Zašto je zagrebački gaming studio odbacio ChatGPT i gradi svoj AI za razvoj igara

Game Design Document (GDD) je temelj na kojem se gradi svaka uspješna igra. U njemu se nalaze definirana pravila, mehanike i svijet igre, a ako ti temelji nisu dobro postavljeni, teško je graditi kvalitetno. Upravo se s ovim problemom susreo Today’s Games Studio kada je razvijao svoj naslov ReSetna. Loše pripremljen GDD koštao ih je vremena, živaca i pada morala, ali i novaca. 

Upravo takve frustracije potaknule su Darijana Kosića, CEO-a studija Today’s Games da s timom razvije TGi – AI platformu koja automatizira, organizira i personalizira GDD tako da svi članovi tima uvijek vide točne, ažurne i za njih relevantne informacije.

U razgovoru s Darijanom saznajemo kako je ideja za TGi nastala iz konkretne muke tijekom razvoja njihove prve igre, zašto su odlučili razviti vlastiti AI model umjesto koristiti komercijalne servise poput ChatGPT-ja, kako sustav funkcionira u praksi te kakvi su im planovi za budućnost – uključujući partnerstvo s Algebrom i prijavu na IRI natječaj.

Kako je kaos u dokumentaciji doveo do razvoja TGi-ja

Tijekom ranog razvoja ReSetne, tim od desetak ljudi suočio se s ozbiljnim problemom: ključne informacije o igri bile su pogrešno shvaćene zbog loše strukturiranog i teško razumljivog GDD-a, objašnjava Darijan:

GDD je postojao, ali bio je razbacan po više Word i Excel datoteka, nejasno formuliran i preopćenit. Nije bilo ni prave kontrole verzija ni jasne podjele po ulogama.

Zbog toga smo izgubili mjesece rada – ljudi su izrađivali sadržaje koji nisu odgovarali originalno zamišljenoj viziji igre, a dio toga smo morali u potpunosti baciti i krenuti ispočetka. Da ne govorim o gubitku novca i padu morala odmah u startu razvoja.

Ideja unaprjeđivanja GDD-a već se vrtjela Dariju po glavi, ali na nju se nije usredotočio sve dok se nije pojavio Vesna Deep Tech Venture fond, koji ulaže u tehnološke inovacije, ističe Darijan:

Mi moramo imati neku tehnološku inovaciju kako bi uložili u nas, što igra sama po sebi nije. To nas je u konačnici potaknulo da krenemo razmišljati što možemo inovirati uz sam game development.

TGi spaja alate, timove i podatke

TGi je razvijen kako bi odgovorio na kaos dokumentacije u game developmentu što znači da podržava širok raspon ulaza – od dokumenata, tablica i JSON/XML podataka do slika, skica i exporta iz alata poput Figma, Jira, Unity ili Unreal, ističe Darijan:

To znači da će TGi automatski povezivati podatke iz alata poput Jire, Unityja i Trella s GDD dokumentacijom, čime ne zamjenjuje postojeće alate, već ih nadopunjuje i integrira u pametan, povezani sustav.

Ključna prednost platforme je adaptivno-modularna struktura. Svaki dio GDD-a generira se kao poseban modul koji može biti ažuriran zasebno, automatski se reintegrira u cijeli dokument i prikazuje se drugačije ovisno o korisniku. Artisti vide vizualne smjernice, a programeri tehničke detalje. Sve se to pretvara u smisleni, strukturirani GDD, objašnjava Darijan:

To omogućuje da TGi “razumije” sadržaj neovisno o njegovom formatu, a ne da samo “čita” tekst. To je ključno jer u stvarnom razvoju igre kritične informacije često nisu zapisane kao čist tekst, već su razasute kroz tablice, skice, dijagrame, komentare i neformalnu dokumentaciju.

TGi je od temelja projektiran kao on-premise ili self-hosted rješenje – što znači da se svi dokumenti, podaci i modeli nalaze lokalno kod klijenta, bez potrebe za vanjskim API pozivima, pa tako nema rizika od slanja podataka na treće servise (kao kod komercijalnih LLM rješenja), objašnjava Darijan:

Mjere sigurnosti uključuju AES-256 enkripciju podataka, pristup dokumentima temeljen na ulogama, verzioniranje promjena te opcionalnu air-gapped implementaciju za partnere s visokim sigurnosnim zahtjevima, poput AAA studija i velikih izdavača.

