SG.hu·
Nem csillapodik az Nvidia új technológiája, a DLSS 5 körüli felháborodás
A generatív MI alkalmazása a játékok grafikájánál komoly szakmai és művészeti aggályokat vet fel.
Az Nvidia a múlt héten mutatta be a DLSS 5 technológiát, és az azután kialakult ellenállás mértéke egészen rendkívüli. A játékiparban nem szokatlanok a különféle bejelentésekre adott dühös reakciók, ám nem mindig könnyű felismerni, hogy egy ilyen válasz puszta reflexszerű felháborodás-e, vagy egy sokkal mélyebb és indokoltabb elutasítás. Az Nvidia és a technológia néhány támogatója igyekezett úgy beállítani a reakciót, mint az előbbit, vagyis egy olyan heves, de gyorsan elmúló felindulást, amely majd alábbhagy, amint az emberek hozzászoknak az újdonsághoz. Ez az állítás azonban nehezen egyeztethető össze a DLSS 5-öt érő kritikák mértékével, amelyek nemcsak a játékosoktól érkeznek, akik megdöbbentek a cég által bemutatott példákon, hanem a fejlesztők széles köréből is, akik ezt a technológiát komoly visszalépésnek látják.
Mindkét kritika teljesen jogos. Azok a DLSS 5 példák, amelyeket az Nvidia bemutatott, kifejezetten rosszak abból a szempontból, hogy nagyon egyértelműen aláásták az alkotók eredeti művészi szándékait azzal, hogy olyan szűrőket alkalmaztak a karaktereken, amelyek jelentősen megváltoztatták azok megjelenését és arcvonásait. Az így kapott karakterek látványa a közösségi médiát elárasztó MI alapú, silány minőségű pornográf reklámok szereplőire emlékeztetett. Az, hogy ezek a képek számtalan ellenőrzési ponton átmentek az Nvidián belül anélkül, hogy bárki felismerte volna, hogy az emberek gyűlölni fogják őket, egészen megdöbbentő.
Felmerült az az érv, hogy a probléma a technológia bemutatásában rejlett, vagyis hogy már önmagában rossz ötlet volt ezt a szűrt megjelenést meglévő játékok karaktereire alkalmazni, mert ez eleve negatív reakciókat indukál. A reakció talán kevésbé lett volna heves, ha az Nvidia egy eredeti, kifejezetten a DLSS 5 használatára optimalizált bemutatót mutat be ahelyett, hogy meglévő játékokat „szépít át”. A valódi probléma azonban mélyebben gyökerezik annál, mint hogy a vállalat rosszul választotta meg a példákat. A fejlesztők ugyanolyan határozottan utasítják el a DLSS 5-öt, mint a felhasználók, de gyakran egészen más okokból. A fejlesztők sem kedvelik azt az elképzelést, hogy egy MI réteg vizuális módosításokat végezzen a karaktermodelleken, ám kritikáik arra is rámutatnak, hogy a bemutatott példák nemcsak „elmossák” a karakterek arcát, hanem meg is változtatják, sőt egyes esetekben teljesen szétzilálják az egész jelenet fénykezelési modelljét.
Az arcváltozásokra való összpontosítás elvonja a figyelmet arról, hogy az Nvidia valójában a természetesebb és fejlettebb világítás ígéretével reklámozza a DLSS 5-öt, és a technológia védelmezői gyakran azzal érvelnek, hogy a fejlesztők majd kézben tarthatják a rendszert, így az nem fogja eltorzítani például a karakterek arcát, miközben a jelenetek világítása javul. Ez jól hangzana, ha igaz lenne, de szinte az összes bemutatott példában a világítás kifejezetten gyenge. Bizonyos szempontból talán simább és természetesebb, de az eredeti jelenetekhez képest, ahol a DLSS 5 nincs bekapcsolva, a világítás általában fakóbb, a jelenetek laposabbak és kontrasztszegényebbek, a karakterek pedig gyakran úgy néznek ki, mintha teljesen más módon lennének megvilágítva, mint a környezetük.
