Videos zu machen, aber nebenbei. Als Erstes benötigen Sie ein Konto für AI Dungeon Ich lasse dich zu AI Dengon gehen und du gehst zum Fondssystem, und du gehst zum Fondssystem damit du trotzdem ein Konto erstellen kannst Wie auch immer, wenn du sehen willst, ich habe dort nur zufällige Sachen laufen lassen Ich würde empfehlen, einen Dienst wie Temp E Mail zu verwenden , um eine temporäre E-Mail zu erstellen . Sie können Ihren Bestätigungscode hier abrufen. Hält die Dinge nur ein bisschen sauberer. Wenn Sie AI Dendon in Zukunft verwenden möchten, können Sie gerne ein vollständiges Konto erstellen Aber du wirst gehen, wenn du hierher kommst, du wirst auf der Homepage sein Nun, ich nehme das am 30. 2024 auf, und momentan sieht es so aus, könnte später anders aussehen, aber alles sollte in derselben Gegend sein. Ich gehe spielen. Ich werde gehen , um ein Szenario zu erstellen. Sie können jedes Szenario auswählen, das Sie interessiert. Ich werde nach dem Zufallsprinzip wählen. Für diesen Kurs werden Sie eine Öffnung erstellen. Dies wird der Beginn der Geschichte sein. Sie werden eine Notiz eines Autors erstellen. Dadurch erhalten Sie ein Thema und den Schreibstil, so gut Sie es angeben können. Das gibt dem LLM, der dahinter steckt eine Vorstellung davon, wie die Welt aussieht Dies ähnelt oft dem, was Sie tun würden, wenn Sie ein echtes erweitertes System oder so etwas erstellen würden, wäre wie eine Zustandsmeldung Ich möchte, dass Sie eine zusätzliche und einzigartige Plotkomponente hinzufügen . Es kann jedes davon sein. Je mehr Spezifität Sie dem System geben, desto besser wird Ihr Ergebnis sein Ich ermutige Sie, verrückt zu und alle vier hinzuzufügen , wenn Sie das wollen, und dafür haben Sie Zeit Je mehr Zeit Sie damit verbringen, desto mehr werden Sie daraus lernen. So funktioniert das meiste Lernen im Leben. Je mehr du hineingibst, desto mehr bekommst du raus. Dann Märchenkarten. Da wirst du hingehen, du wirst Charaktere, Orte, Fraktionen, all das Zeug erschaffen Orte, Fraktionen, all das Zeug Versuche hier zwei bis vier zu machen. Zwei, so viele, wie du willst, wirklich. Mein Charakter heißt also Guth Red. Er Ich kann sogar KI verwenden, um einen neuen Eintrag zu generieren. Ja, das ist ziemlich gut. Dorf Blacksmith, leg die stärksten Waffen da rein Das gefällt mir. Wie das auslöst, wie er reinkommen würde. So wird das A es wissen und dann wird es abgeschnitten, aber so wird das AO wissen wenn Guthd in die Geschichte kommt Dass du hier keine von KI generierte Notiz hast, aber das könnte ein Schmiedetisch sein, eine Art Spezialring mit Macht, so etwas Jedes Mal, wenn die KI sie hört, ist es wahrscheinlich, aber nicht definitiv, dass sie sie einführt Dann Notizen, die nicht sichtbar sind, von der A. Im Grunde verwendet die KI die Notizen nicht , um die Geschichte zu erstellen Es wird jedoch für die Spieler sichtbar sein. Wenn du den Spielern etwas über Guth Red erzählen möchtest, würdest du das hier angeben. Bring das zu Ende. Jetzt ist Guth Thread ein spezieller NPC in meiner Geschichte, ein Nicht-Spieler-Charakter in meiner Du würdest noch einen hinzufügen. Ich wollte nicht Ich will So habe ich es geändert. Wenn du etwas ändern möchtest, möchte ich einen Ort hinzufügen, Heights of Lofty. Heights of Lofty? Ich werde etwas generieren. Heights of Lofty ist wieder eine ziemlich gute Serie. Ich kann noch etwas hinzufügen, ich kann ein bisschen davon ändern. Nehmen wir an, ich wollte die Höhen