14 点石成金？

14 点石成金？ (第2/2页)

李安南想了想，和那人约了个地方见面。主要是那人说的东西，确实引起了他的兴趣。
　　
　　场景是游戏必不可少的基石。除了《刺客信条》的部分情节，所有游戏都不可能在一片白光里发生剧情。主角一定要在一个地方，才能做出行动。这个地方可以是旷野，可以是屋内，也可以是宇宙飞船中。
　　
　　场景做得越精美细致，就越是能给玩家带来真实感，让玩家对游戏产生美好感官，游玩时也更容易进入沉浸状态。
　　
　　但游戏场景做起来，十分耗时耗力，成本很高，性价比却很低。有些场景玩家可能停都不停地跑过去了，制作起来依然不能偷工减料。
　　
　　李安南知道这是个痛点，所以想知道算法的原理，究竟如何提高制作游戏场景速度。
　　
　　那人名叫魏向明，戴个眼镜，看起来一副学霸摸样。见到李安南，生怕李安南不信，上来就噼里啪啦地说了一通。
　　
　　魏向明的想法，是通过机器学习，研发出一种AI算法，算法可以自动分析风景类图片、影片，把图片中的地形地貌，转化为游戏中的多边形体，再渲染成游戏场景。
　　
　　如果成功，以后做游戏就简单了。要做《GTA》那样的城市场景，就派人到纽约之类的城市，举着摄相机逛一圈。要做《上古卷轴》那样的天际世界，就去冰岛之类的地方转一转。别家必须花费好几年时间，才能构筑出的精致虚幻世界，李安南却只要几个星期就行……
　　
　　可真是巨大的生产力提升啊！
　　
　　但这有可行性吗？李安南不由怀疑。
　　
　　图片也好，影片也好，其实是由无数个在平面上的像素点组成。人是通过自己的脑补，才建立起的3D立体感。
　　
　　电脑如何能模拟人脑，把2D画面转换成3D游戏资源？
　　
　　听了李安南的质疑，魏向明并不露怯，仍然信心十足地道：“AI可以基于神经网络，进行超高强度的训练。比如这个杯子……”
　　
　　魏向明单手端起面前的咖啡杯，另一手拿着手机，模拟从各个方向拍摄。
　　
　　然后魏向明道：“一开始，我们也许需要数十张，甚至数百张图片，才能让AI认知到杯子是3D的。但通过不断训练，这个数字会慢慢缩小。最终，AI可以只要根据几张不同角度的图片，就能彻底地理解图片里的空间方位。”
　　
　　“真的能做到吗？”李安南还是怀疑，太科幻了。
　　
　　魏向明颇为自豪地道：“我认为可以。我曾在脸书研发过一种广告AI，分析用户的心情，决定是否多推送广告，效果很好。更早在麻省理工时，我和导师还做过一款简单的AI，分析学生在社交媒体的言论，判断他们是否会逃课。对于自动化、AI和算法，我从很早以前就开始学习了。我现在已经有了思路和方向，只是缺了一个机会！”
　　
　　李安南有些心动了。他没学过这些，不知道是不是被忽悠了。但AI确实是最近几年的风口。如今硬件发展到了一定的高度，有了足够的算力，让人可以尝试去把科幻的狂想化为现实。而且前景也非常可观。
　　
　　就好像魏向明说的AI算法，若是实现，一款3A游戏的制作成本，将直接降低一大截，同时效率加快无数倍！
　　
　　李安南决定再和魏向明聊一聊，看看这人靠不靠谱。
　　
　　魏向明确实是个学霸。清华毕业以后，拿到了麻省理工的全额奖学金读研，毕业以后先后在好几个硅谷企业任职，最后EA挖去，负责图形优化工作。
　　
　　但魏向明发现，他已经触碰到了华人在美国的职场天花板。不管他怎么跳槽，不管做出了什么贡献，都得不到升迁。看着一些白人能力比他弱许多，却被公司当宝一样地捧到高位，连印度人都爬得比他快，他很不平衡。
　　
　　他本来已经萌生退意，打算回国发展，到更公平的地方，一展才华。得知EA变天之后，他意识到是个机会，于是找到李安南的联系方式，主动联系。
　　
　　谈到这里，李安南已经可以做出决定了。
　　
　　李安南决定赌一把，赌魏向明真的能做出那个神乎其神的AI算法。
　　
　　赌赢了，李安南就得到了点石成金般的巨大优势！想一想，别人用两年时间、砸几千万甚至上亿美元，才能端出一款3A大作。李安南却能两三个月就甩出一款3A来。这是多么恐怖的事情？
　　
　　即使赌输了，李安南除了损失一点钱，又丢了什么呢？