Lovelace Studio 正在使用生成式 AI 开发 Nyric,这是一个能帮助玩家协同打造游戏世界的工具。
这是一个用于构建社区驱动多元宇宙(或称元宇宙)的工具包。玩家可以使用 AI 工具打造自己的世界,在生存建造类沙盒游戏中将这些世界带入生活。Lovelace Studio 的 CEO Kayla Commali 在接受 GamesBeat 采访时表示,其目标是赋予独立创作者和社交游戏玩家能力,并将他们联系在一起。
"我们正在用 AI 和游戏技术创造生成式世界,"Commali 说。"从构思开始我们已经做了四年。最近这个想法变得相当具体且令人兴奋。这是一款面向生成式世界的生存建造游戏,类似 Midjourney。"
通过 Nyric,玩家可以构建如爱丽丝梦游仙境或维京世界等生成式 AI 世界,风格不受限制。它可以添加角色、主题和风格。每个领域都是一个六边形网格,与邻近区域相连。在游戏循环中,玩家可以进行开拓和区域外交。
在这些六边形网格领域中,伴侣代理(称为 faebots)是玩家能力的开拓性工具包。游戏鼓励玩家建立连接,比如与邻居建立贸易路线、领导社区派系和扩张帝国。游戏世界是持久的,由程序生成的六边形网格构建而成。在这些世界中,玩家可以制作细节并享受自发性的游戏玩法。
现在就将 Nyric 加入愿望单,并在他们的 Discord 服务器上关注游戏测试更新。
资源经济推动着以社区为中心的游戏玩法,而影响力和外交则推动个人竞争。网络效应在持久的 3D 多元宇宙中发挥作用,早期的可发现性可以推动创作者的传播。
虽然现在有很多 AI 游戏公司,但 Commali 表示 Lovelace 让玩家创建虚拟世界的方式是不同的。玩家可以使用提示词生成具有多个生态环境的交互式 3D 生存建造领域。
Lovelace Studio 开发的工具可以让你创造世界。
世界内部有一个 Commali 称之为 faebot 的 AI 伴侣。这个 faebot 具有个性特征,能够记住世界中发生的事情。玩家可以修改世界的参数,包括天空、地面、环境或天气。很快,它就会变成一个独特的地方。
这些虚拟世界也支持多用户,而且可以相互连接。玩家可以发现彼此,形成社交网络。玩家可以像在 Valheim 世界中那样一起在世界中制作物品。
通过程序化方式生成世界后,玩家需要对世界进行定制以使其独特。这意味着它增强了人类的创造力,而不是完全依靠 AI 完成所有工作并让玩家获得荣誉。
你可以定制资产、故事和世界主题。Lovelace 即将在 Steam 上测试游戏。
Commali 和她的波士顿团队拥有机器人和计算机视觉背景。团队已从包括 Sequoia Capital Scout、HalfCourt Ventures、Blindspot Ventures 和 Umami Capital 在内的投资者那里筹集了 120 万美元。他们计划筹集更多资金。
公司已经运营了四年,正在考虑转向 Web3。
"有很多外部压力要我们转向 Web3。我们还没有这样做。只有在有意义的情况下才会这样做。我们对此非常谨慎,"Commali 说。
团队计划招募一名 AI 工程师和一名技术美术师来支持开发。
随着时间推移,公司预计将与 Unity 游戏引擎整合。它帮助玩家在开放平台上轻松分享他们的世界。
"我们当然不希望它成为一个封闭的花园。这个词听起来像是一种孤立的体验。我们的结构更像是社交网络的代表。你可以扩展和成长,没有真正的上限,"她说。
起源
Commali 经历了从生物学到机器人和游戏的"自学之旅"。她学习了计算机视觉。联合创始人 Alex Engel 在 Disruptor Beam 和 Turbine 等公司从事游戏行业已有二十多年。他们的团队已经发展到五个人。
"我们一直在处理大量遥测数据、运行时数据和模拟系统,也在使用这些扩展,这开始于五六年前,"Commali 说。
重点是在消费者层面的运行时计算,它驱动游戏玩法,并允许自发性游戏玩法的产生。然后生成式 AI 出现了,团队转向了程序化生成。
"我们相信很多人都想成为内容创作者,"Commali 说。"大约 65% 的社交媒体平台用户表示他们想成为内容创作者。但只有 3% 的人实现了。"
因此,他们的想法是提供工具,让玩家更容易成为类似开发者的角色。Lovelace Studio 没有构建自己的大语言模型,而是在 OpenAI 之上将其平台构建为 API。
"我们有一个管道,将世界分解为生态环境、风格、时期、角色和行为,"Commali 说。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。