પ્રોસિજરલ કન્ટેન્ટ જનરેશન (PCG): લેવલ, મેપ, ક્વેસ્ટ અને નેરેટિવ

નફો:

• અલ્ગોરિધમિક PCG અને જનરેટિવ આર્ટિફિશિયલ ઇન્ટેલિજન્સ PCG વચ્ચેના તફાવતોને સમજવાની ક્ષમતા અને હાઇબ્રિડ અભિગમ (કૃત્રિમ બુદ્ધિ ઉચ્ચ-સ્તરની ડિઝાઇન, અલ્ગોરિધમ કોન્ક્રીટાઇઝેશન) સાથે સામગ્રી ઉત્પન્ન કરવાની ક્ષમતા.
• ઉત્પાદન માટે આવશ્યક અવરોધોની સૂચિ પ્રદાન કરીને રમવાની ક્ષમતા નિયંત્રણ અને વિવિધતા પ્રદાન કરવાની ક્ષમતા
• પ્રક્રિયાગત ઉત્પાદનમાં ગુણવત્તાયુક્ત જોખમોનું સંચાલન કરવાની ક્ષમતા, જેમ કે પુનરાવર્તનની ભાવના, અર્થહીન ભરણ અને પુનઃઉત્પાદનક્ષમતા રેકોર્ડિંગ

સામગ્રી માટે રમતની ભૂખ અતૃપ્ત છે: ખેલાડી એકવાર સ્તર રમે છે અને તેને સમાપ્ત કરે છે, પરંતુ તમે તેને બનાવવામાં દિવસો પસાર કરો છો. પ્રક્રિયાગત સામગ્રી જનરેશન (PCG) તે સામગ્રીનું સ્વયંસંચાલિત અથવા અર્ધ-સ્વચાલિત ઉત્પાદન છે (નકશો, સ્તર, દુશ્મન પ્લેસમેન્ટ, આઇટમ, મિશન, વાર્તાના ભાગો પણ) મેન્યુઅલી એક પછી એક નહીં, પરંતુ નિયમો અને અલ્ગોરિધમ્સ સાથે. ક્લાસિક પીસીજી એલ્ગોરિધમિક છે (અવાજ કાર્યો, વેવ ફંક્શન કોલેપ્સ, રૂમ-કોરિડોર જનરેટર). AI PCGમાં એક નવું સ્તર ઉમેરે છે: અર્થપૂર્ણ, સંદર્ભિત સામગ્રીની પેઢી-ક્વેસ્ટ્સ, સ્થાન વર્ણન, દુશ્મન કોમ્પ્સ અને લેવલ બ્લુપ્રિન્ટ્સ જે ફક્ત રેન્ડમલી જ નહીં, થીમ અને ડિઝાઇન સાથે બંધબેસે છે.

આ એકમમાં, તમે PCG માં AI નો ઉપયોગ કેવી રીતે કરવો તે શીખી શકશો; તમે એઆઈ સાથે અલ્ગોરિધમિક PCG ને કેવી રીતે જોડવું, ઉત્પાદિત સામગ્રીને ઓડિટેબલ અને પુનઃઉત્પાદનક્ષમ (નિર્ધારિત) અને ગુણવત્તા નિયંત્રણ કેવી રીતે બનાવવું તે શીખી શકશો.

બે PCG વિશ્વ: અલ્ગોરિધમિક અને જનરેટિવ

ચાલો ભેદ સ્પષ્ટ કરીએ. એલ્ગોરિધમિક PCG એ બીજ (પ્રારંભિક સંખ્યા કે જે ઉત્પાદન નક્કી કરે છે) પર આધાર રાખીને પ્રમાણભૂત અને પુનઃઉત્પાદનક્ષમ છે; એ જ બીજ એ જ નકશો આપે છે. ઝડપી, સસ્તું, અનુમાનિત; પરંતુ તે "આત્માહીન" હોઈ શકે છે. જનરેટિવ AI સાથે, PCG સંદર્ભ અને થીમને સમજે છે; તે "બરફની ગુફા-થીમ આધારિત, ટ્રેપ-સઘન, 3-રૂમ અંધારકોટડી સ્કેચ" જેવી અર્થપૂર્ણ વિનંતીઓને સંતોષે છે. પરંતુ AI આઉટપુટ સીધી રીતે પુનઃઉત્પાદનક્ષમ નથી અને તે રમવાની ક્ષમતાની બાંયધરી આપતું નથી. સૌથી શક્તિશાળી અભિગમ હાઇબ્રિડ છે: AI ઉચ્ચ-સ્તરની ડિઝાઇન અને થીમ (ક્વેસ્ટ ટેક્સ્ટ, રૂમના ઉદ્દેશ્યો, દુશ્મન થીમ) જનરેટ કરે છે, એલ્ગોરિધમ તે ડિઝાઇનને વગાડી શકાય તેવી ભૂમિતિ અને સંતુલનમાં રેડે છે.

