这项技术，能让设计师「只动口不动手」完成工作

By 超神经

场景描述：训练机器学习和神经网络，可以使其根据真实图片生成游戏场景并对其进行渲染，游戏场景设计师以及普通人都可通过语音命令工具生成任何场景。

关键词：机器学习，神经网络，游戏开发

你会遇到要布置小窝的苦恼吗？找不到合适的摆设空间，而实际的多次实验又会耗费大量工夫。

其实很简单， 靠想象力就可以。通过空间想象能力，根据预见性来判断怎么样的规划。但如果经验不足呢？ 用 AI  即可！ 

使用 AI 工具设计的卧室

在一个虚拟空间里，使用 AI 工具，简单地构建虚拟空间，可以随意添加和删除模块，随便你怎么放，直到自己满意。 

说一句话，就能打造出你的理想小窝 

想象一下，如果你对一个软件说：「造一间卧室」，它就能够自动生成一个温馨的小窝，那是不是很酷？ 

Promethean AI 就是这样一个工具，它通过使用者的语音命令，能够从素材库中获取相关资源，并在 AI 算法帮助下，生成 3D 空间中的部署设计。

比如，用户可以通过「添加桌子」等指令，完成家具的摆放。生成结果在细节上也足够逼真，比如物体会存在阴影、反射亮点等。

最重要的是，完成这些操作，Promethean AI 只需要三秒钟。 

 Promethean AI 创始人 Maximov 在做演示

据介绍，Promethean AI 有着强大的模型库，以及人性化的语义感知功能。如果想要省事，直接告诉它「创建一个文艺青年的卧室」，不必告诉它具体细节，你就能得到一间有明显布局特征的卧室。

如果不满意，还可以在卧室中移动物体。只需要使用鼠标选择对象，并将其移动到任何位置，并不用发出编程命令。 Maximov 介绍说：「如果你说，『删除桌子』，它就会消失，阴影等相关细节也会消失。」 

而如果命令「添加打字机」，Promethean 则会先添加一个桌子来放打字机。也就是说，它能够做一些命令补充生成。

用户可以以任意角度查看自己设计的卧室

增删任何家居用品 

在必要的时候，Promethean AI 会重新计算场景，比如将梳妆台对准墙壁，并将角度调到合适的位置。此外，它还支持添加一些小部件，比如报纸，海报，挂饰等。只需要大概 10分钟，就能得到一间理想型房间。

怎么样，是不是已经想要给自己的小窝换个妆容了？ 

构建虚拟游戏世界，解放场景设计师 

不过，你以为这个工具只是用来布置房间吗？当然不是。Promethean AI 的设计初衷是用来构建游戏中的场景。 

Maximov 曾与数百名艺术家一起参与「神秘海域」系列游戏，其中的布景工作量非常大。 

在游戏行业，3A 游戏（高成本、高质量、高销量的游戏项目）的制作成本已经从早年的 4000 万美元增加到 1 亿美元，还大有超过 2 亿美元之势。

这也印证了那句话：「电子游戏和电影一样，已经成为这个地球上最为昂贵的娱乐产品。」 

大型游戏通常要实现高质量的场景构建和丰富养眼的视觉效果，给玩家以身临其境的感觉，因此，制作成本很大一部分花在场景的制作上。

游戏《Thieves》中的宏大且逼真的场景 

美妙的游戏体验背后，是巨额的经费燃烧。

游戏内地图庞大，场景繁多，这些需要大量的人工建模、布景、贴图，耗时耗力，但其实对于游戏本身的创意和内容没有那么重要。

所以，如果把这一步交给 AI 来完成，设计者就可以专心地构思游戏创意方面的内容。

那么关键的问题来了，AI 会能担此重任吗？

是的，这个名为 Promethean AI 的 API 工具集，已经在这方面显示出了自己的潜力。

它使用机器学习来帮助艺术家建立虚拟世界，通过设计者提出想法并解决诸多非创造性任务。 利用这个工具，能够大大降低 3A 级游戏制作成本。

Promethean AI 是在开发人员和艺术家的创造性监督下，共同创作虚拟空间; 早期试验显示，使用它之后效率提高了约 50％ ，而且随着人工智能的学习和提高，预计生产率可提高十倍。 

利用 Promethean AI 设计的游戏场景

人工智能能够快速制作出这些场景，依靠的就是深度学习。

通过机器和神经网络技术，对卷积神经网络（一种人工智能，可处理大型图片）进行大量的图片训练，尤其是针对图片纹理进行大量训练后，该神经网路就可以在很短的时间内将这种图片纹理应用到另一张图片上并渲染完毕，生成素材。 

对于独立游戏公司来说，这可能是一个福音。比如创建一个设置在城堡中的游戏，并使用 Promethean AI 使该城堡看起来更逼真。 

人工智能帮艺术家减少 80% 的无用工作

利用程序化或自动化的解决方案去填充艺术作品的基本构架有不少，但有一个通病，就是生成的作品违和感很强，而且缺乏创意。比如，有的算法会将树木和岩石填充到道路中。 

Promethean AI 的解决方案就更符合实际的使用规律，它支持艺术家们自己训练，然后模仿类似的风格。通过机器学习技术进行训练和学习，它能够生成一个空间并提出建议，而且支持一些图形技术，比如实时的光线跟踪。 

另外，设计者们可以训练 Promethean AI 来构建对虚拟空间应该是什么样子的想法。换句话说，就是 Promethean AI 能够学习去解决问题。 

Maximov 说，对于一个更复杂的场景，比如你告诉它创造一个「后世界末日」的场景，你就会看到像霉菌，废墟，野生动植物之类杂草丛生的衰败场景。

Promethean AI 已经有了一个最小可行产品（ MVP ），该团队目前正在与游戏工作室密切合作，作为其早期采用计划的一部分，在生产中部署AI。

Promethean AI可以插入场景中的各种素材示例 

洛杉矶的一家电影公司正在使用这项技术，将电影剧本转换成视觉场景，这样电影制作者就能很快地了解到特定剧本的电影场景的可视化图景。

Maximov 表示，在现有的素材库中，美工们可以有很多素材资源去购买使用。但是没有办法能够自动地将这种艺术融入到一个大型游戏中。 

而 Promethean AI 正在尝试这样的事情，通过构建更多的演示，在虚拟现实中填充场景。 

「我们不会开发出能取代艺术家的技术，」Maximov 说。「这是一个效率的放大工具。所做的一切都会把艺术家放在首要位置。利用技术帮助艺术家完成 80％ 或 90％ 的无创意性工作，艺术家们就可以在重要的创作上尽情发挥。」 

超神经百科

遗传算法 Genetic Algorithm

遗传算法（GA）是计算数学中用于解决最优化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。

遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）可抽象表示为染色体，使种群向更好的解进化。

传统上，解用二进制表示（即 0 和 1 的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。

在每一代中评价整个种群的适应度，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。

历史文章（点击图片阅读）

有了神经网络，带汤姆实时追踪杰瑞

从提出到看见黑洞，背后是近十代人的努力

当人工智能遇见农业，农民伯伯不再「粒粒皆辛苦」

AI 百科

教程

数据集

商店

更多

http://hyper.ai