Lehetséges, hogy ez is annak a rossz döntésnek a következménye, hogy a technológiát meglévő játékokon mutatták be egy kifejezetten erre a célra készült demonstráció helyett. Mégis úgy tűnik, hogy ez mélyebb probléma, amely magából a DLSS 5 által képviselt technológiai megközelítésből fakad. Egy hatalmas mennyiségű képadaton betanított mélytanulási modell legkézenfekvőbb felhasználása az alacsony felbontású képek feljavítása úgy, hogy új részleteket jósol meg a nagyobb felbontású képhez. Ez nem mindig tökéletes, de általában lenyűgözően jól működik, és a modern játékok eszköztárának alapvető részévé vált.
Ennek a működésnek a kiterjesztése arra, hogy magát az alapképet módosítsa, például megváltoztassa a világítást vagy a karakterek bizonyos vizuális jellemzőit, már egészen más kérdés. Ez jól működhet olyan specifikus területeken, ahol a hagyományos renderelési technikák nehezen boldogulnak, például a haj megjelenítésénél, ám ha szabad kezet kap a teljes jelenet vagy a karakterek megvilágításának alakításában, komoly problémába ütközik. Ezek a modellek úgy működnek, hogy a tanítóadatokban található hasonló minták átlagolásával hoznak létre eredményeket, ami azt jelenti, hogy rendkívül érzékenyek arra, mi szerepel ezekben az adathalmazokban, és hajlamosak a jeleneteket az „átlagos” irányába tolni, azaz laposabbá, világosabbá és kevésbé egyedivé tenni azokat.
Pontosan ezt látjuk az Nvidia által bemutatott képeken, és ez az egyik fő oka annak, hogy sok fejlesztő nyíltan ellenszenvvel viseltetik a technológia iránt. A kiváló világítási modellek megalkotása, amelyek lehetővé teszik, hogy a játékok hangulatosak és egyediek legyenek, több mint harminc éve a videojáték-grafika egyik legfontosabb kihívása. Nem utolsósorban azért, mert ahogyan az emberek rendkívül érzékenyek az arcok természetellenes megjelenésére, ugyanúgy gyorsan észreveszik azt is, ha a világítás valahol nem stimmel.
Az, hogy az Nvidia, egy olyan vállalat, amelynek fejlődése nagyrészt annak köszönhető, hogy olyan chipeket és eszközöket fejlesztett, amelyek lehetővé tették ezt az előrelépést a játékok világításában. Ez a cég most egy olyan MI eszközt erőltet a játékgrafika következő lépéseként, amely látványosan nem éri el az eddigi szintet, és ez jól magyarázza, miért érzi sok fejlesztő - függetlenül attól, hogy általában hogyan viszonyul a MI-hez - ezt az egészet arculcsapásnak. Természetesen a történet jelentős része az Nvidia átalakulásával függ össze. A vállalat korábban elsősorban játékokhoz készült 3D-s chipek gyártója volt, de ez már jó ideje nem a fő tevékenysége. A MI fellendülésének köszönhetően a világ egyik legnagyobb vállalatává nőtte ki magát, és az iparág nagy szereplői között zajló, sokszor gyanúsan körkörös pénzügyi befektetések egyik kulcsszereplőjévé vált. A játékpiac ma már csak kis részét teszi ki az Nvidia üzletének, a bevételek döntő hányada a MI termékek és szolgáltatások iránti kereslet növekedésétől függ.
Nem meglepő, hogy egy elsősorban a MI-re fókuszáló vállalat azt állítja, hogy a játékgrafika jövője a MI által generált eszközökben és technológiákban rejlik. Az sem meglepő, hogy erőteljesen reagál arra, hogy úgy tűnik, mind a fogyasztók, mind a fejlesztők elutasítják ezeket a megoldásokat. Az Nvidia vezérigazgatója, Jensen Huang határozottan lépett fel, és egy sajtóbeszélgetésen kijelentette, hogy a játékosok „teljesen tévúton vannak” a DLSS 5 megítélésében. Ez nem a legjobb módja egy fogyasztói ellenállás kezelésének, de Huang szemszögéből a játékosok csupán egy marginális fogyasztói csoportot jelentenek. Az ő valódi ügyfelei a MI adatközpontok, amelyek ezrével rendelik a több tízezer dollárba kerülő Blackwell MI chipeket. Bár a DLSS 5 ennek az üzletágnak közvetlenül nem releváns, az a lehetőség, hogy a fogyasztók egyre inkább elutasítják a generatív MI technológiákat a médiában, nagyon is fontos számára. Ebből a nézőpontból nem meglepő, hogy nem békülékeny hangnemet ütött meg azokkal a felhasználókkal szemben, akiknek nem tetszett, amit láttak.
