Pembangun Berdebat Sama Ada LLM Benar-Benar Mempercepatkan Pembangunan Permainan Selepas Perbandingan 3 Bulan vs 3 Hari

Pasukan Komuniti BigGo
Pembangun Berdebat Sama Ada LLM Benar-Benar Mempercepatkan Pembangunan Permainan Selepas Perbandingan 3 Bulan vs 3 Hari

Perbandingan seorang pembangun antara membina dua permainan kad - satu mengambil masa 3 bulan tanpa bantuan AI dan satu lagi disiapkan dalam 3 hari menggunakan Claude - telah mencetuskan perdebatan hangat dalam komuniti pengaturcaraan tentang sama ada model bahasa besar benar-benar mempercepatkan pembangunan permainan atau perbandingan tersebut pada asasnya cacat.

Eksperimen asal melibatkan penciptaan Truco, sebuah permainan kad tradisional, selama tiga bulan pada 2024 tanpa bantuan LLM, diikuti dengan membina Escoba, permainan kad lain, dalam hanya tiga hari menggunakan Claude AI pada 2025. Walau bagaimanapun, komuniti dengan cepat mengenal pasti beberapa isu dengan perbandingan ini yang mempersoalkan keputusan tersebut.

Perbandingan Garis Masa Pembangunan Permainan:

  • Truco (tanpa LLM): 3 bulan dari awal
  • Escoba (dengan Claude LLM): 3 hari menggunakan pangkalan kod sedia ada sebagai asas
  • Susunan teknologi: Backend Go yang dikompil kepada WebAssembly, frontend React
  • Kedua-dua permainan digunakan sebagai aplikasi sisi klien tanpa kos pelayan
Perbincangan tentang permainan kad biasa di Argentina menonjolkan relevan budaya permainan seperti Truco dan Escoba
Perbincangan tentang permainan kad biasa di Argentina menonjolkan relevan budaya permainan seperti Truco dan Escoba

Masalah Kelebihan Tidak Adil

Kritikan paling ketara tertumpu pada pendekatan pembangun terhadap permainan kedua. Daripada memulakan dari awal, mereka mengklon backend Truco yang sedia ada dan meminta Claude untuk memfaktorkan semula kod tersebut untuk permainan baru. Ini memberikan AI permulaan yang besar - bukan sahaja dari segi kod sedia ada, tetapi juga semua keputusan seni bina, pengajaran yang dipelajari, dan wawasan penyelesaian masalah dari projek pertama.

Ahli komuniti menunjukkan bahawa mana-mana pembangun berpengalaman berkemungkinan boleh melakukan tugas pemfaktoran semula yang sama dalam jangka masa yang serupa, dengan atau tanpa bantuan AI. Perbandingan tersebut pada dasarnya menjadi membina permainan dari awal berbanding mengubah suai permainan sedia ada, bukannya ujian sebenar keupayaan LLM dalam pembangunan permainan.

Pengkodan Bukan Halangan Sebenar

Perbincangan mendedahkan wawasan yang lebih mendalam tentang pembangunan permainan yang terlepas dari pandangan ramai di luar industri. Pembangun permainan berpengalaman menekankan bahawa mengkod mekanik tidak pernah menjadi cabaran utama dalam mencipta permainan yang menarik. Kesukaran sebenar terletak pada reka bentuk permainan, mengimbangi mekanik, mencipta aset yang menarik, dan yang paling penting, membuat sesuatu yang benar-benar menyeronokkan untuk dimainkan.

Bahagian pengkodan dalam pembangunan permainan tidak pernah benar-benar menjadi halangan. Seorang pembangun solo boleh menghasilkan mekanik dengan cukup pantas, dengan atau tanpa AI. Kesukaran sebenar terletak pada semua lapisan tidak kelihatan di atasnya; mengimbangi gelung, menala kesukaran, mencipta aset yang tidak kelihatan pelik, dan membina cukup kilauan untuk menarik perhatian seseorang selama lebih daripada 5 minit.

Perspektif ini membantu menjelaskan mengapa kita tidak melihat ledakan permainan berkualiti tinggi walaupun alat AI menjadi lebih mudah diakses. Teknologi mungkin telah menurunkan satu halangan, tetapi dinding tertinggi kekal tidak tersentuh.

Peraturan berstruktur permainan kad " Escoba " menekankan reka bentuk rumit yang diperlukan dalam pembangunan permainan selain daripada pengkodan semata-mata
Peraturan berstruktur permainan kad " Escoba " menekankan reka bentuk rumit yang diperlukan dalam pembangunan permainan selain daripada pengkodan semata-mata

Kelebihan Data Latihan

Beberapa pembangun menyatakan bahawa permainan kad seperti yang dalam eksperimen sangat diwakili dalam data latihan AI. Kursus sains komputer kerap memberikan projek serupa, dan peraturan permainan didokumentasikan dengan baik dalam talian. Ini menjadikan permainan kad sangat sesuai untuk bantuan LLM, tetapi keputusan mungkin tidak dapat diterjemahkan kepada konsep permainan yang lebih kompleks atau novel.

Seorang pengulas memerhatikan bahawa meminta LLM untuk menghasilkan lembaran sprite lengkap untuk permainan 2D - keperluan biasa dalam pembangunan permainan - secara konsisten gagal, menonjolkan batasan alat AI semasa untuk penciptaan aset permainan sebenar.

Cabaran Pembangunan Permainan Dunia Sebenar

Perbincangan komuniti juga menyentuh cabaran yang lebih luas dalam pembangunan permainan moden. Walaupun dengan enjin berkuasa seperti Unity yang mendemokrasikan penciptaan permainan sejak 2010an, bilangan permainan yang benar-benar luar biasa tidak meningkat secara berkadar dengan bilangan percubaan. Ini menunjukkan bahawa halangan teknikal, walaupun nyata, bukan faktor pembatas utama untuk mencipta permainan yang berjaya.

Pertandingan permainan, di mana pembangun mencipta permainan yang boleh dimainkan dalam 24-48 jam, telah wujud lama sebelum LLM dan menunjukkan bahawa pembangun mahir boleh dengan pantas membuat prototaip konsep permainan. Perbezaan antara prototaip pertandingan permainan dan keluaran komersial terletak pada bulan atau tahun iterasi, kilauan, dan penyelarasan yang mengikuti.

Statistik Keluaran Permainan Steam:

  • Keluaran harian: ~50 permainan sehari setakat 2024
  • Keluaran bulanan pada 2010: <10 permainan indie
  • Keluaran bulanan pada 2022: ~500 permainan
  • Keluaran bulanan pada 2024: ~750 permainan
  • Yuran penerbitan Steam: $100 USD setiap permainan

Memandang ke Hadapan

Walaupun perbandingan asal mungkin cacat, ia mencetuskan perbincangan berharga tentang peranan AI dalam pembangunan perisian. Konsensus menunjukkan bahawa LLM cemerlang sebagai alat produktiviti untuk pembangun berpengalaman yang bekerja pada masalah biasa, tetapi mereka tidak menghapuskan cabaran asas kerja kreatif.

Perdebatan menonjolkan perbezaan penting antara pengkodan dan pengaturcaraan - walaupun AI boleh membantu dengan butiran pelaksanaan dan kod boilerplate, penyelesaian masalah kreatif dan pemikiran reka bentuk yang menjadikan permainan menarik kekal sebagai cabaran yang jelas manusiawi. Apabila teknologi terus berkembang, aplikasi paling berharga mungkin dalam menambah kreativiti manusia daripada menggantikannya.

Rujukan: Making Games in Go: 3 Months Without LLMs vs 3 Days With LLMs!