游戲開發是一個復雜且資源密集型的過程，尤其是在使用 像 Unreal Engine 這樣的高級工具 時。開發者會發現自己需要瀏覽大量信息，這些信息通常分散在教程、用戶手冊、API 文檔和源代碼本身中。這是一項多方面的工作，需要具備編程、設計和項目管理方面的專業知識，同時需要在創新和實際實施之間取得平衡，以滿足緊迫的截止日期和玩家期望。
大型語言模型（LLMs） 正在集成到開發流程的各個階段。這些模型通過驅動智能非玩家角色（NPC）、協助代碼生成以及最大限度地減少重復性任務所花費的時間，正在改變工作流程。然而，當 LLMs 缺乏對特定領域知識的訪問權限時——無論是角色的背景故事還是游戲引擎源代碼的復雜性——其有效性都會受到限制。雖然使用專業數據對這些模型進行微調可以幫助克服這些限制，但這一過程通常耗時且昂貴，對于希望在工作流程中充分利用人工智能的開發者來說，構成了重大挑戰。
這正是 檢索增強生成（Retrieval-Augmented Generation，簡稱 RAG） 發揮作用的地方。RAG 是一種軟件架構，它將大型語言模型（LLMs）的功能與特定于業務的信息源相結合，提供了更高效的模型再訓練替代方案。借助 RAG，開發者可以動態補充 LLM 的內部知識，使用準確的最新信息為響應奠定基礎，而無需重新訓練整個模型。
本文介紹了 RAG 如何通過提高 AI 生成內容的準確性、減少偏見和幻覺以及提供特定領域的響應來改變游戲開發。
什么是檢索增強型生成？
RAG 旨在通過將大型語言模型與其他數據源集成來增強其功能。RAG 通過四個主要組件運行：
- 用戶提示 ：此過程始于用戶的初始查詢或指令。
- 信息檢索 ：RAG 搜索相關數據集，以找到最相關的信息。
- 增強 ：檢索到的數據與用戶提示相結合，以豐富提供給 LLM 的輸入。
- 內容生成 ：LLM 根據增強的提示生成響應。
RAG 系統可以使用 Web、企業數據庫或文件系統中提供的最新信息，生成信息豐富且與上下文相關的答案。在特定領域的最新知識至關重要的情況下，此技術尤為重要。
對于希望更大限度地提高數據價值并打造更具沉浸感的游戲體驗的企業而言，RAG 是一種理想的解決方案。一些主要的優勢包括：
- 提高準確性 ：RAG 確保 NPC 和游戲元素的行為與最新的游戲故事和機制保持一致，生成逼真且符合上下文的對話和敘事元素。
- 針對特定領域的回應 ：通過集成專有游戲設計文檔和知識，RAG 可實現與游戲的獨特宇宙和風格相符的定制 AI 行為。
- 減少偏差和幻覺 ：通過將響應建立在真實數據的基礎上，RAG 最大限度地降低了生成有偏差或不準確內容的風險。
- 經濟高效的實施 ：RAG 消除了頻繁重新訓練模型的需求，使開發者能夠快速地適應新的游戲更新和擴展，同時減少手動內容創建的努力。
使用虛幻引擎 5 演示 RAG?
游戲引擎開發者通常會處理大量頻繁更新的數據集。通過將源代碼、文檔和教程嵌入本地運行的向量數據庫，他們可以使用 RAG 運行推理并與數據“聊天”。
為了展示 RAG 的強大功能，我們使用 Epic Games 的 Unreal Engine 5 開發了一個演示，該演示利用了大量公開可用的數據。該演示托管在 OCI 云基礎設施上，由 NVIDIA A100 Tensor Core GPU 實例提供支持。它采用 Code Llama 34 B，這是一個針對代碼生成進行調整的 LLM，由 NVIDIA Triton Inference Server 和 NVIDIA TensorRT-LLM 優化。
該演示包含三個獨立的數據庫：用戶文檔、API 文檔和源代碼本身。RAG 系統會從這些數據庫中檢索相關信息，并在向 LLM 展示這些數據庫之前對最有用的結果進行排名。雖然 Code Llama 可以處理一些基本的 Unreal Engine 問題，但其回答可能過時或過于通用，無法實際使用。通過集成 RAG，系統顯著提高了回答的準確性和相關性，通常包括代碼示例和對原始源材料的引用。
此外，開發者可以使用 NVIDIA AI 工作臺 Hybrid RAG 項目 構建 RAG 驅動的應用。該項目與 Unreal Engine 5 文檔無縫集成，使開發者能夠創建全面的知識庫，以增強游戲開發工作流程。借助 NVIDIA AI 工作臺，開發者可以高效利用本地和云資源，并享受在 NVIDIA RTX GPU 上輕松運行嵌入和檢索流程的靈活性，同時將推理卸載到云中。
這種混合方法使游戲創作者能夠直接在其開發環境中快速訪問有關引擎功能、藍圖腳本和渲染技術的相關信息，從而簡化流程，以便他們可以更專注于創造力和創新。 了解有關使用 AI Workbench 構建混合 RAG 應用程序的更多信息 。
當您準備好將 RAG 驅動的應用部署到生產環境中時， NVIDIA AI Enterprise 可為 NVIDIA RAG 流程中使用的軟件提供企業級支持。其中包括 NVIDIA NIM 微服務，這些微服務可在易于部署的軟件容器中提供具有標準 API 的預構建優化推理引擎。
游戲開發的實際 RAG 用例?
RAG 為游戲開發者帶來顯著優勢，可改善開發流程并提高整體開發者體驗：
- 增強文檔訪問 ：RAG 簡化了與 Unreal Engine 5 文檔的交互，使開發者能夠直接在其開發環境中快速找到有關引擎功能、藍圖腳本和渲染技術的答案。
- 智能代碼輔助 ：通過利用龐大代碼庫和最佳實踐，RAG 可以提供上下文感知代碼建議，從而提高編碼效率并減少錯誤。
- 快速原型設計 ：RAG 可幫助生成占位符內容 (例如臨時對話或級別描述)，從而在開發的早期階段加快迭代速度。
- 開發者入門和培訓 ：由 RAG 提供支持的個性化教程系統可以根據新團隊成員的技能水平為其提供指導，從而顯著改進入門流程并支持持續學習。
- 自動錯誤解決 ：RAG 可以從內部文檔、已知問題數據庫和社區論壇中檢索相關解決方案，從而幫助開發者解決問題。
開始使用 RAG?
RAG 代表著 AI 驅動游戲開發發展的下一步。通過將其他數據集與基礎 LLM 無縫集成，RAG 可提高生成內容的準確性、相關性和及時性。無論是游戲開發、知識檢索、客戶服務，還是無數其他應用，RAG 都能提供經濟高效且功能強大的解決方案，改變企業和開發者與其數據進行交互的方式。
與 NVIDIA 和 Dell 一起參加 Unreal Fest，了解如何構建和擴展 RAG 支持的聊天機器人，以增強游戲開發工作流程并加速創意流程。歡迎訪問我們在展覽區的 NVIDIA/Dell 展臺，并參加我們的會議“ 用生成式 AI 讓 MetaHumans 如生 ”。我們迫不及待地想與您相見！
加入 NVIDIA 游戲開發社區并注冊以 接收最新消息 。
?