Érdemes megjegyezni, hogy nem ez az első kudarc az Nvidia részéről az ilyen típusú modellek játékgrafikai folyamatokba való bevezetésében. Bár a felbontásnövelés általában sikeresnek bizonyult, a képkocka-generálás - vagyis az, amikor a játék képkockaszámát MI által létrehozott képkockákkal növelik a valódi képkockák közötti kitöltéssel - jóval kevésbé népszerű. Furcsa késleltetési érzetet kelt, és gyakran kifejezetten rosszul néz ki, különösen gyors mozgás esetén. A képkocka-generálás legalább kikapcsolható, nem teljesen világos azonban, hogy a felhasználók milyen mértékben kapnak majd hasonló kontrollt a DLSS 5 funkciói felett, mivel Huang szerint ezek sokkal mélyebben integrálódnak a játékokba, mint egy egyszerű utófeldolgozási szűrő. Ha kikapcsolhatók lesznek, könnyen elképzelhető, hogy ez a funkció is olyanná válik, mint a legtöbb televízión alapértelmezetten bekapcsolt mozgássimítás, amelyet a hozzáértő felhasználók nem kedvelnek, a film- és televíziós alkotók pedig kifejezetten gyűlölnek.
Bizonyos értelemben az igazi tragédia az, hogy kiábrándító, hogy ez jelenti az Nvidia szerint a következő nagy lépést a játékgrafika fejlődésében. Évek óta várunk egy jelentős ugrásra, ám a sugárkövetés jóval kisebb hatást gyakorolt, mint azt sokan remélték, és az elmúlt évtizedben a grafikai fejlődés inkább lassú és fokozatos volt. Minden hardveres előrelépés ellenére az Nvidia ragaszkodása ahhoz, hogy ezt a számítási teljesítményt generatív MI technológiákra bízza, inkább a vállalat stratégiai prioritásaiból fakad, mintsem a fejlesztőkkel való valódi egyeztetésből. Ha ez lesz a jövőbeni Nvidia chipek fő iránya, akkor könnyen lehet, hogy hosszú időre egy technológiai platón ragadunk.
Az Nvidia a múlt héten mutatta be a DLSS 5 technológiát, és az azután kialakult ellenállás mértéke egészen rendkívüli. A játékiparban nem szokatlanok a különféle bejelentésekre adott dühös reakciók, ám nem mindig könnyű felismerni, hogy egy ilyen válasz puszta reflexszerű felháborodás-e, vagy egy sokkal mélyebb és indokoltabb elutasítás. Az Nvidia és a technológia néhány támogatója igyekezett úgy beállítani a reakciót, mint az előbbit, vagyis egy olyan heves, de gyorsan elmúló felindulást, amely majd alábbhagy, amint az emberek hozzászoknak az újdonsághoz. Ez az állítás azonban nehezen egyeztethető össze a DLSS 5-öt érő kritikák mértékével, amelyek nemcsak a játékosoktól érkeznek, akik megdöbbentek a cég által bemutatott példákon, hanem a fejlesztők széles köréből is, akik ezt a technológiát komoly visszalépésnek látják.
Mindkét kritika teljesen jogos. Azok a DLSS 5 példák, amelyeket az Nvidia bemutatott, kifejezetten rosszak abból a szempontból, hogy nagyon egyértelműen aláásták az alkotók eredeti művészi szándékait azzal, hogy olyan szűrőket alkalmaztak a karaktereken, amelyek jelentősen megváltoztatták azok megjelenését és arcvonásait. Az így kapott karakterek látványa a közösségi médiát elárasztó MI alapú, silány minőségű pornográf reklámok szereplőire emlékeztetett. Az, hogy ezek a képek számtalan ellenőrzési ponton átmentek az Nvidián belül anélkül, hogy bárki felismerte volna, hogy az emberek gyűlölni fogják őket, egészen megdöbbentő.
