Prawny i moralny problem z danymi treningowymi

Pierwszym i najbardziej podstawowym zarzutem Gaidera jest fakt, że modele generatywnej AI są „często trenowane na danych niezależnie od tego, czy twórcy lub właściciele zgadzają się na taką grabież swoich danych” . Ostrzega, że ta praktyka „otwiera drogę do wszelkiego rodzaju przyszłych problemów prawnych – nawet jeśli zdecydujemy się zignorować implikacje moralne, a naprawdę nie powinniśmy” .

Typowy kontrargument branży – że bez nielegalnego pozyskiwania danych AI nie będzie działać – Gaider kwituje z charakterystyczną dosadnością: „'Jeśli nie wolno nam kraść, czego potrzebujemy, to AI nie będzie działać tak dobrze!' – to niezbyt przekonujący argument” .

Ukryte ryzyko – AI w finalnej wersji gry

Nawet jeśli studia twierdzą, że używają AI tylko w fazie koncepcyjnej, Gaider dostrzega niebezpieczną lukę. Wskazuje na realne przykłady gier, które trafiły do sprzedaży z przypadkowo pozostawionymi treściami wygenerowanymi przez AI. Ostrzega: „wystarczy jeden leniwy deweloper, jeden tymczasowy asset, o którym zapomniano, lub który umieścił ktoś, kto już odszedł z zespołu, i masz problem” .

Kryzys dla młodych deweloperów

Być może najcelniejszym argumentem Gaidera jest ten dotyczący przyszłości branży. Zauważa, że „żmudne” zadania – powtarzalne tworzenie assetów, podstawowe skryptowanie zadań, rutynowe pisanie dialogów – to właśnie poligony, na których młodzi deweloperzy uczą się swojego fachu.

„Nie byłoby tak źle, gdyby generatywną AI postrzegano raczej jako asystenta, wykonującego nudne prace, podczas gdy ważniejsze zadania zostawia się pracownikowi” – powiedział Gaider GamesRadar. „Ale wydaje się, że coraz częściej widzimy odwrotność: AI ma robić ważną pracę, a pracownik jest po to, żeby 'sprzątać'” .

Zadaje wprost pytanie, które powinno dać do myślenia każdej osobie zarządzającej studiem: „Jak zamierzamy wyszkolić następne pokolenie deweloperów, jeśli wyeliminujemy wszystkie zadania na poziomie podstawowym?” .

Ironia losu: poprawianie AI trwa dłużej niż pisanie od nowa

Opierając się na kilkudziesięcioletnim doświadczeniu narrative designera, Gaider przedstawia pragmatyczny argument dotyczący budżetu czasu. „Przez cały czas pracy jako narrative designer ani razu nie spotkałem się z sytuacją, w której edytowanie gorszego produktu zajęłoby mniej czasu niż po prostu wyrzucenie go i zrobienie od nowa” .

Jak podkreśla, „niezliczoną ilość razy” przekonał się, że poprawianie treści wygenerowanych przez AI jest o wiele bardziej czasochłonne niż pisanie od zera – a efekt końcowy i tak może być co najwyżej „przeciętny” (mediocre) .

Bezmyślny output i niemożność prawdziwej iteracji

Gaider od dawna krytykuje opowiadanie historii przez AI. Już w 2023 roku mówił w rozmowie z IGN, że proceduralne generowanie zadań i dialogów daje efekty „nijakie” i „bezmyślne” (lackluster and soulless) . Problem, jak wyjaśnia, ma charakter strukturalny: AI jest w stanie wyprodukować coś, co „kształtem przypomina zadanie”, ale nie jest w stanie dostarczyć znaczenia i niuansów, które sprawiają, że świat gry wydaje się żywy .

„Wkurzające jak diabli” – rzeczywistość poprawiania kodu i błędów wygenerowanych przez AI

Gaider krytykuje również nieprzewidywalność kodu generowanego przez AI. Ostrzega, że proces oceniania, rozwiązywania problemów i sprzątania po AI – bez zrozumienia, dlaczego wypluło ono dany wynik – „byłby wkurzająco trudny” . Opisuje technologię jako pozbawioną konsekwencji, co czyni ją fundamentalnie nieprzydatną w prawdziwych procesach deweloperskich .

Werdykt: zaraza, którą pchają prezesi, a nie twórcy

Konkluzja Gaidera jest bezlitosna: generatywna AI „nie jest gotowa na prime time. Po prostu jest wielu prezesów, którzy bardzo, bardzo chcą, żeby była” . Nie odrzuca całkowicie pomysłu, że AI mogłoby kiedyś służyć jako użyteczne narzędzie wspomagające rutynowe zadania, ale podkreśla, że obecny trend – stawianie AI na czele procesu twórczego, a człowieka w roli „sprzątacza” – jest dokładnie odwrotnością tego, co powinno mieć miejsce .

