Quake II 在 Whamm 上运行，Whamm 是 Microsoft 的实时游戏实验性 AI

快速阅读: 《技术点》消息，微软展示基于AI模型WHAMM运行的《Quake II》游戏，虽帧率低但支持完整控制器操作，旨在探索新交互媒体形式而非替代人类创造力。

简而言之：
微软展示了基于名为WHAMM的生成式AI模型运行的《Quake II》游戏，这是一种专为实时游戏设计的模型。尽管WHAMM的帧率非常低，但该游戏支持完整的控制器操作。微软表示，此次演示展示的是模型的潜力，而非一款完整的游戏产品。微软的WHAMM模型建立在其早期推出的WHAM-1.6B版本基础上，后者于今年二月发布。与前代相比，WHAMM通过并行生成图像标记的方式，引入了更快的视觉输出方法，摒弃了传统的自回归方法，从而大幅降低延迟，实现接近实时的图像生成，这是推动更流畅游戏交互的重要一步。训练过程也取得了显著进展。WHAM-1.6B需要七年游戏数据的训练，而开发者仅用一周精心挑选的《Quake II》游戏数据就完成了WHAMM的训练。他们借助专业游戏测试员专注于单一关卡的数据实现了效率提升。此外，生成AI的视觉输出分辨率从300×180像素提升到640×360像素，图像质量得到明显改善，且没有对底层架构进行重大改动。

尽管取得这些技术进步，WHAMM远非完美，更多是作为一项研究实验而非完全实现的游戏解决方案。该模型展现了强大的适应用户输入能力。遗憾的是，该模型在延迟和图形异常方面仍存在问题。玩家可以执行基本操作，如射击、跳跃、蹲伏以及与敌人互动。然而，敌人的互动存在明显缺陷。角色常常显得模糊，战斗机制不连贯，健康追踪和伤害统计也不准确。这些问题不仅限于战斗机制。该模型的上下文长度有限，当物体离开玩家视野超过十分之九秒时，模型会忘记它们。这导致了一些奇怪的游戏现象，比如切换视角时出现传送或随机生成敌人。此外，WHAMM的模拟范围局限于《Quake II》的一个关卡，尝试突破这一点会导致图像生成中断，因为缺乏足够的记录数据。当扩展至公众使用时，延迟问题进一步削弱了体验。虽然与WHAMM互动可能作为一种新奇事物令人愉悦，但微软并非旨在重现原版《Quake II》的体验。其AI团队正在探索如何利用此类技术创建新的交互媒体形式。

相关报道显示，微软的Copilot获得了能够代表用户完成网络任务的能力；英特尔展示了在Core Ultra 200HX上运行的游戏内AI助手。微软团队在讨论人工智能在创意产业中的作用时，探讨了WHAMM的可能性。OpenAI近期因受吉卜力风格启发的AI创作受到批评，凸显了人们对AI能否复制人类艺术性的质疑。雷德蒙德将WHAMM定位为AI增强而非取代人类创造力的例子，这一理念也得到了英伟达ACE技术的支持。尽管完全由AI生成的游戏和电影仍然遥不可及，但像WHAMM这样的创新表明它们可能就在眼前。展望未来，微软设想由WHAMM等生成模型催生的新交互媒体形式。该公司希望未来的迭代版本能够在解决不足的同时，让游戏开发者借助AI工具打造沉浸式的叙事内容。

装备名称、人名、地名、公司名称均已翻译为中文，语句经过润色后更加通顺生动，最终输出如下：

—

简而言之：
微软展示了基于名为WHAMM的生成式AI模型运行的《Quake II》游戏，这是一种专为实时游戏设计的模型。尽管WHAMM的帧率极低，但该游戏支持完整的控制器操作。微软表示，此次演示展示的是模型的潜力，而非一款完整的游戏产品。微软的WHAMM模型建立在其早期推出的WHAM-1.6B版本基础上，后者于今年二月发布。与前代相比，WHAMM通过并行生成图像标记的方式，引入了更快的视觉输出方法，摒弃了传统的自回归方法，从而大幅降低延迟，实现接近实时的图像生成，这是推动更流畅游戏交互的重要一步。训练过程也取得了显著进展。WHAM-1.6B需要七年游戏数据的训练，而开发者仅用一周精心挑选的《Quake II》游戏数据就完成了WHAMM的训练。他们借助专业游戏测试员专注于单一关卡的数据实现了效率提升。此外，生成AI的视觉输出分辨率从300×180像素提升到640×360像素，图像质量得到明显改善，且没有对底层架构进行重大改动。

—

最终输出的文本格式更加美观，语句更加生动流畅。

(以上内容均由Ai生成)