Felmerült az az érv, hogy a probléma a technológia bemutatásában rejlett, vagyis hogy már önmagában rossz ötlet volt ezt a szűrt megjelenést meglévő játékok karaktereire alkalmazni, mert ez eleve negatív reakciókat indukál. A reakció talán kevésbé lett volna heves, ha az Nvidia egy eredeti, kifejezetten a DLSS 5 használatára optimalizált bemutatót mutat be ahelyett, hogy meglévő játékokat „szépít át”. A valódi probléma azonban mélyebben gyökerezik annál, mint hogy a vállalat rosszul választotta meg a példákat. A fejlesztők ugyanolyan határozottan utasítják el a DLSS 5-öt, mint a felhasználók, de gyakran egészen más okokból. A fejlesztők sem kedvelik azt az elképzelést, hogy egy MI réteg vizuális módosításokat végezzen a karaktermodelleken, ám kritikáik arra is rámutatnak, hogy a bemutatott példák nemcsak „elmossák” a karakterek arcát, hanem meg is változtatják, sőt egyes esetekben teljesen szétzilálják az egész jelenet fénykezelési modelljét.
Az arcváltozásokra való összpontosítás elvonja a figyelmet arról, hogy az Nvidia valójában a természetesebb és fejlettebb világítás ígéretével reklámozza a DLSS 5-öt, és a technológia védelmezői gyakran azzal érvelnek, hogy a fejlesztők majd kézben tarthatják a rendszert, így az nem fogja eltorzítani például a karakterek arcát, miközben a jelenetek világítása javul. Ez jól hangzana, ha igaz lenne, de szinte az összes bemutatott példában a világítás kifejezetten gyenge. Bizonyos szempontból talán simább és természetesebb, de az eredeti jelenetekhez képest, ahol a DLSS 5 nincs bekapcsolva, a világítás általában fakóbb, a jelenetek laposabbak és kontrasztszegényebbek, a karakterek pedig gyakran úgy néznek ki, mintha teljesen más módon lennének megvilágítva, mint a környezetük.
Lehetséges, hogy ez is annak a rossz döntésnek a következménye, hogy a technológiát meglévő játékokon mutatták be egy kifejezetten erre a célra készült demonstráció helyett. Mégis úgy tűnik, hogy ez mélyebb probléma, amely magából a DLSS 5 által képviselt technológiai megközelítésből fakad. Egy hatalmas mennyiségű képadaton betanított mélytanulási modell legkézenfekvőbb felhasználása az alacsony felbontású képek feljavítása úgy, hogy új részleteket jósol meg a nagyobb felbontású képhez. Ez nem mindig tökéletes, de általában lenyűgözően jól működik, és a modern játékok eszköztárának alapvető részévé vált.
Ennek a működésnek a kiterjesztése arra, hogy magát az alapképet módosítsa, például megváltoztassa a világítást vagy a karakterek bizonyos vizuális jellemzőit, már egészen más kérdés. Ez jól működhet olyan specifikus területeken, ahol a hagyományos renderelési technikák nehezen boldogulnak, például a haj megjelenítésénél, ám ha szabad kezet kap a teljes jelenet vagy a karakterek megvilágításának alakításában, komoly problémába ütközik. Ezek a modellek úgy működnek, hogy a tanítóadatokban található hasonló minták átlagolásával hoznak létre eredményeket, ami azt jelenti, hogy rendkívül érzékenyek arra, mi szerepel ezekben az adathalmazokban, és hajlamosak a jeleneteket az „átlagos” irányába tolni, azaz laposabbá, világosabbá és kevésbé egyedivé tenni azokat.
Pontosan ezt látjuk az Nvidia által bemutatott képeken, és ez az egyik fő oka annak, hogy sok fejlesztő nyíltan ellenszenvvel viseltetik a technológia iránt. A kiváló világítási modellek megalkotása, amelyek lehetővé teszik, hogy a játékok hangulatosak és egyediek legyenek, több mint harminc éve a videojáték-grafika egyik legfontosabb kihívása. Nem utolsósorban azért, mert ahogyan az emberek rendkívül érzékenyek az arcok természetellenes megjelenésére, ugyanúgy gyorsan észreveszik azt is, ha a világítás valahol nem stimmel.