વર્ણસંકર પ્રવાહ તબક્કાવાર:

1. ઉત્પાદન નિયમો અને અવરોધો વ્યાખ્યાયિત કરો (થીમ, મુશ્કેલી, કદ, આવશ્યકતાઓ).
2. AI (રૂમના ઉદ્દેશ્યો, પ્રવાહ, થીમ, ક્વેસ્ટ લોજિક) થી ઉચ્ચ-સ્તરની રૂપરેખા મેળવો.
3. અલ્ગોરિધમ/એન્જિન (ભૂમિતિ, લેઆઉટ, સંતુલન) વડે ત્વરિત કરો.
4. રમવાની ક્ષમતા ચકાસો (શું ત્યાં કોઈ બહાર નીકળો, શું તે ઉકેલી શકાય તેવું છે, શું કોઈ અવરોધ નથી).
5. બીજ અને રેકોર્ડ (કયા ઇનપુટથી કયું આઉટપુટ - પુનઃઉત્પાદનક્ષમતા).

ટીપ: AI ને હંમેશા "અવરોધ" ની સૂચિ આપો: "દરેક સ્તરમાંથી બહાર નીકળવું આવશ્યક છે", "ઓછામાં ઓછું એક સુરક્ષિત ઓરડો", "શરૂ કરવા માટે કોઈ દુશ્મન નથી". અનિયંત્રિત PCG વણઉકેલ્યા અથવા અયોગ્ય સ્તરો પેદા કરે છે.

કાર્ય અને વર્ણનાત્મક ઉત્પાદન

PCGનું સૌથી વધુ ઉત્પાદક AI ક્ષેત્ર ક્વેસ્ટ અને નેરેટિવ જનરેશન છે. AI થીમ અને પાત્ર સાથે મિશન હાડપિંજર (જાઓ, શોધો, મેળવો, સુરક્ષિત કરો) પહેરી શકે છે; બાજુના મિશન માટે વિવિધતા પેદા કરી શકે છે; સ્થાનો માટે વર્ણન લખી શકે છે. પરંતુ છટકું: AI એકવિધ "સંગ્રહ કાર્યો" ઉત્પન્ન કરવાનું વલણ ધરાવે છે. વિવિધ કાર્યો અને અર્થપૂર્ણ પસંદગી માટે પૂછો; દરેક મિશનને ખેલાડીને નિર્ણય રજૂ કરવાની જરૂર છે.

સાવધાન: પ્રક્રિયાગત મિશનમાં સૌથી મોટું જોખમ પુનરાવર્તન અને અર્થહીન પેડિંગની લાગણી છે. AI કદાચ 100 કાર્યો ઉત્પન્ન કરી શકે છે, પરંતુ 100 "10 વરુઓને મારી નાખે છે." ગુણવત્તા વિવિધતા અને સંદર્ભ પર આધારિત છે, જથ્થા પર નહીં; માનવ ઉપચાર દ્વારા ઉત્પાદિત દરેક બેચ મૂકો.

નિયંત્રણ અને પ્રજનનક્ષમતા

પ્રોફેશનલ પીસીજીમાં, નિરીક્ષણ ઉત્પાદન જેટલું જ મહત્વનું છે. નિયંત્રણનો એક સ્તર સ્થાપિત કરો જે ચકાસે છે કે ઉત્પાદિત સામગ્રી વગાડવા યોગ્ય, વાજબી અને થીમ પર છે. ઉપરાંત, ઉત્પાદનને નિર્ધારિત રીતે મેનેજ કરો: કયું ઇનપુટ (બીજ, પ્રોમ્પ્ટ, પેરામીટર) કયું આઉટપુટ આપે છે તે રેકોર્ડ કરો જેથી જો કોઈ સમસ્યા ઊભી થાય તો તમે તેનું પુનઃઉત્પાદન કરી શકો. AI આઉટપુટને સીધા જ રમતમાં ફનલ કરવાને બદલે, તેને મંજૂરી અને સુધારણા તબક્કામાંથી પસાર કરો.

