top of page

「生成式 AI」編程新世代:父子聯手設計「食鬼 x 貪食蛇」遊戲

  • hktechblog
  • 5月22日
  • 讀畢需時 3 分鐘
ree

要數經典的電子遊戲,相信大家一定聽過、甚至玩過「食鬼」(Pac-man)或「貪食蛇」(Nibbles),兩款遊戲都是操控著角色一邊避開障礙物,一邊吃掉地圖上的食物,系統易上手之餘亦非常刺激。有外國電腦工程師就在與兒子玩遊戲時忽發奇想,寓教於樂,與兒子一同設計揉合「食鬼」與「貪食蛇」元素的電子遊戲。

 

最終,他們在 AWS 最新的「生成式 AI」助手 Amazon Q Developer CLI 的幫助下,僅花一個下午就設計出兩款可動可玩的電子遊戲,令人驚訝現時在「生成式 AI」協助下,「遊戲設計」的門檻已逐步降低,相信未來更多玩家的創意將可隨時實現!

 

以 Amazon Q Developer CLI 輸入自然語言 自動編寫及修改遊戲程式碼

ree

任職 AWS 的 Derek Bingham 早前撰文分享與兒子設計電子遊議的趣味體驗。他指在與兒子決定一同設計遊戲之時,他發現最簡單、最直接的方式,就是安裝 AWS 最新的「生成式 AI」助手 Amazon Q Developer CLI。他指,Amazon Q Developer CLI 雖然並不是一款特別針對遊戲開發而設計的助理,但它卻能將「生成式 AI」功能直接帶到程式設計的指令列,在配搭上專為電子遊戲設計的跨平台 Python 模組 Pygame,整體效果出奇地好。

 

Bingham 特別提到,為了讓 12 歲、對程式設計沒有太多經驗的兒子一同編寫遊戲,他選用以 免費且開源、可跨平台的 Pygame 來開發遊戲,一來安裝容易,二來使用 Python 能讓初學者更易上手;配搭上 Amazon Q,在示範中可見 Bingham 只輸入了一句「q doctor」,Amazon Q 即可自行檢視相關的安裝設定是否已經完成。

 

Amazon Q Developer CLI 大幅降低遊戲設計技術門檻

ree

接著,Bingham 向 AI 助理輸入提詞(prompt):「編寫一個結合食鬼與貪食蛇概念、使用 pygame 設計的遊戲。」(q /chat "write a pygame game which combines the ideas of pacman and nibbles")Amazon Q Developer CLI 即著手處理各類繁瑣工作,例如建立程式碼儲存庫、生成 README.md 文件、自動填寫 pacnibbles.py 的程式碼等,AI 更在完成項目後向 Bingham 父子展示設計的遊戲邏輯與機制,感覺就像 AI 助手幫他們自動整理好所有文件,讓二人能更專心於設計出更好的遊玩機制、更符合遊戲感覺的畫風等核心內容。

Bingham 隨即亦實測及成功啟動遊戲,在試玩過後,Bingham 為改善遊戲畫面窒礙問題,又隨即向 Amazon Q 發了一些以自然語言為基礎的「優化提示」,進行如改善畫質(I now want the game to look really nice with enghanced graphics)、新增遊戲功能(I now want power pills which let me eat the ghost as a concept)的修改;結果,這款融合「食鬼」與「貪食蛇」概念的遊戲「pacnibbles」隨即誕生。

 

以 Vibe Coding 專注遊戲設計 實現創意

 

Bingham 總結經驗,指與兒子一同設計遊戲「pacnibbles」的核心原理,是使用了「child coding」的方法,形式上與近年使用 AI 技術的「vibe coding」(氛圍編程)相近,他們先以遊戲玩法核心感受出發,並透過「生成式 AI」來補足技術細節,再不斷疊代建構出遊戲的樣貌。

 

總結而言,Bingham 認為在 Amazon Q Developer CLI 人工智能助手的幫助下,他們能夠以遊戲體驗為最優先,建立出最小可行的產品,並使用 AI 克服技術難題,在與小孩測試過後,他們亦能進行即時的回饋與疊代優化。他認為這些「vibe coding」或「child coding」方法,在「生成式 AI」助手幫助下,能有助他們輕鬆實現二人的創意遊戲設計想法,亦成為他們父子二人的最佳親子「遊戲」!

 

如有興趣了解更多 Amazon Q Developer CLI ,可即到以下網址:https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/command-line.html 

 
 
 

最新文章

查看全部
AWS推模型訓練平台 Nova Forge讓企業打造專屬前沿AI模型

降低大型模型訓練門檻 開放企業自主開發頂級AI能力 頂級AI模型的開發一直是科技巨頭的專利。訓練一個前沿大型語言模型需要數千個GPU、數百萬美元的投資,以及深厚的機器學習專業知識。這讓絕大多數企業只能選擇使用現成的商業模型,無法根據特定需求深度客製化。然而,通用模型往往無法完全滿足特定產業或應用的獨特需求。亞馬遜雲端服務(AWS)推出的Amazon Nova Forge,打破了這個障礙。這個創新平

 
 
 
Amazon Bedrock服務層級:精準匹配AI工作負載效能與成本的智慧選擇

人工智慧應用的多樣化需求正在重塑企業對雲端服務的期待。從即時客服聊天機器人到大規模文件分析,不同的AI工作負載對效能、延遲和成本有著截然不同的要求。企業面臨的挑戰是如何在確保應用效能的同時,有效控制AI服務的成本支出。一刀切的服務模式已無法滿足這種多元化需求,企業迫切需要更靈活、更精準的服務選項。亞馬遜雲端服務(AWS)推出Amazon Bedrock全新服務層級功能,為企業提供多層次的效能和成本

 
 
 
AWS推無伺服器AI模型微調服務 重新定義企業機器學習開發模式

Amazon SageMaker無伺服器客製化功能 讓AI開發更快速更經濟 在企業數位轉型的浪潮中,人工智能技術扮演著越來越重要的角色。然而,傳統的AI模型開發和部署過程往往需要大量的基礎設施投資和專業技術人才,這對許多企業來說是一個巨大的挑戰。亞馬遜雲端服務(AWS)近日宣布,在其Amazon SageMaker AI平台上推出無伺服器客製化(Serverless Customization)功

 
 
 

留言

評等為 0(最高為 5 顆星)。
暫無評等

新增評等
bottom of page