von Lofty machen, ein tiefes Fleckchen im Land, wo Krabben oder Hummer oder Ich könnte das hier reinstellen und es einfach richtig verrückt machen. Das löst jetzt aus, wie das reinkommen wird. Ich könnte eine Triggerhöhe hinzufügen. Buchstabiere es richtig? Geh die Noten hoch, irgendeinen von denen. Auch hier könnte ich den Spielern Notizen hinzufügen , wenn ich wollte Wenn wir uns jetzt den Generator ansehen, haben wir verschiedene Modelle und so. Ich würde Sie ermutigen, nach jedem Tab zu suchen , der hier drin ist, alles, was Sie sich ansehen können. Deshalb mache ich dieses Video nicht zu lang. Ich gehe nicht, ich werde nicht alle nach unten schauen. Einzelheiten. Ich kann hinzufügen Ich kann eine Kunst hinzufügen. Nun, ich würde sagen, dass es eine gute Sache in diesem Kurs ist, zu etwas wie Copilot oder Chat, GPT oder Dolly zu gehen wie Copilot oder Chat, GPT oder und ein Bild zu generieren , das Sie hier einfügen können Sie können Ihr eigenes Bild hochladen oder eines auswählen. Das wäre eine sehr gute Sache. Jetzt gibst du deiner Welt einen Titel. Das wird nicht dein Weltmeistertitel sein. Das wird deine KI-Erfahrung sein. Wenn Benutzer danach suchen und Sie dann eine Beschreibung angeben. Sie können ihm beliebige Tags geben und die Sichtbarkeit auf privat setzen. Sie können es veröffentlichen, wenn Sie möchten. Ich würde wahrscheinlich sagen, im Rahmen dieses Kurses können wir es ohne Liste machen und dann diesen Link direkt in den Kommentaren posten Damit andere Leute deine Kreation sehen können. Je nachdem, was du hast, was drin ist, solltest du dann eine Bewertung abgeben. Wenn Sie hier alles kreieren können, was Sie wollen, überlasse ich es natürlich Ihrem besten Urteilsvermögen darüber, was Sie kreieren. Dann können Sie sogar Skripte erstellen , die die Dinge etwas ausführlicher machen. Das überlasse ich dir. klickst du dann auf Speichern und ich Damit klickst du dann auf Speichern und ich weiß nicht, ob mich das genau dorthin zurückbringt . Okay. Also, wenn du fertig bist, klickst du auf Fertig stellen und es wird etwas erstellen, und es wird hier sein und du kannst posten, wo es ist, um dorthin zu gelangen. Vielen Dank für Ihre Zeit und ich freue mich darauf, Ihre Kreationen zu sehen. Um zusammenzufassen, was für das Kursprojekt erforderlich ist, müssen Sie auf agon.com gehen Der Link befindet sich auf der Folie und Sie können ein Konto erstellen Sie können einen temporären E-Mail-Dienst wie tmail do verwenden , um dieses Konto zu erstellen, oder Sie können eine E-Mail-Adresse verwenden, die Sie bereits haben Aber am Ende benötigen Sie ein Konto für AI Dungeon. Sobald Sie dieses Konto haben, werden Sie ein neues Szenario erstellen Auf der ersten Registerkarte dieses neuen Szenarios. Sie werden die Anmerkung des Autors vervollständigen. Sie werden mindestens eine Plotkomponente hinzufügen. Dann wechseln Sie zur Registerkarte Story. Du wirst mindestens zwei Karten hinzufügen, mehr ist besser, und du wirst alle anderen Tabs erkunden. Sobald Sie all das abgeschlossen haben und auf Senden geklickt haben, haben Sie das Szenario erstellt. Sie werden sich den Link für dieses Szenario schnappen und ihn in der Klassenprojektgalerie in Skillshare veröffentlichen der Klassenprojektgalerie in Skillshare All das, mit Ausnahme der Veröffentlichung in der Projektgalerie, finden Sie weiter oben in diesem Video Wenn Sie also Fragen haben, empfehle ich Ihnen, sich das Video anzusehen. Danke.