નિયંત્રણ સ્કેલ કરવાની એક શક્તિશાળી રીત એ છે કે ઓટોમેટિક પ્લેએબિલિટી ચેક સેટ કરવું: એક વેલિડેટર સ્ક્રિપ્ટ તેને પ્લેમાં મૂકતા પહેલા દરેક જનરેટેડ લેવલને સ્કેન કરે છે - શું બહાર નીકળવા માટે પહોંચી શકાય છે કે કેમ, શરૂઆતમાં મારવા માટે દુશ્મનો છે કે કેમ, જરૂરી કી સુલભ છે કે કેમ. તમે AI સાથે આ સ્ક્રિપ્ટનો તર્ક પણ તૈયાર કરી શકો છો; પરંતુ એન્જિનમાં વાસ્તવિક પ્રોડક્શન્સ સાથે તેનું પરીક્ષણ કર્યા વિના સ્ક્રિપ્ટ પર વિશ્વાસ કરશો નહીં. માનવ ક્યુરેશન અને સ્વયંસંચાલિત નિયંત્રણ એકબીજાના પૂરક છે: મશીન સ્કેલ પર "શું તે રમી શકાય તેવું છે" પ્રશ્નનો જવાબ આપે છે, માનવ નમૂના પર "શું તે મનોરંજક અને અર્થપૂર્ણ છે" પ્રશ્નનો જવાબ આપે છે.

PCG અને ખેલાડીના અનુભવનું સંતુલન

PCGનો એક ખતરો એ છે કે વધુ પડતી વિવિધતા બિન-ઓળખમાં ફેરવાઈ જાય છે. જો બધું અવ્યવસ્થિત રીતે થાય છે, તો ખેલાડી કંઈપણ પકડી શકશે નહીં; દાખલાઓ કે જે પરિચિત છે અને માસ્ટર કરી શકાય છે તે પણ જરૂરી છે. સારું PCG વિવિધતા અને શીખવાની ક્ષમતા વચ્ચે સંતુલન બનાવે છે: મિકેનિક્સ પરિચિત હોવા જોઈએ, લેઆઉટ તાજા હોવા જોઈએ. જ્યારે AI ક્રાફ્ટ હોય ત્યારે સ્પષ્ટપણે આ સંતુલન શોધો - જેમ કે "મિકેનિક્સ શબ્દભંડોળ સતત રાખો, પરંતુ દરેક સ્તરને આ મિકેનિક્સને એક અલગ લયમાં જોડવા દો." આ રીતે, ખેલાડી કંઈક નવું જુએ છે અને નિયંત્રણ ગુમાવતો નથી.

ત્રણ નાના કેસો

કેસ 1 - હાઇબ્રિડ અભિગમ જીત્યો. અંધારકોટડી-ક્રોલિંગ રમતમાં, ટીમે AI ને રૂમના ઉદ્દેશ્યો અને થીમ અને અલ્ગોરિધમને ભૂમિતિ આપી. 200 અંધારકોટડી વિવિધતાઓનું ઉત્પાદન કરવામાં આવ્યું હતું; દરેક વગાડી શકાય તેવું બહાર આવ્યું, પરંતુ થીમ અલગ હતી. શુદ્ધ અલ્ગોરિધમિક સંસ્કરણની તુલનામાં, ખેલાડીઓનો "દરેક અંધારકોટડી અલગ લાગે છે" સ્કોરમાં નોંધપાત્ર વધારો થયો છે.

કેસ 2 - અપ્રતિબંધિત ઉત્પાદનની કિંમત. એક સ્ટુડિયો પાસે AI 50 સ્તરના ડ્રાફ્ટ્સ જનરેટ કર્યા વિના પ્રતિબંધો હતા; જ્યારે પરીક્ષણ કરવામાં આવ્યું ત્યારે, 9 પાસે કોઈ બહાર નીકળ્યું ન હતું, 6માં દુશ્મન પ્લેસમેન્ટ્સ હતા જેણે શરૂઆતમાં ખેલાડીને મારી નાખ્યો હતો. જ્યારે "હોવી જોઈએ" અવરોધ સૂચિ ઉમેરવામાં આવી, ત્યારે ખામી સ્તરનો દર 30% થી ઘટીને 2% થયો.

