Video Experimental Relacionado
Updated: May 27, 2025

Combining Computer Game-Based Behavioural Experiments With High-Density EEG and Infrared Gaze Tracking
Published on: December 16, 2010
Modelos de acción mundial y humana hacia la ideación del juego
Anssi Kanervisto1, Dave Bignell1, Linda Yilin Wen1
1Microsoft Research, Cambridge, UK.
La inteligencia artificial generativa (IA) puede mejorar la ideación creativa al apoyar el diseño iterativo. Un nuevo modelo, WHAM, genera una jugabilidad consistente y modificaciones del usuario, alineando la IA con las prácticas creativas.
Área de la Ciencia:
- Ciencias de la computación
- Interacción hombre-computadora
- Inteligencia artificial
Sus antecedentes:
- La IA generativa ofrece un potencial para las industrias creativas, pero se enfrenta a desafíos en el apoyo de prácticas creativas básicas como el ajuste iterativo y el pensamiento divergente.
- Los modelos actuales de IA generativa no apoyan adecuadamente los procesos creativos humanos esenciales, lo que limita su integración en los flujos de trabajo creativos.
Objetivo del estudio:
- Alinear el desarrollo de modelos de IA generativos con las necesidades de los usuarios en prácticas creativas, específicamente dentro del desarrollo de juegos.
- Introducir y evaluar un nuevo modelo de IA generativa que aborde las limitaciones en el apoyo a los procesos creativos iterativos y divergentes.
Principales métodos:
- Desarrolló y evaluó el Modelo de Acción Mundial y Humana (WHAM), un modelo de IA generativa diseñado para el apoyo creativo.
- Centrado en las necesidades del usuario dentro del desarrollo del juego para guiar las capacidades de la IA, enfatizando la consistencia, la diversidad y la persistencia de las modificaciones del usuario.
Principales resultados:
- WHAM demuestra la capacidad de generar secuencias de juego consistentes y diversas.
- El modelo persiste con éxito las modificaciones del usuario, una característica crítica para alinear la IA con flujos de trabajo creativos iterativos.
- WHAM aprende la estructura relevante de los datos, lo que permite aplicaciones más amplias en comparación con las herramientas específicas de dominio anteriores.
Conclusiones:
- La IA generativa, ejemplificada por WHAM, se puede desarrollar y evaluar de manera efectiva en función de las necesidades del usuario para apoyar la ideación y las prácticas creativas.
- Las capacidades demostradas de WHAM representan un avance significativo en las herramientas de apoyo a la creatividad impulsadas por la IA, particularmente en dominios dinámicos como el desarrollo de juegos.
Videos de Conceptos Relacionados
Social Scripts
Natural Selection and Adaptation
Beyond physical adaptations,...
Steps in the Modeling Process
Attention is the first necessary component for observational learning. It involves focusing on what the model is doing and saying. For example, if you decide to take a drawing class to enhance your skills, you need to pay close attention to the instructor's words and hand movements. The characteristics of the model significantly...
Concepts and Prototypes
The brain organizes this information using concepts, which are mental categories grouping linguistic data,...
Collisions in Multiple Dimensions: Problem Solving
A small car of mass 1,200 kg traveling east at 60 km/h collides at an intersection with a truck of mass 3,000 kg traveling due north at 40 km/h. The two vehicles are locked together. What is the...
Modeling in Therapy
Participant Modeling
Participant modeling involves therapists demonstrating calm and effective behaviors in...

