Oltre i limiti dell'hardware: il futuro dei videogiochi passa dall'intelligenza artificiale e dal machine learning

Banalmente, avere a disposizione più TeraFLOPs significa accedere a una potenza di calcolo maggiore e, quindi, gli sviluppatori possono raggiungere risultati sempre più notevoli. È vero anche che, però, uno degli aspetti più interessanti del futuro del gaming riguarda come ottenere il meglio dalla potenza a disposizione. In questo, il ruolo dell’intelligenza artificiale e del machine learning è fondamentale.

A COSA SERVE? - Quando si pensa all’intelligenza artificiale è facile lasciare andare la fantasia e immaginare qualche super computer da film, un androide assetato di potere, oppure dei robot in grado di sostituire gli esseri umani. Non è esattamente così, o almeno non ancora. In attesa di un futuro che si spera non ci porti in guerra contro un esercito di replicanti, il presente ci parla di macchine che possono essere educate a elaborare una quantità di informazioni enormi in pochissimo tempo, migliorandosi sempre più. In sostanza, gli algoritmi che servono per elaborare informazioni complesse possono essere alimentati attraverso dati, informazioni, immagini, che servono a "educare" sostanzialmente la macchina in maniera tale da fornirci risultati sempre migliori, o utili.

Microchip, processori, algoritmi e informazioni sono equiparabili a un cervellone che analizza, studia, elabora e trova soluzioni. Non è un caso che si parli, quindi, di un vero e proprio processo di apprendimento, di reti neurali, di esperienza. Il vantaggio di far fare questo lavoro a componenti hardware sempre più sofisticate è la possibilità di sondare trovare soluzioni istantanee a problemi complessi, comparando innumerevoli scenari. Insomma, se non vogliamo immaginarlo come un freddo processo di elaborazione dati, è un po’ come disporre della capacità di Doctor Strange di sondare tutti gli universi possibili alla ricerca del modo più efficace di risolvere un problema. All’atto pratico, l’uso dell’intelligenza artificiale è già tra noi, e va dagli algoritmi che ci consigliano contenuti e arriva agli assistenti vocali, ma passa anche per la creazione di videogiochi.

DELEGARE ALL'IA LA CREAZIONE DI MONDI - Quando si pensa all’intelligenza artificiale nei videogiochi, il riferimento primario è l’abilità dei personaggi governati dalla CPU, alleati o nemici che siano. La simulazione della capacità umana di rispondere agli stimoli, insomma. Di certo, il campo del machine learning è importante anche per rendere sempre più credibili i comportamenti di avatar, personaggi non giocanti e mostri, per offrire esperienze di gioco più sofisticate, ma il campo di applicazione delle tecniche di deep learning sta cambiando proprio il modo di fare giochi.

Questo perché con hardware sempre più potente a disposizione (ricordate, i TeraFLOPs!) è possibile sfruttare algoritmi in grado di elaborare una grande quantità di dati per creare contenuti. Questo significa, per esempio, che le componenti procedurali presenti all’interno dei videogiochi diventeranno sempre più credibili, raffinati e, soprattutto, accessibili. Gli strumenti a disposizione degli sviluppatori sono sempre più intelligenti e, cosa più importante, si alimentano delle stesse soluzioni che forniscono. Gli esempi pratici più rilevanti sono sicuramente nel campo della grafica, dal momento che attraverso il machine learning è possibile elaborare una quantità enorme di immagini, individuandone le caratteristiche principali per ricostruire interi pezzi di realtà, o di riconfigurarne di nuovi.

I primi esperimenti riguardanti la creazione di volti e corpi umani “che non esistono” sulla base dell’apprendimento di un’IA sono impressionanti, così come le immagini dell’esperimento di NVIDIA che ha sostanzialmente creato una demo di un simulatore di guida ambientato in uno scenario urbano generato interamente da un’intelligenza artificiale che ha elaborato milioni di immagini di città reali. Se queste tecnologie sembrano fantascienza ed evocare un futuro remoto fatto di universi sintetici super complessi, in realtà queste vengono già utilizzate e rappresentano il futuro prossimo del gaming.