કેસ 3 - ક્યુરેટરશિપે ફરીથી લાગણી તોડી નાખી. ઓપન વર્લ્ડ ગેમમાં, AI એ 300 સાઇડ ક્વેસ્ટ્સ જનરેટ કર્યા; તેના કાચા સ્વરૂપમાં, તેમાંથી 70% "એકત્ર કરો અને લાવો". વિવિધતા માટેની વિનંતી સાથે, ડિઝાઇનરે નિર્ણય/દ્વિધા સમાવવા માટે દરેક કાર્યનું પુનઃઉત્પાદન કર્યું અને ક્યુરેટ કર્યું; ખેલાડીઓના પ્રતિસાદમાં, "સાઇડ ક્વેસ્ટ્સ કંટાળાજનક છે" વિશેની ફરિયાદો એક તૃતીયાંશ થઈ ગઈ છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) મર્યાદિત સ્તરની રૂપરેખા:

તમારી ભૂમિકા: સ્તર ડિઝાઇનર. થીમ: [દા.ત. ત્યજી દેવાયેલ સ્પેસ સ્ટેશન]. મુશ્કેલી: મધ્યમ. કદ: 5 રૂમ. હોવું જોઈએ: એક બહાર નીકળો, ઓછામાં ઓછો એક સુરક્ષિત ઓરડો, શરૂઆતના રૂમમાં કોઈ દુશ્મનો ન હોય, તે ઉકેલી શકાય તેવું હોવું જોઈએ. ક્વેસ્ટ: રૂમ દ્વારા લેવલ આઉટલાઈન રૂમ આપો; હેતુ, થીમ, ધમકી અને નિર્ણય તે દરેક રૂમ માટે ખેલાડીને રજૂ કરે છે.

2) વિવિધ કાર્ય જનરેશન:

નીચેની રમત માટે 10 સાઇડ ક્વેસ્ટ્સ જનરેટ કરો: [શૈલી/થીમ]. અવરોધ: કંઈપણ ફક્ત "એકત્ર-અને-આનયન" હોવું જોઈએ નહીં; દરેક મિશન ખેલાડીને પસંદગી અથવા દુવિધા સાથે રજૂ કરે છે. દરેક મિશન માટે: શીર્ષક, એક વાક્યનો સારાંશ, ખેલાડીનો નિર્ણય, પુરસ્કાર. કોઈપણ પુનરાવર્તિત શબ્દસમૂહો લખો.

3) ગેમપ્લે ચેકલિસ્ટ:

નીચે બનાવેલ સ્તરની રૂપરેખા તપાસો: [પેસ્ટ રૂપરેખા]. તપાસો: (1) શું ત્યાં કોઈ પ્રાપ્ત કરી શકાય તેવું એક્ઝિટ છે, (2) શું તે ઉકેલી શકાય તેવું છે, (3) શું કોઈ અયોગ્ય/ખૂની શરૂઆત છે, (4) શું થીમમાંથી કોઈ વિચલન છે. સમસ્યાઓની યાદી બનાવો અને સુધારા સૂચવો.

4) પ્રજનનક્ષમતા રેકોર્ડ:

નીચેના ઉત્પાદન માટે રેકોર્ડ ટેમ્પલેટ બનાવો: વપરાયેલ બીજ, પ્રોમ્પ્ટ, પરિમાણો, આઉટપુટ સારાંશ અને મંજૂરીની સ્થિતિ. હેતુ: જો કોઈ સમસ્યા આવે તો સમાન સામગ્રીનું પુનઃઉત્પાદન કરવામાં સમર્થ થવા માટે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

મને રેન્ડમ અંધારકોટડી બનાવો.

કોઈ પ્રતિબંધો અથવા થીમ્સ નથી; આઉટપુટ પ્લે ન કરી શકાય તેવું અથવા સામાન્ય હશે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: અંધારકોટડી ડિઝાઇનર. થીમ: મંદિરમાં પૂર.7 રૂમ, વધતી મુશ્કેલી. હોવું આવશ્યક છે: દરેક રૂમમાં અમુક પ્રકારના મિકેનિક (વૈકલ્પિક છટકું, કોયડો, લડાઇ, સંશોધન), સિંગલ સિક્રેટ રૂમ, અંતિમ રૂમમાં આરામ બિંદુ, ઉકેલી શકાય તેવું. આઉટપુટ: રૂમ-દર-રૂમ ટેબલ (ઉદ્દેશ, થીમ, ધમકી, પુરસ્કાર). છેલ્લે, રમવાની ક્ષમતાના જોખમોને અલગથી સૂચિબદ્ધ કરો.

