ملخص: نماذج العالم بارعة في توليد مشاهد بيئية قابلة للتفاعل، أما محركات الألعاب التقليدية فبارعة في تنفيذ القواعد الدقيقة ومحاكاة الفيزياء وإدارة الحالة. التقنيتان تعملان على مستويين مختلفين، وأكثر المسارات منطقية هو استخدامهما معًا.
الخلاصة أولًا: لا تزال محركات الألعاب التقليدية ضرورية. النماذج الثلاثة التمثيلية Genie 3 وWHAM-RT/WHAMM وOasis باتت قادرة على توليد مشاهد قابلة للتفاعل في الوقت الفعلي بمعدل إطارات يتراوح بين 10 و24 إطارًا في الثانية (FPS)، لكن اتساقها المتواصل يُقاس بالثواني أو الدقائق، وهي تخطئ على مستوى القواعد في أمور مثل تذكّر الأجسام واحتساب الضرر وإحصاء نقاط الصحة. أما محرك اللعبة فيوفّر تنفيذًا حتميًا للقواعد وحسابات فيزيائية واستمرارية للحالة ومزامنة بين اللاعبين المتعددين، وهذه تحديدًا هي القاعدة التي تعمل عليها الألعاب التجارية. في المرحلة الحالية، يناسب نموذج العالم أن يتولى توليد البيئات والتنبؤ البصري والمساعدة في إنتاج المحتوى، بينما يبقى المحرك مسؤولًا عن القواعد الأساسية، ليتشكّل من الاثنين معًا بنية هجينة.
في ما يلي نوضّح أولًا الفرق في منطق التشغيل بين نماذج العالم والمحركات التقليدية، ثم نستعين بالمؤشرات المعلنة للنماذج الثلاثة لنحدد إلى أي مدى وصلت، بعدها نفكّك حالات الفشل المحددة التي أعلنها WHAMM، ثم نرصد المسؤوليات الهندسية التي يتحملها المحرك الناضج، وأخيرًا نقدّم تقسيم الأدوار في البنية الهجينة واختيار السيناريو ومثالًا برمجيًا قابلًا للتشغيل.

تمهيد معرفي: مصطلحات نماذج العالم ومحركات الألعاب
| المصطلح | الشرح |
|---|---|
| نموذج العالم | نموذج ذكاء اصطناعي يتوقع الحالة البيئية في اللحظة التالية ويولّدها اعتمادًا على الصورة الحالية وأفعال اللاعب |
| FPS | يشير في هذا المقال إلى عدد الإطارات المعروضة في الثانية؛ وفي سياق أنواع الألعاب يشير أيضًا إلى ألعاب التصويب من منظور الشخص الأول |
| دقة الصورة | عدد البكسلات أفقيًا وعموديًا في الصورة، مثل 640×360 و720p |
| نافذة السياق | نطاق المعلومات التاريخية التي يمكن للنموذج الرجوع إليها عند توقع الحالات اللاحقة، ويُقاس عادة في نماذج العالم بالثواني أو الإطارات |
| التوليد الانحداري الذاتي | توليد كل إطار بناءً على الإطارات المولّدة سابقًا، مع تراكم الخطأ إطارًا بعد إطار |
| محرك الفيزياء | نظام يحسب القيود الفيزيائية مثل التصادم والحركة والقوى |
| استمرارية الحالة | حفظ حالة اللاعب والمهام وكائنات العالم بحيث يمكن قراءتها والاستمرار منها في أي وقت |
| المزامنة الجماعية | آلية تجعل لاعبين مختلفين يرون ويتحكمون في حالة لعبة واحدة متسقة |
| الحتمية | أن يؤدي الإدخال نفسه دائمًا إلى النتيجة نفسها، وهو شرط أساسي لتصحيح الأخطاء وإعادة التشغيل واللعب عبر الشبكة |
| محرك الألعاب | نظام تطوير وتشغيل ينظّم التصيير والمدخلات والفيزياء والرسوم المتحركة والشبكة وإدارة الموارد |
| البنية الهجينة | حل مركّب يتولى فيه نظام برمجي تقليدي إدارة القواعد والحالة، بينما يوفّر نموذج توليدي المحتوى |
1 توليد عالم اللعبة في الوقت الفعلي بالذكاء الاصطناعي: الفرق في منطق التشغيل بين نموذج العالم ومحرك اللعبة
1.1 نموذج العالم ينتقل من توليد الأصول إلى توليد العالم
في الماضي، كان الذكاء الاصطناعي في تطوير الألعاب يركّز أساسًا على توليد الأصول مثل الأنسجة والمجسمات والتعليقات الصوتية، ثم تُسلَّم هذه الأصول في النهاية إلى المحرك لتجميعها وتشغيلها. وقد غيّر نموذج العالم هذا التقسيم: يستقبل النموذج مباشرةً مدخلات اللاعب من لوحة المفاتيح أو ذراع التحكم، ويتوقع الإطار التالي، وتتكرر العملية في حلقة، فتتشكل بيئة «قابلة للعب». وتُعد Genie 3 من Google DeepMind، وسلسلة Muse من Microsoft Research (WHAM-RT/WHAMM)، وOasis من Decart وEtched ثلاث جهات رائدة في هذا الاتجاه.