PIÙ POTENZA, PIÙ PERFORMANCE - La capacità delle intelligenze artificiali di ricostruire immagini di qualità altissima, infatti, è alla base di alcune delle soluzioni hardware più interessanti degli ultimi tempi. Nella corsa verso risoluzioni sempre più alte e la ricerca di una fedeltà grafica sempre più verosimile, il machine learning gioca un ruolo fondamentale. Questo perché gli algoritmi di elaborazione delle immagini e la potenza delle schede grafiche di ultima generazione consentono operazioni ritenute prima impossibili, tra cui l’upscaling delle immagini senza perdita di qualità.

Cosa significa? Sostanzialmente caricare un’immagine a una determinata risoluzione (1080p, per esempio) e restituirne una versione elaborata a risoluzione superiore (4K, per esempio) senza artefatti e, anzi, magari migliorandola sensibilmente. Come? Grazie alle tecniche di ricostruzione messe a disposizione dagli algoritmi che si basano sul machine learning. Se questo procedimento è chiaramente utile nei processi di restaurazione dei giochi più vecchi o per godersi il gioco in Ultra-HD 4K senza compromessi, può essere utilizzato anche per spingere le moderne schede grafiche oltre il limite, garantendo prestazioni sempre migliori anche di fronte a giochi particolarmente complessi.

Al momento, da questo punto di vista, la tecnologia più avanzata è sicuramente il DLSS di NVIDIA, presente sulle schede grafiche RTX della serie 20 e 30. Questa sigla sta per Deep Learning Super Sampling, che sembra complicata, ma non fa altro che indicare la capacità di elaborare immagini a risoluzioni più basse da dare in pasto ai processori della scheda hardware (chiamati Tensor Core) che, tramite algoritmi potenziati dall’intelligenza artificiale, è in grado di comporre immagini ad alta qualità senza appesantire la fluidità di gioco.

Questa soluzione funziona grazie all’allenamento a cui è stata sottoposta l’intelligenza artificiale alla base del DLSS, che è in grado di riconoscere gli oggetti che compongono la scena, in modo da poter ricostruire gli ambienti, i personaggi e le strutture senza sacrificare alcun tipo di dettaglio. In sostanza, i giochi che supportano il DLSS consentono di avere un miglioramento delle prestazioni, della qualità grafica o, addirittura, di entrambe le cose. I risultati sono davvero notevoli e l’effetto immediato è quello di poter giocare a una qualità superiore rispetto a quella che ci si aspetterebbe dal tipo di hardware installato.

Se il DLSS è una caratteristica propria delle schede grafiche, spetta ai singoli giochi supportare le funzionalità, utilizzando le diverse modalità (ne esistono tre) di applicazione degli algoritmi di rendering per garantire qualità, performance o un mix bilanciato dei miglioramenti offerti dall’intelligenza artificiale. Sempre più studi di sviluppo, però, hanno intuito il potenziale di questa tecnologia, e i risultati su giochi come Death Stranding, Control, Watch Dogs: Legion e Shadow of Tomb Raider sono davvero notevoli, visto che, in alcuni casi, si parla di un incremento delle prestazioni che arriva fino al 70% e oltre.

In sostanza, attivare il DLSS significa poter giocare al doppio del frame rate, o al doppio della risoluzione, semplicemente sfruttando i benefici dell’intelligenza artificiale. È attraverso questa tecnologia, per esempio, che è possibile immaginare di giocare stabilmente in 4K o, addirittura, iniziare a immaginare scenari in 8K. Questo perché se magari è vero che un giorno ci troveremo a combattere stuoli di androidi infuriati, nel frattempo possiamo goderci i benefici di disporre di hardware sempre più intelligente.

Vieni su IGN Italia per altre notizie e video su questo gioco!