Kabam stellt mit Weights & Biases die Spieleentwicklung in den Mittelpunkt
„Vor W&B war es immer sehr schwierig, herauszufinden, was falsch war, wenn es eine Verhaltensdiskrepanz gab. Wenn wir jetzt ein Problem haben, können wir es normalerweise schnell lösen. Meistens müssen wir dazu nur einen Blick auf unsere Dashboards werfen.“
Eric Chou
Senior Software Engineer
Unterhaltung auf kleinen Bildschirmen
Dieses Jahr wird es weltweit über 3 Milliarden mobile Spieler geben . Das sind großartige Neuigkeiten für alle Videospielhersteller, auch für Kabam, einen führenden Anbieter immersiver mobiler Spiele.
Aber bei all den Gamern auf der Welt ist es wichtig, nicht zu vergessen: Es ist eine Sache, Downloads für Ihr Spiel zu erzielen, aber eine andere Sache ist es, das Interesse der Spieler zu wecken und sie dazu zu bringen, immer wieder zurückzukommen. Bugs oder Störungen können beispielsweise oft die Stimmung der Spieler verderben. Langsames Laden, Abstürze, Einfrieren und Grafik- oder Audioprobleme können von leicht ärgerlich zu extrem frustrierend eskalieren.
Obwohl es unmöglich ist, ein fehlerfreies Spiel zu entwickeln, ist das ML-Team bei Kabam bestrebt, dem so nahe wie möglich zu kommen.
Feedbackschleifen verkürzen
Während ML in der Spielebranche bereits auf vielfältige Weise eingesetzt wird, beispielsweise zur Verbesserung der Spielbalance und zur Steigerung der Reaktivität von Nicht-Spielfiguren, setzt Kabam aus einem anderen Grund auf ML: als KI-Spieldesignassistent. Das erste Ziel des KI-Systems besteht darin, die ML-Forschung des Teams zu verbessern und auszubauen.
Stellen Sie sich ein Tool vor, das ML-Anwendern auf die gleiche Weise helfen kann, wie es die Rechtschreibprüfung für Autoren getan hat. Klingt ziemlich gut, oder? Das Team bei Kabam hat dieses Tool Wirklichkeit werden lassen und ihnen so mehr Sicherheit bei ihrer täglichen Arbeit gegeben. „Die ML-Pipeline besteht normalerweise aus vielen beweglichen Teilen – Datensätze, Funktionen, Modelle, Parameter – die Liste ist endlos. Änderungen an einer Komponente können Fehler in anderen Komponenten verursachen“, sagt Eric Chou, Senior Software Engineer bei Kabam.
Nehmen wir zum Beispiel das Hinzufügen eines neuen Codeteils zu einem bestehenden ML-Projekt. Die größte Angst eines jeden Praktikers ist, das System zu beschädigen. Mit der vom Team entwickelten Lösung können sie den neuen Code darauf ausführen, um zu sehen, ob Fehler auftreten. Wenn keine Probleme auftreten, können sie beruhigt mit dem nächsten Schritt fortfahren.
Als sich die Neuigkeiten über die Effektivität des neuen Tools im Unternehmen herumsprachen, wurde es bald auch von anderen Teams wie dem Game Design in ihren Workflow integriert. „Wenn das Game Team ein neues Feature in ein Spiel einführt, testet es es mit unserem System und stellt sicher, dass nichts Bestehendes gestört wird“, sagte Eric. „Wenn etwas schief geht, können wir es frühzeitig erkennen und entscheiden, ob wir das Feature noch etwas weiter nach vorne bringen wollen.“
Probleme intelligenter und schneller angehen
Während der KI-Assistent des Teams für Zuverlässigkeit bei Kabam sorgte, stellte Weights & Biases im Hintergrund auch sicher, dass sich das neue Tool zuverlässig verhielt.
Mit der Funktion wandb.log kann das Team in verschiedenen ML-Workflows fast alles protokollieren, was es möchte – Zahlen, Bilder, Videos, Audio, HTML, 3D und vieles mehr. Auf diese Weise kann das Team Modellpipelines problemlos visualisieren und debuggen.
„Vor W&B war es bei Verhaltensabweichungen wirklich schwierig herauszufinden, was falsch war. Wenn wir jetzt ein Problem haben, können wir es normalerweise schnell lösen. Meistens reicht ein Blick auf unsere Dashboards, um es zu lösen“, sagte Eric.
Darüber hinaus ist für ein innovatives Team wie Kabam effizientes Experimentieren von entscheidender Bedeutung. Mit den verschiedenen Metriken, die sie in Weights & Biases beobachten können, kann das Team neue Experimente problemlos mit früheren Durchläufen vergleichen und auf Konsistenz prüfen. Diese Transparenz trägt dazu bei, eine robuste Experimentierkultur zu fördern und ermöglicht es dem Team, neugierig zu bleiben und Risiken einzugehen. Die Entwicklung des KI-Assistenten ist ein Paradebeispiel für eine gut umgesetzte Idee mit wirkungsvollen Ergebnissen.
Die Zukunft des Gamings verändern
Kabam ist bekannt für seine innovativen Unterhaltungslösungen für Mobilgeräte und sucht ständig nach Möglichkeiten, Innovationen zuverlässig und effizient voranzutreiben. Mit der Implementierung von ML in der Organisation nutzte das Team die Leistungsfähigkeit der KI, um eine Lösung zu entwickeln, die ihnen bei der Entwicklung zuverlässiger ML-Pipelines helfen könnte.
Kabam optimiert seine Arbeit mit Weights & Biases und verfügt über eine schnelle Feedbackschleife, um Problembereiche schnell zu identifizieren und zu beheben. In der schnelllebigen Gaming-Branche ist es entscheidend, unerwartetes Verhalten zu erkennen, das Fehler verursachen könnte, um ein großartiges Spielerlebnis zu gewährleisten.
Neugierig auf Kabams Spiele? Besuchen Sie deren Website , um mehr zu erfahren oder, noch besser, probieren Sie sie selbst aus.