Također, u planu je i certificiranje prema ISO/IEC 27001 standardu za upravljanje informacijskom sigurnošću.

Zašto vlastiti LLM?

Koncept su prvo testirali na OpenAI-jevom API-ju (ChatGPT) za obradu i integraciju dokumenata, no rezultati su bili puni grešaka i halucinacija, a adaptivno-modularni pristup nije bio moguć – što je jedan od razloga zašto ne koriste komercijalne LLM servise, ističe Darijan:

Komercijalni LLM servisi ne nude kontrolu nad podacima, kontekstom i logikom stvaranja sadržaja, što je neprihvatljivo za sustav poput TGi-ja koji mora biti precizan, konzistentan i pouzdan, osobito pri radu s osjetljivim podacima i složenim projektnim zadacima.

Zbog toga razvijaju vlastiti LLM u dvije faze: prvo treniran na javno dostupnim i etički prikupljenim izvorima relevantnima za gaming industriju, a zatim fino podešen na interne materijale poput stvarnih GDD-ova, produkcijskih bilješki i sintetski generiranih dokumenata, ističe Darijan.

No, ključnu ulogu u kontinuiranom razvoju njihovog LLM-a ima RAG (Retrieval-Augmented Generation) koji modelu omogućuje dohvat i učenje iz najnovijih i najrelevantnijih izvora u stvarnom vremenu, uključujući i vanjske baze znanja te internet, objašnjava Darijan:

Tako osiguravamo potpunu kontrolu nad znanjem i kontekstom modela, usklađenost sa standardima struke i projektnim potrebama, te mogućnost trenutačne nadogradnje modela bez potrebe za ponovnim generalnim treniranjem.

Kako znaju da ih neće zamijeniti ChatGPT?

Odmah su prepoznali ChatGPT kao prijetnju, pa su TGi razvijaju kao specijaliziranu infrastrukturu za rješavanje konkretnih problema, a ne samo kao još jednog AI asistenta. ChatGPT je snažan u općem znanju, ali nije prilagođen za rad na specifičnim projektima poput GDD dokumenata, timsku suradnju ili generiranje sadržaja temeljenog na stvarnim projektima u stvarnom vremenu, objašnjava Darijan:

To je kao razlika između opće enciklopedije i internog stručnog alata za dizajn i razvoj igara – jedan zna sve pomalo, a drugi zna sve što vaš tim konkretno treba, u pravom formatu i trenutku.

Zbog toga ne konkuriraju ChatGPT-ju, već nadograđuju ono što takvi sustavi ne mogu isporučiti za realne produkcijske potrebe jednog studija, ističe Darijan:

I zato smo uvjereni da nas neće zamijeniti – jer radimo nešto što oni ne mogu skalirati bez promjene vlastitog poslovnog modela i arhitekture.

S Algebrom se prijavljuju na IRI natječaj

Prvi korak je razvoj eksperimentalnog MVP-a koji će biti prijavljen na IRI natječaj u suradnji s Algebrom. TGi će razvijati poseban tim stručnjaka za strojno učenje, NLP i AI, dok će postojeći tim ostati fokusiran na igre, osiguravajući specijalizaciju i neovisnost oba projekta, objašnjava Darijan:

Tijekom sljedećih 18 do 24 mjeseca, cilj nam je razviti i testirati eksperimentalni MVP u stvarnim uvjetima, na stvarnom game development projektu – kako bismo iterativno usavršavali sve ključne komponente TGi sustava.

TGi će se nakon MVP faze komercijalizirati kao SaaS proizvod namijenjen game development studijima i AI alatima unutar kreativne industrije, ističe Darijan:

Na GDC konferenciji u San Franciscu već smo razgovarali s nekoliko velikih studija te prikupili više pisama namjere za korištenje TGi alata, što potvrđuje jasan interes tržišta i potrebu za ovakvim rješenjem.