ما يمكن أن تعلمه محرك الألعاب للذكاء الاصطناعي عن الحفاظ على عالمه مُنظماً

لعقد من الزمان الآن، يعد عالم التكنولوجيا بأن الذكاء الاصطناعي التوليدي سيحل في النهاية محل محرك الألعاب. قم بتغذية النموذج ببضع إطارات للاعب يركض عبر غابة، دعه يستقرئ الإطارات التالية، وفويلا: عوالم لا نهائية وتفاعلية دون ظهور مضلع واحد. إنها رؤية جذابة، وأصبحت نماذج توليد الفيديو جيدة بما يكفي لدرجة أن الضجة بدت معقولة.

لكن أي مطور قام بالفعل ببناء نظام تفاعلي يعرف المشكلة. النموذج التوليدي المُدرَّب على توقع البكسلات ليس لديه مفهوم عن ماهية شريط الصحة، أو أن بابًا تم فتحه قبل ثلاث دقائق يجب أن يظل مفتوحًا، أو أن مخزون اللاعب يستمر عبر المشاهد. إنه يرى فقط الإطارات. وعندما يكون كل ما لديك هو إطارات، فإن العالم يعاد ضبطه في كل مرة يرمش فيها اللاعب.

ورقة بحثية جديدة من مختبر ألايا، نُشرت على arXiv في يوليو 2026 تحت عنوان From Pixels to States: Rethinking Interactive World Models as Game Engines، تأخذ هذا التوتر على محمل الجد. بدلاً من السؤال عن كيفية جعل توليد الفيديو أكثر واقعية، يطرح المؤلفون سؤالاً أكثر جوهرية: ما الذي تفعله محركات الألعاب بالفعل ولا تستطيع النماذج التوليدية فعله، وكيف نسد هذه الفجوة؟

الحلقة التي تُبقي العالم على قيد الحياة

الحركة المركزية في الورقة هي أخذ حلقة محرك الألعاب التقليدية كعدسة تنظيمية. في المحرك التقليدي، التدفق هو: يقوم اللاعب بأداء فعل، هذا الفعل يُحدِّث حالة لعبة صريحة وفقًا لقواعد محددة، ويتم عرض ملاحظة من الحالة الناتجة. ثم تتكرر الحلقة. الحالة هي قاعدة بيانات من الحقائق: موقع اللاعب، عدد الأعداء الأحياء، الأبواب غير المقفلة.

النماذج التوليدية تتخطى خطوة الحالة. إنها تتعلم رسم خريطة من سلسلة من الملاحظات السابقة والفعل مباشرة إلى ملاحظة متوقعة تالية. هذا يعمل بشكل جيد في المقاطع القصيرة، لكنه ينهار على مدى التفاعلات الأطول لأنه ليس لدى النموذج تمثيل مستمر للشروط الأساسية للعبة.

تنظم الورقة المشكلة في أربعة أبعاد: التحكم في فعل اللاعب، ديناميكيات حالة اللعبة، استمرارية ملاحظة الحالة، والتوليد التفاعلي في الوقت الفعلي. لكل بُعد، يستعرض المؤلفون الأساليب الحالية، ويصنفونها في عائلات، ويوضحون مقايضاتها.

ما يُعتبر قاعدة

ديناميكيات الحالة هي حيث تتسع الفجوة بين النماذج التوليدية ومحركات الألعاب بسرعة أكبر. القاعدة في محرك اللعبة تقول: إذا جمع اللاعب خمسة شعارات بالضبط، افتح الباب المغلق. النموذج التوليدي ليس لديه معادل لتلك القاعدة. يمكنه تعلم الارتباطات الإحصائية: تميل الأبواب إلى الفتح عندما يحمل اللاعب أشياء شبيهة بالشعارات. لكنه لا يستطيع فرض شرط منطقي صعب للعبة بشكل موثوق عبر آلاف الإطارات، خاصة عندما يعتمد الشرط على شيء حدث قبل عشر دقائق.

