GDC第二天,今天主要集中在Khronos关于图形API和机器学习相关的话题:
1. glTF and WebGL (Presented by Khronos)
主要分享了关于WebGL2.0更新的内容和glTF文件格式,WebGL作为未来H5游戏的底层API,会变得越来越强大,glTF是Khronos协同几个大公司制定的图形交换文件,可能会成为未来Web端3D模型、纹理(KTX2、CTTF)等资源等文件的标准格式。同时下面几个公司演示了对glTF的支持情况:
- Windows:提供了相应的SDK。
- Google:演示了model-viewer。
- Adobe:3D设计产品Dimension。
- Moz://a :hub和spoke编辑器。
- Facebook:3D Posts 和 3D 照片。
PS. WebGL2.0的更新主要由Intel Web Graphics上海团队搞定!点个赞!
2. Machine Learning for Everyday Programming (Activision)
科普了一下机器学习在日常编程中的应用:
- 大概了解下深度学习和所谓的“浅”层学习及其对比。
- 特征工程
- 数据分析和可视化
- 提出了几个好玩的想法和示例:机器学习协助编程,完成参数的推导,通过数据得到匹配的方程式。
演讲者给出的建议:
大概内容如下;
3. Getting Started with Machine Learning and Artificial Intelligence (Presented by Amazon)
接着昨天Amazon的一波,今天继续听各位大佬吹他们的技术多牛逼:基于机器学习让服务器根据线上情况进行自动扩容和缩容、为了个性化推荐有一个叫Amazon Personalize的服务、还有就是关于防止游戏作弊的行为分析的。分享的形式依旧是几位大佬台上对话的形式,内容比较多,都没有细节,总之上面几件事绝非想象中那么简单。各位在尝试之前最好做好详细地考察和规划,否则死都不知道怎么死的,需要庞大的系统和技术支持。
4. Making Use of New Vulkan Features (Presented by Khronos)
Vulkan做为新一代的图形API,旨在提供高效简洁的图形API,替代OpenGL、Metal、DirectX等。此次分享主要是鞥关于Vulkan的新特性介绍,说实话OpenGL都没有细看过,Vulkan这种底层图形API,不是做引擎开发的,完全无感,介绍几个新的API,貌似很强大,没听明白,总觉得函数名字看着头疼,都快占用一行了。
5. Reinforcement Learning in Action: Creating Arena Battle AI for ‘Blade & Soul’ (NCSOFT)
NCSoft两位AI中心/AI实验室/强化学习小组的同学,分享了他们在一个叫“Blade and Soul”的MMORPG游戏中,1v1竞技场中的战斗AI的研究。他们通过强化学习来实现,所谓强化学习就是说成白话就是:把学习后的结果再次作为数据去训练模型,直到能满足要求。Alpha Go和此次分享中的1v1战斗AI都是使用来此方法。
他们在研究过程中遇到的四大挑战:
极高复杂度:大概只有10个技能的1v1PK的复杂度远高于Alpha Go(在想想我们自己的游戏,技能众多会咋办?那换成2v2、5v5复杂度会变成啥样?)
实时响应要求高:围棋等一分钟走一步问题不大,作为游戏响应时间至少得0.1秒吧。
泛化困难:训练好的AI将要面对是玩家的各种出其不意的操作。
战斗模式:三种不同的战斗模式。
6. 小结
图形学中WebGL和glTF将会变得越来越强大,让Web对于3D的支持会更加完善。机器学习,在游戏开发中用途极广,用于数据分析,个性化推荐,做弊行为识别,为商业决策提供支持,训练战斗AI等等。但是个人觉得,方向正确,道路漫长,在走这条路之前最好先能找到使用小数据能解决问题的方式,一步一步慢慢来,否则大数据做出来的东西,理解都成困难。