Jewgienij Tołstych nie poprosił AI o napisanie uprzejmego e-maila lub podsumowanie spotkania w swoim ostatnie badania. Postawił przed nią wyzwanie zbudowania od podstaw działu produkcji gier AAA. W bezpośrednim eksperymencie Tołstyk zlecił modelowi wielkojęzykowemu (LLM) wygenerowanie planów działania dotyczących grafiki, struktur Jira i szacunków produkcji, a następnie porównał wyniki z wynikami swojego zespołu ludzkiego.
Ustalenia były surowe.
Sztuczna inteligencja skróciła harmonogram planowania z tygodni do godzin, ale pojawiła się z zastrzeżeniem: niebezpieczną tendencją do „halucynacyjnego” optymizmu. Eksperyment Tołstyka oferuje szczegółowy obraz tarcia pomiędzy szybkością algorytmiczną a chaotyczną rzeczywistością tworzenia gier.
Ta zmiana nie dzieje się w próżni. Najnowsze dane branżowe potwierdzają, że Tołstyk znajduje się w awangardzie ogromnego zwrotu strukturalnego. Według A Ankieta Google Cloud 202590% twórców gier włącza obecnie generatywną sztuczną inteligencję do swoich przepływów pracy, a 95% twierdzi, że technologia ta aktywnie ogranicza liczbę powtarzalnych zadań.
Być może co najważniejsze dla producentów, 44% programistów wykorzystuje obecnie sztuczną inteligencję do autonomicznego przetwarzania informacji, umożliwiając szybsze podejmowanie decyzji na wszystkich etapach. To szybkie przyjęcie wynika z faktu, że 94% respondentów uważa, że sztuczna inteligencja ostatecznie będzie kluczem do ograniczenia rosnących kosztów produkcji.
Matematyczna podstawa kreatywności
Jednym z najbardziej uderzających wyników eksperymentu była propozycja sztucznej inteligencji dotycząca „BTSU” (jednostki powłoki poziomu BT) w celu ujednolicenia złożoności grafiki. Podczas gdy Tołstyk przedstawił wstępną koncepcję „złotej jednostki” do celów szacunkowych, sztuczna inteligencja niezależnie sformalizowała matematykę.
„Kluczowym wkładem modelu nie było pojawienie się samej idei, ale jej sformalizowanie” – mówi Tołstyk. „Sztuczna inteligencja samodzielnie wyprowadziła strukturę wzoru, uzasadniła wybór parametrów i wyjaśniła ich logikę bez dodatkowych wyjaśnień”.
Co najważniejsze, Tołstyk zataił wszystkie dane dotyczące projektu i wewnętrzne szacunki, aby przetestować możliwości modelu „od razu po wyjęciu z pudełka” i przestrzegać rygorystycznych ograniczeń NDA. Aby zbudować funkcjonalną podstawę, sztuczna inteligencja oparła się na swoich wewnętrznych statystycznych reprezentacjach rozkładu złożonych obiektów na różne domeny.
„Traktowałem formułę BTSU nie jako odkrytą obiektywną prawdę, ale jako hipotezę wygenerowaną przez model i podlegającą walidacji i kalibracji z rzeczywistymi danymi produkcyjnymi” – wyjaśnia.
Jak poruszać się po „pułapce optymizmu”
Wstępne szacunki sztucznej inteligencji były 1,5 razy niższe niż szacunki zespołu ludzkiego. Nawet po doprecyzowaniu podpowiedzi za pomocą danych referencyjnych Tołstyk utrzymywał 15% bufor na nieprzewidziane wydatki, co stanowi podstawę jego praktyki produkcyjnej. Postrzega to nie jako rozwiązanie „optymizmu sztucznej inteligencji”, ale jako niezbędne zabezpieczenie przed nieodłącznym chaosem rozwoju na żywo.
Jednak Tołstyk argumentuje, że perspektywa AI „czystego pomieszczenia” ma swoją wartość. „Czysta, laboratoryjna perspektywa z próżni może być interesującą soczewką pozwalającą spojrzeć na procesy z zewnątrz” – mówi. Zmusza producentów do zadania sobie pytania, jak mógłby wyglądać projekt, gdyby wyeliminowano nieuniknione tarcia w świecie rzeczywistym.
Element ludzki w agentycznej przyszłości
Przygotowując się do zbadania „agentycznej sztucznej inteligencji” – systemów zaprojektowanych do działania z większą autonomią – Tołstyk zdaje sobie sprawę z egzystencjalnego lęku odczuwanego przez wielu kierowników projektów. Podkreśla jednak, że podstawowa rola producenta pozostaje zabezpieczona przed automatyzacją.
„Sztuczna inteligencja nie jest w stanie zastąpić człowieka w tym, co najważniejsze: podejmowaniu decyzji i braniu odpowiedzialności w obliczu niepewności” – twierdzi Tołstyk. „Zarządzanie konfliktami, komunikacja z interesariuszami oraz równoważenie jakości, terminów i morale zespołu obejmują nie tylko analizę, ale także zaufanie, kontekst i relacje osobiste budowane w czasie”.
Przyszłość produkcji porównuje do lotnictwa. Autopiloty istnieją od dziesięcioleci, ale kapitan nadal dowodzi samolotem. „Agentyczna sztuczna inteligencja może stać się silnym pomocnikiem w planowaniu i prognozowaniu, ale ostateczna decyzja, zwłaszcza gdy stawka jest wysoka i nie ma jednej prawidłowej odpowiedzi, nadal należy do człowieka” – dodaje.
Kiedy halucynacja staje się innowacją
Sztuczna inteligencja czasami generowała sugestie bez podpowiedzi, takie jak „Szablon produkcji zbroi Tytana”, który zespół Tołstyka ostatecznie uznał za solidną strategię. Rodzi to trudne pytanie: jak odróżnić „złe przypuszczenie” od „genialnej hipotezy”?
„Jeśli sugestia sztucznej inteligencji nie pasuje do prawdziwego schematu, nie sprawdza się w praktyce lub nie ma jasnej wewnętrznej logiki, jest to błędny przypuszczenie” – wyjaśnia Tołstyk. Uczy młodszych producentów, aby skupili się na weryfikacji, a nie na ślepym zaufaniu. „Naszą główną supermocą jest sprawdzanie faktów; musimy weryfikować wszystko, co się mówi”.
Aby „halucynacja” stała się cechą charakterystyczną, musi być zrozumiała i możliwa do przetestowania. Zdaniem Tołstyka sztuczna inteligencja jest najbardziej użyteczna, gdy regularnie oferuje hipotezy, które można bezpiecznie przetestować i odrzucić bez psucia systemu.
Psychologiczne bezpieczeństwo prostych narzędzi
Podczas gdy branża często poszukuje drogich pakietów AI klasy korporacyjnej, Tołstyk opowiada się za stosowaniem najprostszych LLM klasy konsumenckiej. Odkrywa, że te dostępne narzędzia obniżają barierę wejścia dla sceptycznych weteranów.
„Proste, dostępne narzędzia pozwalają ludziom eksperymentować bez poczucia ryzyka i utraty kontroli” – mówi Tołstyk. „Nacisk zmienia się z pytania: „Czy powinniśmy to wdrożyć?” na „W jaki sposób może mi to pomóc w moim konkretnym zadaniu?”
Usuwając „odgórny” nacisk związany ze złożonymi integracjami, narzędzia te wydają się bezpieczniejsze psychologicznie. Dla doświadczonego programisty narzędzie, które cicho pomaga w konkretnych zadaniach, jest znacznie łatwiejsze do zaakceptowania niż narzędzie obiecujące rewolucję.
