یک عضو هیات علمی «دانشگاه استنفورد» در گفتوگو با آناتک:
انویدیا با هوش مصنوعی پیدا کردن مشکلات بهینهسازی بازیها را سادهتر میکند
به گزارش خبرگزاری آنا؛ بهینهسازی بازی برای رایانه شخصی یکی از دشوارترین بخشهای توسعه است، زیرا یک بازی باید روی تعداد زیادی ترکیب متفاوت از پردازنده، کارت گرافیک، حافظه و دیگر قطعات عملکرد قابل قبولی داشته باشد. توسعهدهنده همچنین باید مشخص کند چه مقدار از بار پردازشی روی CPU و چه مقدار روی GPU قرار بگیرد تا بازی بدون افت فریم یا مکثهای آزاردهنده اجرا شود. محدودیت زمان و منابع نیز باعث میشود بعضی استودیوها نتوانند پیش از انتشار همه مشکلات عملکردی را پیدا و برطرف کنند و نتیجه گاهی بازیای است که حتی روی سختافزار مناسب هم در زمان عرضه عملکرد پایداری ندارد.
توسعهدهنده میتواند مستقیم از هوش مصنوعی درباره مشکل بازی بپرسد
ایده ثبتشده انویدیا این فرایند را به گفتوگو با یک مدل هوش مصنوعی نزدیک میکند. برای نمونه توسعهدهنده میتواند از سامانه بپرسد «چه چیزی باعث مکث هنگام تغییر از بازی به میانپرده میشود؟» و مدل با بررسی کد و نحوه اجرای آن تلاش کند بخش عامل مشکل را پیدا کند. سپس راهکاری متناسب با ساختار همان کد پیشنهاد میدهد تا توسعهدهنده مجبور نباشد برای پیدا کردن علت هر افت عملکرد، حجم بزرگی از اطلاعات فنی و گزارشهای اجرای بازی را بهصورت دستی بررسی کند.
سامانه فقط قرار نیست یک پاسخ متنی عمومی تولید کند و طبق توضیحات ثبت اختراع میتواند کد لازم برای بررسی مشکل را نیز ایجاد و آن را مستقیماً روی GPU اجرا کند تا اطلاعات تشخیصی به دست آورد. در عمل اگر مثلاً یک صحنه در زمان مشخصی دچار افت فریم شود، ابزار میتواند بخشهای درگیر را زیر نظر بگیرد و مشخص کند کدام عملیات فشار غیرعادی به کارت گرافیک وارد میکند. هدف این است که پیدا کردن منشأ مشکل سریعتر شود و سپس مدل بر اساس همان اطلاعات، پیشنهاد مشخصتری برای اصلاح آن ارائه کند.
هوش مصنوعی قرار نیست جای آزمایش انسانی را بگیرد
استفاده از کد تولیدشده توسط هوش مصنوعی بدون بررسی میتواند خود باعث خطاهای تازه شود و منبع نیز به همین مسئله اشاره میکند. یک تغییر ممکن است افت فریم را برطرف کند، اما در شرایط دیگری باعث کرش یا رفتار پیشبینینشده شود، بهخصوص زمانی که مشکل به بخش پیچیدهای از موتور بازی یا تعامل چند سامانه مختلف مربوط باشد. به همین دلیل چنین ابزاری بیشتر میتواند نقش دستیار توسعهدهنده را داشته باشد و پیشنهادهای آن همچنان باید توسط مهندسان بررسی و آزمایش شوند.
مزیت مهم این روش آن است که تغییر پیشنهادی پیش از رسیدن به دست بازیکن در محیط خود استودیو اجرا و آزمایش میشود؛ بنابراین توسعهدهنده میتواند نتیجه را روی سختافزارهای مختلف بسنجد، در صورت ایجاد مشکل آن را رد کند و فقط اصلاحاتی را وارد نسخه نهایی کند که عملکرد قابل اطمینانی داشته باشند. در صورت استفاده درست، چنین روشی میتواند زمان لازم برای پیدا کردن برخی گلوگاههای عملکردی را کاهش دهد و فرصت بیشتری برای بهینهسازی بازی پیش از انتشار فراهم کند.
فناوریهای افزایش وضوح جای بهینهسازی کامل را نمیگیرند
فناوریهایی مانند DLSS انویدیا، FSR AMD و XeSS اینتل به توسعهدهندگان اجازه میدهند بازی را در وضوح پایینتر رندر و سپس تصویر را به وضوح بالاتر بازسازی کنند؛ روشی که میتواند نرخ فریم را افزایش دهد و فشار روی کارت گرافیک را کاهش دهد. با این حال چنین ابزارهایی نمیتوانند همه مشکلات را حل کنند و اگر منشأ افت عملکرد به کد بازی، پردازنده یا نحوه مدیریت منابع مربوط باشد، بالا بردن نرخ فریم با فناوری بازسازی تصویر الزاماً مشکل اصلی را برطرف نمیکند.
ثبت اختراع انویدیا فعلاً فقط یک ایده فنی ثبتشده است و مشخص نیست این شرکت چه زمانی یا با چه شکلی آن را به ابزار قابل استفاده برای استودیوهای بازیسازی تبدیل خواهد کرد. با این حال ایده اصلی روشن است؛ بهجای اینکه توسعهدهنده ساعتها بهدنبال دلیل یک افت فریم یا مکث مشخص بگردد، بتواند مشکل را به زبان معمول توضیح دهد و هوش مصنوعی مسیر پیدا کردن و آزمایش راهحل را کوتاهتر کند.
انتهای پیام/
