شاید بتوان بازی GTA V را یکی از شاهکارهای دنیای بازیهای ویدئویی دانست. درواقع، در هر قسمت از بازی GTA V میتوان جزئیاتی یافت که تعجب هر گیمری را برمیانگیزد. برای مثال، به شباهت نزدیکِ طراحی شهر San Andreas به محیط واقعی لسآنجلس و کالیفرنیایجنوبی میتوان اشاره کرد. بااینحال، اتفاقی رخ داده است که علاقهمندان به بازی محبوب استودیو راکاستار را شوکه خواهد کرد. پروژه جدید یادگیری ماشینی (Machine Learning) اینتل که با عنوان Enhancing Photorealism Enhancement شناخته میشود، جلوههای گرافیکی محیط این بازی را تا حد زیادی میتواند به واقعیت نزدیکتر کند.
بهگزارش TheVerge، استفان آر. ریچر و حسن ابوالحاجیه و ولادلن کولتن، کارشناسان لابراتوار اینتل، با قراردادن بازی GTA V در روند فناوری جدیدشان، نتایج بسیار جالب و درخورتوجهی بهدست آوردند. شباهت انکارناپذیر فضای محیط بازی به عکسهای عادی و واقعگرایانهای که شاید در نگاه اول راننده از پشت شیشه خودرو خود گرفته باشد، نکتهای است که در این ویدئو توجهتان را به خود جلب میکند. ترکیب نورپردازی دقیقتر و جزئیات روتوش خورده و انعکاس باورنکردنی نور از بدنه خودروها موجب میشود یک لحظه واقعا تصور کنید در حال تماشای شهری واقعی از زاویه داشبورد خودرو هستید. به توضیح بیشتر نیازی نیست؛ چراکه درادامه به ویدئویی از عملکرد این تکنیک میتوانید نگاهی بیندازید.
محققان اینتل ادعا میکنند نتایج این تحقیق ازطریق دادههایی بهدست آمده که به شبکه عصبی هوش مصنوعی آنها تزریق شده است. این گروه توضیحات بیشتر از نحوه عملکرد تکنولوژی یادگیری ماشین و تکنیکهای بهکاررفته خود را به مقالهای ارجاع میدهند که با همین موضوع منتشر کردند؛ اما تا جایی که متوجه شدیم، دادههای وبسایت Cityscapes Dataset که از مجموعه بزرگی از تصاویر خیابانهای کشور آلمان جمعآوری شده است، بخش مهمی از مکانیزم فناوری اینتل را تشکیل میدهد. این تصاویر نمای متفاوتی از آنچه را داشته است که در گوگلمپ مشاهده میکنیم؛ اما تقریبا همان چیزی است که از نسخه روانتر و تعاملی پیمایش خیابان (Street View) در نقشه گوگل انتظار داریم. نه اینکه کاملا واقعی بهنظر برسد؛ اما مطمئنا حس برداشت از تصاویر واقعی را القا میکند.
محققان عقیده دارند دستاوردشان در این سیستم فراتر از چیزی است که سایر فرایندهای تبدیل کیفیت میتوانند ازطریق اطلاعات محیطی خود بازی GTA V به آن دست پیدا کنند. شاخصههایی که خودِ محققان بهعنوان «G-buffers» از آنها یاد میکنند، دادههایی مانند فاصله میان اجسام در محیط بازی و زاویه دید دوربین و کیفیت تکسچرها نظیر شفافیت بدنه ماشینها را شامل میشوند.
تاکنون، شاید استفاده از مادهای گرافیکی یا سایر انواع تکنولوژیهای یادگیری ماشینی و مبتنیبر هوش مصنوعی را تجربه نکرده باشید؛ ولی اما ممکن است ویدئوهای متعددی دیده باشید که ازایندست نرمافزارها در یوتیوب منتشر شده است. افزایش رزولوشن تصاویر با استفاده از تکنولوژی Shield TV انویدیا و پروژههای ساخت ماد گرافیکی توسعهدهندگان مستقل برای بازیهای قدیمی ازجمله برنامههایی است که میتوان در این زمینه به آنها اشاره کرد.
مقالههای مرتبط:
در این پروژهها، از شبکه عصبی هوش مصنوعی برای پیشبینی و پرکردن جای پیکسلهای ناقص در رزولوشن پایینِ بازیهای قدیمی یا فیلمها استفاده و به رزولوشن بیشتری دست پیدا میکنند. مطمئنا دستیابی به گرافیک واقعگرایانه بازیها، تنها هدفی نیست که میتوان با استفاده از این روشها به آن دست پیدا کرد؛ ولی نتایج دستاوردهای Intel Labs نشان میدهد که هنوز جای زیادی برای ارتقای نرمافزاری عملکرد پردازندههای گرافیکی در پیسی و کنسولهای بازی وجود دارد.
دیدگاه شما کاربران زومیت درباره این موضوع چیست؟