થીમ, અવરોધ, યાંત્રિક લય અને જોખમની માંગ આઉટપુટને ઉત્પાદન માટે તૈયાર બનાવે છે.

અલ્ગોરિધમિક વિ. AI PCG ટેબલ

કદ

અલ્ગોરિધમિક PCG

AI સાથે PCG

વર્ણસંકર

પ્રજનનક્ષમતા

ઉચ્ચ (બીજ)

નીચું

મધ્યમ

અર્થ/થીમ

નબળા

મજબૂત

મજબૂત

રમવાની ક્ષમતાની ખાતરી

સંપાદનયોગ્ય

કોઈ નહિ

સંપાદનયોગ્ય

ઝડપ

ખૂબ જ ઝડપી

ઝડપી

મધ્યમ

શ્રેષ્ઠ ઉપયોગ

ભૂમિતિ, સંતુલન

કાર્ય, થીમ, ટેક્સ્ટ

ઉત્પાદન રેખા

સામાન્ય ભૂલો

• પ્રતિબંધ વિના ઉત્પાદન કરવું. વણઉકેલાયેલી, અન્યાયી સામગ્રી બહાર આવે છે.
• દેખરેખ વિના AI આઉટપુટ વહેતું. પ્લેએબિલિટી ચકાસણી આવશ્યક છે.
• વિવિધતા નથી જોઈતી. AI એકવિધ "પિક-અપ" ઉત્પન્ન કરવાનું વલણ ધરાવે છે.
• પ્રજનનક્ષમતા રેકોર્ડિંગ નથી. જો કોઈ સમસ્યા થાય, તો તમે સામગ્રીને પુનઃસ્થાપિત કરી શકતા નથી.
• ગુણવત્તા સાથે જથ્થાને ગૂંચવણમાં મૂકે છે. 300 સામાન્ય કાર્યો 30 સારા કાર્યો કરતા ખરાબ છે.

સારાંશમાં

પીસીજી સામગ્રી ભૂખ સંતોષે છે; AI તેમાં અર્થ અને થીમ ઉમેરે છે. સૌથી શક્તિશાળી રીત હાઇબ્રિડ છે: AI ઉચ્ચ-સ્તરની ડિઝાઇનનું ઉત્પાદન કરે છે, અલ્ગોરિધમ વગાડી શકાય તેવું ઇન્સ્ટન્ટેશન ઉત્પન્ન કરે છે. મર્યાદાની સૂચિ, રમવાની ક્ષમતાની તપાસ, વિવિધતાની માંગ અને પુનઃઉત્પાદનક્ષમતાનો રેકોર્ડ વિના, PCG ઝડપથી કચરો ઉત્પન્ન કરે છે. અંકુશિત વિવિધતા પર શરત લગાવો, સંખ્યાઓ પર નહીં.

એપ્લિકેશન કાર્ય

થીમ પસંદ કરો (દા.ત. બરફની ગુફા). "પ્રતિબંધિત સ્તરની રૂપરેખા" ટેમ્પ્લેટ સાથે 5-રૂમનું લેવલ તૈયાર કરો, પછી "પ્લેબિલિટી ચેકલિસ્ટ" ટેમ્પલેટ સાથે સમાન આઉટપુટ તૈયાર કરો. મળેલી કોઈપણ સમસ્યાને ઠીક કરો અને અંતિમ ડ્રાફ્ટ બનાવો.

ચેકલિસ્ટ

• [ ] મેં પ્રોડક્શનને "હોવી જ જોઈએ" અવરોધોની સૂચિ આપી.
• [ ] મેં ઉચ્ચ-સ્તરની ડિઝાઇનને AI પર છોડી દીધી છે અને અલ્ગોરિધમ પર કોંક્રીટાઇઝેશન કર્યું છે.
• [ ] મેં રમી શકાય તે માટે દરેક ઉત્પાદિત સામગ્રીની સમીક્ષા કરી છે.
• [ ] મેં મિશનમાં વિવિધતા અને અર્થપૂર્ણ પસંદગીની માંગ કરી.
• [ ] મેં પ્રજનનક્ષમતા માટે બીજ/પ્રોમ્પ્ટ/પેરામીટર સાચવ્યું.