Prawny i moralny problem z danymi treningowymi

Pierwszym i najbardziej podstawowym zarzutem Gaidera jest fakt, że modele generatywnej AI są „często trenowane na danych niezależnie od tego, czy twórcy lub właściciele zgadzają się na taką grabież swoich danych” . Ostrzega, że ta praktyka „otwiera drogę do wszelkiego rodzaju przyszłych problemów prawnych – nawet jeśli zdecydujemy się zignorować implikacje moralne, a naprawdę nie powinniśmy” .

Typowy kontrargument branży – że bez nielegalnego pozyskiwania danych AI nie będzie działać – Gaider kwituje z charakterystyczną dosadnością: „'Jeśli nie wolno nam kraść, czego potrzebujemy, to AI nie będzie działać tak dobrze!' – to niezbyt przekonujący argument” .

Ukryte ryzyko – AI w finalnej wersji gry

Nawet jeśli studia twierdzą, że używają AI tylko w fazie koncepcyjnej, Gaider dostrzega niebezpieczną lukę. Wskazuje na realne przykłady gier, które trafiły do sprzedaży z przypadkowo pozostawionymi treściami wygenerowanymi przez AI. Ostrzega: „wystarczy jeden leniwy deweloper, jeden tymczasowy asset, o którym zapomniano, lub który umieścił ktoś, kto już odszedł z zespołu, i masz problem” .

Kryzys dla młodych deweloperów

Być może najcelniejszym argumentem Gaidera jest ten dotyczący przyszłości branży. Zauważa, że „żmudne” zadania – powtarzalne tworzenie assetów, podstawowe skryptowanie zadań, rutynowe pisanie dialogów – to właśnie poligony, na których młodzi deweloperzy uczą się swojego fachu.

„Nie byłoby tak źle, gdyby generatywną AI postrzegano raczej jako asystenta, wykonującego nudne prace, podczas gdy ważniejsze zadania zostawia się pracownikowi” – powiedział Gaider GamesRadar. „Ale wydaje się, że coraz częściej widzimy odwrotność: AI ma robić ważną pracę, a pracownik jest po to, żeby 'sprzątać'” .

Zadaje wprost pytanie, które powinno dać do myślenia każdej osobie zarządzającej studiem: „Jak zamierzamy wyszkolić następne pokolenie deweloperów, jeśli wyeliminujemy wszystkie zadania na poziomie podstawowym?” .

Ironia losu: poprawianie AI trwa dłużej niż pisanie od nowa

Opierając się na kilkudziesięcioletnim doświadczeniu narrative designera, Gaider przedstawia pragmatyczny argument dotyczący budżetu czasu. „Przez cały czas pracy jako narrative designer ani razu nie spotkałem się z sytuacją, w której edytowanie gorszego produktu zajęłoby mniej czasu niż po prostu wyrzucenie go i zrobienie od nowa” .

Jak podkreśla, „niezliczoną ilość razy” przekonał się, że poprawianie treści wygenerowanych przez AI jest o wiele bardziej czasochłonne niż pisanie od zera – a efekt końcowy i tak może być co najwyżej „przeciętny” (mediocre) .

Bezmyślny output i niemożność prawdziwej iteracji

Gaider od dawna krytykuje opowiadanie historii przez AI. Już w 2023 roku mówił w rozmowie z IGN, że proceduralne generowanie zadań i dialogów daje efekty „nijakie” i „bezmyślne” (lackluster and soulless) . Problem, jak wyjaśnia, ma charakter strukturalny: AI jest w stanie wyprodukować coś, co „kształtem przypomina zadanie”, ale nie jest w stanie dostarczyć znaczenia i niuansów, które sprawiają, że świat gry wydaje się żywy .

„Wkurzające jak diabli” – rzeczywistość poprawiania kodu i błędów wygenerowanych przez AI

Gaider krytykuje również nieprzewidywalność kodu generowanego przez AI. Ostrzega, że proces oceniania, rozwiązywania problemów i sprzątania po AI – bez zrozumienia, dlaczego wypluło ono dany wynik – „byłby wkurzająco trudny” . Opisuje technologię jako pozbawioną konsekwencji, co czyni ją fundamentalnie nieprzydatną w prawdziwych procesach deweloperskich .

Werdykt: zaraza, którą pchają prezesi, a nie twórcy

Konkluzja Gaidera jest bezlitosna: generatywna AI „nie jest gotowa na prime time. Po prostu jest wielu prezesów, którzy bardzo, bardzo chcą, żeby była” . Nie odrzuca całkowicie pomysłu, że AI mogłoby kiedyś służyć jako użyteczne narzędzie wspomagające rutynowe zadania, ale podkreśla, że obecny trend – stawianie AI na czele procesu twórczego, a człowieka w roli „sprzątacza” – jest dokładnie odwrotnością tego, co powinno mieć miejsce .