Az, hogy az Nvidia, egy olyan vállalat, amelynek fejlődése nagyrészt annak köszönhető, hogy olyan chipeket és eszközöket fejlesztett, amelyek lehetővé tették ezt az előrelépést a játékok világításában. Ez a cég most egy olyan MI eszközt erőltet a játékgrafika következő lépéseként, amely látványosan nem éri el az eddigi szintet, és ez jól magyarázza, miért érzi sok fejlesztő - függetlenül attól, hogy általában hogyan viszonyul a MI-hez - ezt az egészet arculcsapásnak. Természetesen a történet jelentős része az Nvidia átalakulásával függ össze. A vállalat korábban elsősorban játékokhoz készült 3D-s chipek gyártója volt, de ez már jó ideje nem a fő tevékenysége. A MI fellendülésének köszönhetően a világ egyik legnagyobb vállalatává nőtte ki magát, és az iparág nagy szereplői között zajló, sokszor gyanúsan körkörös pénzügyi befektetések egyik kulcsszereplőjévé vált. A játékpiac ma már csak kis részét teszi ki az Nvidia üzletének, a bevételek döntő hányada a MI termékek és szolgáltatások iránti kereslet növekedésétől függ.
Nem meglepő, hogy egy elsősorban a MI-re fókuszáló vállalat azt állítja, hogy a játékgrafika jövője a MI által generált eszközökben és technológiákban rejlik. Az sem meglepő, hogy erőteljesen reagál arra, hogy úgy tűnik, mind a fogyasztók, mind a fejlesztők elutasítják ezeket a megoldásokat. Az Nvidia vezérigazgatója, Jensen Huang határozottan lépett fel, és egy sajtóbeszélgetésen kijelentette, hogy a játékosok „teljesen tévúton vannak” a DLSS 5 megítélésében. Ez nem a legjobb módja egy fogyasztói ellenállás kezelésének, de Huang szemszögéből a játékosok csupán egy marginális fogyasztói csoportot jelentenek. Az ő valódi ügyfelei a MI adatközpontok, amelyek ezrével rendelik a több tízezer dollárba kerülő Blackwell MI chipeket. Bár a DLSS 5 ennek az üzletágnak közvetlenül nem releváns, az a lehetőség, hogy a fogyasztók egyre inkább elutasítják a generatív MI technológiákat a médiában, nagyon is fontos számára. Ebből a nézőpontból nem meglepő, hogy nem békülékeny hangnemet ütött meg azokkal a felhasználókkal szemben, akiknek nem tetszett, amit láttak.
Érdemes megjegyezni, hogy nem ez az első kudarc az Nvidia részéről az ilyen típusú modellek játékgrafikai folyamatokba való bevezetésében. Bár a felbontásnövelés általában sikeresnek bizonyult, a képkocka-generálás - vagyis az, amikor a játék képkockaszámát MI által létrehozott képkockákkal növelik a valódi képkockák közötti kitöltéssel - jóval kevésbé népszerű. Furcsa késleltetési érzetet kelt, és gyakran kifejezetten rosszul néz ki, különösen gyors mozgás esetén. A képkocka-generálás legalább kikapcsolható, nem teljesen világos azonban, hogy a felhasználók milyen mértékben kapnak majd hasonló kontrollt a DLSS 5 funkciói felett, mivel Huang szerint ezek sokkal mélyebben integrálódnak a játékokba, mint egy egyszerű utófeldolgozási szűrő. Ha kikapcsolhatók lesznek, könnyen elképzelhető, hogy ez a funkció is olyanná válik, mint a legtöbb televízión alapértelmezetten bekapcsolt mozgássimítás, amelyet a hozzáértő felhasználók nem kedvelnek, a film- és televíziós alkotók pedig kifejezetten gyűlölnek.
Bizonyos értelemben az igazi tragédia az, hogy kiábrándító, hogy ez jelenti az Nvidia szerint a következő nagy lépést a játékgrafika fejlődésében. Évek óta várunk egy jelentős ugrásra, ám a sugárkövetés jóval kisebb hatást gyakorolt, mint azt sokan remélték, és az elmúlt évtizedben a grafikai fejlődés inkább lassú és fokozatos volt. Minden hardveres előrelépés ellenére az Nvidia ragaszkodása ahhoz, hogy ezt a számítási teljesítményt generatív MI technológiákra bízza, inkább a vállalat stratégiai prioritásaiból fakad, mintsem a fejlesztőkkel való valódi egyeztetésből. Ha ez lesz a jövőbeni Nvidia chipek fő iránya, akkor könnyen lehet, hogy hosszú időre egy technológiai platón ragadunk.