Yapay zekânın geleceğinde önemli bir yer tutması beklenen dünya modelleri (world model), başı sonu belli videolar üretmenin ötesine geçerek, kullanıcılara anlık olarak etkileşime geçebilecekleri interaktif dünyalar sunuyorlar. Son dönemde dikkat çekici örneklerini görmeye başladığımız bu dünya modellerine bu hafta dikkat çekici bir model daha katıldı. Tamamen açık kaynak olarak yayınlanan Matrix-Game 4.0, hem görece mütevazı sistemlerde bile çalıştırılabilmesi, hem de son derece tutarlı dünyalar yaratmasıyla dikkat çekmeyi başardı.
Yapay zekâ, bir oyun motoruyla birlikte çalışıyor
Çin merkezli Kunlun Tech'in geliştirdiği Matrix-Game 4.0, bir oyun motoru tarafından anlık olarak oluşturulan görüntüyü yapay zekâ destekli video üretimiyle birleştirerek kullanıcıların ilgi çekici dünyalar yaratıp içinde dolaşmasına olanak tanıyor. Sistem, tüm oyun dünyasını doğrudan yapay zekâya emanet etmek yerine fizik kurallarını, nesnelerin konumlarını ve oyuncu etkileşimlerini geleneksel bir oyun motoruyla yönetiyor. Oyun motoru, dünyayı düşük poligonlu ve basitleştirilmiş grafiklerle oluştururken yapay zekâ modeli bu görüntüleri daha ayrıntılı ve gerçekçi karelere dönüştürüyor.
Bu yaklaşımın önemli bir avantajı var. Tüm dünyanın doğrudan yapay zekâ tarafından yaratıldığı dünya modellerinde, kadraj dışına çıkan bir nesnenin durumu ve oyun dünyasındaki diğer nesnelerle ilişkisi zamanla kaybolabiliyor. Ayrıca modelin her yeni karede oyun kurallarını yeniden çıkarmaya çalışması zamanla dünyadaki tutarsızlıkların artmasına yol açıyor. Matrix-Game 4.0 ise oyun dünyasının durumunu ayrı bir oyun motorunda tutarak bu sorunların önüne geçiyor ve tutarsızlıkları minimuma indiriyor. Çünkü işin angarya kısmını basit bir oyun motoru üstleniyor. Böylece yapay zekâ da dünyayı olabilecek en iyi şekilde oluşturmaya odaklanabiliyor.
Sistem, oyuncunun komutlarına göre oyun kurallarını değiştirebilen bir kodlama ajanından da yararlanıyor. Bu ajan, doğal dille verilen talimatları önce yapay zekâ modeline iletilecek istemlere, ardından da yeni oyun mekaniklerine dönüştürüyor. Bu sayede oyuncu yalnızca dünyayla etkileşime girmekle kalmıyor, aynı zamanda dünyada gerçek zamanlı değişiklikler de yapabiliyor.
Tek bir RTX 5090 ile 60 FPS performans sunuyor
twitterwidget{float:none !important;margin:0 auto !important;}
Kunlun Tech'in paylaştığı verilere göre Matrix-Game 4.0, tek bir Nvidia RTX 5090 ekran kartıyla 480p çözünürlükte saniyede 60 kare hızında çalışabiliyor. Sistem, oyuncunun girdiği komut ile ekranda buna karşılık gelen sonucun ortaya çıkması arasındaki gecikmeyi de 112 milisaniyeye kadar düşürüyor. Şirket, video üretim hızının uygun koşullarda saniyede 83,4 kareye ulaşabildiğini belirtiyor.
Bunun mümkün olmasının en önemli sebebi yapay zekânın her kareyi sıfırdan üretmemesi. Matrix-Game 4.0, nedensel (önceki karelerden yararlanarak yeni görüntüler üreten) bir video üretim modeli olan DiT (Diffusion Transformer) mimarisinin damıtılmış bir sürümünü kullanıyor. Bu sayede geleneksel video üretim modellerine kıyasla daha az işlemle yeni kareler üretebiliyor.
Kunlun Tech, Matrix-Game 4.0'ı üçüncü şahıs nişancı oyunları, yarış oyunları ve hava muharebesi senaryoları gibi farklı türlerde test etti. Geliştiriciler, yeni oyun türleri oluşturmak için video modelini baştan eğitmek yerine oyun motorundaki kuralları ve kodu değiştirebiliyor. Zaten projenin kodları, model ağırlıkları, çıkarım kodu, oyun varlıkları ve tarayıcı üzerinden çalışan demosu da açık kaynaklı olarak paylaşıldı. Bu sayede geliştiriciler sistemi inceleyebiliyor ve kendi projelerine uyarlayabiliyor.
Bu noktada Matrix-Game 4.0'ın en büyük handikapı 480p çözünürlükte çalışması. Ama zaten şu aşamada bu tarz modellerin asıl hedefi günümüzün yüksek grafik kalitesine sahip oyunlarıyla yarışmak değil. Yapay zekâ ile etkileşimli oyun dünyaları yaratmanın ve tutarlı şekilde çalıştırmanın mümkün olduğunu ortaya koymak. Bu modeller yıllar içinde daha da geliştikçe, sadece oyun dünyasında değil, pek çok alanda dengeleri değiştirme potansiyeline sahip. Matrix-Game 4.0 gibi modellerle, yaklaşan bu yeni dönemin bir tür fragmanını izlemiş oluyoruz.