تناقش الورقة عدة عائلات من الأساليب التي تحاول حقن الوعي بالحالة في خطوط الأنابيب التوليدية. تضيف إحدى العائلات مُنبئًا منفصلاً بالحالة يعمل جنبًا إلى جنب مع مولد الفيديو، للحفاظ على خريطة صريحة للأشياء والشروط. تقوم عائلة أخرى بتضمين معلومات الحالة مباشرة في الفضاء الكامن لنموذج الانتشار، بحيث يحمل تمثيل النموذج نفسه بعض الاستمرارية. تحاول عائلة ثالثة تقطير منطق اللعبة في أوزان الشبكة العصبية من خلال التدريب طويل الأمد.

لكل منها مقايضاتها. مُنبئات الحالة الصريحة قابلة للتفسير والتصحيح، لكنها تتطلب تعليقًا توضيحيًا يدويًا لما يُعتبر حالة. تتجنب تضمينات الحالة المُتعلّمة ذلك التعليق التوضيحي ولكنها يمكن أن تنحرف بمرور الوقت ويصعب مراجعتها عندما تفشل.

90 ساعة من Black Myth: Wukong

المساهمة العملية للورقة هي محرك بيانات مبني حول Black Myth: Wukong، لعبة آر بي جي الحركة التي طورتها Game Science. جمع الفريق أكثر من 90 ساعة من اللعب مع أفعال اللاعب المحاذية للإطار، وحالات اللعبة الأرضية الحقيقية، والملاحظات البصرية. كل إطار مقترن بتعليقات توضيحية منظمة لظروف اللعبة: صحة اللاعب، المانا، السلاح المجهز، القدرات النشطة، مواقع الأعداء، والمزيد.

يصف المؤلفون هذا كمورد لنمذجة عالم اللعبة الواعية بالحالة. يمكن للباحثين استخدام مجموعة البيانات لتدريب النماذج التي تتعلم التنبؤ ليس فقط بالإطار التالي، ولكن بالحالة التالية. المحاذاة بين الأفعال والحالات والملاحظات دقيقة بما يكفي لتكون بمثابة معيار للحقيقة الأساسية لأي نموذج يدعي الحفاظ على الاستمرارية.

تتضمن مجموعة البيانات أيضًا تعليقات توضيحية دلالية، وهي أقل شيوعًا في مجموعات بيانات اللعب الحالية. بدلاً من متجهات الحالة العددية فقط، تسمي التعليقات التوضيحية الشروط عالية المستوى: اللاعب في معركة، اللاعب يتسلق، الزعيم أقل من 30 بالمائة من الصحة.

أين يقف المجال

لا تدعي الورقة أنها تحل مشكلة التوليد التفاعلي للعوالم. ما تفعله هو توفير مفردات للحديث عن المشكلة ومورد ملموس للعمل عليها. النبرة محسوبة، شبه سريرية، وهو أمر غير معتاد في مجال يميل نحو الإعلانات المثيرة عن نهاية تطوير الألعاب التقليدي.

يضع المؤلفون عملهم كمسح مع مجموعة بيانات مرفقة. لكن هيكل المسح نفسه هو المساهمة الأكثر إثارة للاهتمام. من خلال إجبار المجال على التفكير من حيث حلقة الفعل-الحالة-الملاحظة، تجعل الورقة مرئيًا ما تتخطاه النماذج التوليدية حاليًا: الصندوق الأسود للحالة المستمرة والمقيدة بالقواعد.

ما إذا كان الجيل القادم من العوالم التفاعلية سيعمل على محرك فيزياء، أو نموذج انتشار، أو شيء بينهما قد يعتمد على مدى جدية الصناعة في التعامل مع هذا السؤال. في الوقت الحالي، تشير الورقة إلى أن معظم النماذج التوليدية تعامل الحالة كفكرة ثانوية. هذا ينجح لمقطع فيديو مدته دقيقتان. بالنسبة للعبة يلعبها شخص ما بالفعل، فهذا لا ينجح.