منطق تشغيل الألعاب التقليدية هو أن المطوّرين يحددون مسبقًا المشاهد والمجسمات والقواعد وأنظمة الفيزياء، فتؤدي عمليات اللاعب إلى تفعيل منطق مُعدّ مسبقًا، ثم يحسب المحرك الحالة الجديدة ويصيّر الصورة. أما منطق نموذج العالم فهو «ملاحظة + فعل ← توقع الإطار التالي»، حيث تكون القواعد مضمنة في الديناميكيات البصرية التي تعلّمها النموذج من بيانات التدريب. في المسار الأول تُشتق الصورة من حساب الحالة، أما في الثاني فالصورة نفسها هي تقريب النموذج للحالة.
1.2 كتابة الذكاء الاصطناعي للشيفرة وتوليده للصورة ينتميان إلى مسارين
في 9 نوفمبر 2026، نُشر مشروع Saltline الذي طوّره مهندس Anthropic فيليكس ريزبرغ، وكثيرًا ما يُناقش إلى جانب نماذج العالم. وهو نموذج لعب صغير الحجم للعبة تصويب من منظور الشخص الأول يعمل في المتصفح، ومشهده ميناء حاويات في ليلة ممطرة، ويتضمن مستوى مهمة واحدًا. ووفقًا لتقدير المطوّر نفسه، استغرق Claude Fable 5.2 نحو 8 ساعات في ظروف موجه واحد ودون تغذية راجعة بشرية، وستهلك نحو 445 مليون توكن إدخال (معظمها قراءات من ذاكرة التخزين المؤقت) ونحو 2.7 مليون توكن إخراج، وبحسب تسعير API قُدِّرت التكلفة بنحو 550 دولارًا؛ هذه الأرقام مأخوذة من منشور عام للمطوّر وهي تقديرات تقريرية ذاتية.
إن وصف Saltline بأنها «3A» ليس سوى هدف تجريبي حدده المطوّر ومقارنة بصرية. أما مسارها التقني فهو أن الذكاء الاصطناعي يولّد نحو 1.4MB من شيفرة HTML/JavaScript، بينما تُولَّد المجسمات والأنسجة والأصوات برمجيًا بواسطة الشيفرة وبرامج Shader، ويصيّرها المتصفح محليًا عبر Three.js وWebGL أثناء التشغيل. في هذا المسار يعمل الذكاء الاصطناعي في مرحلة التطوير، بينما يظل التشغيل برنامجًا حتميًا، أي أنه يتبع في جوهره منطق تشغيل «على طريقة المحرك». أما نموذج العالم فيجعل الذكاء الاصطناعي يولّد الصورة إطارًا بإطار في مرحلة التشغيل، لذا يختلف هيكل التكلفة والموثوقية بينهما اختلافًا جذريًا.

2 المؤشرات التقنية لتوليد عوالم الألعاب في الوقت الفعلي عبر ثلاثة نماذج للعالم
2.1 مقارنة المؤشرات المعلنة للنماذج الثلاثة
الأرقام الواردة في الجدول أدناه هي مؤشرات أعلنتها كل فرقة ضمن بيئة العرض التقني الرسمية الخاصة بها. وبما أن ظروف الاختبار تختلف من فريق إلى آخر، فهي مناسبة لتقدير الحجم العام ولا تصلح للمقارنة المباشرة أو الترتيب الأفقي.
| المؤشر | Genie 3 (Google DeepMind) | WHAM-RT/WHAMM (Microsoft Research) | Oasis (Decart & Etched) |
|---|---|---|---|
| تاريخ الإعلان | 5 أغسطس 2025 | 2025 | أكتوبر 2024 |
| بيئة العرض التوضيحي | بيئة عامة تُولّد من موجه نصي | بيئة تفاعلية شبيهة بـ Quake II | عالم مكعبات حر شبيه بألعاب البناء |
| معدل الإطارات | بحد أقصى 24 FPS | أكثر من 10 FPS | 20 FPS |
| الدقة | 720p | 640×360 | لم تُعلن رسميًا كمؤشر رئيسي |
| الاتساق/الذاكرة | تبقى البيئة متسقة لعدة دقائق، وتمتد الذاكرة البصرية إلى نحو دقيقة سابقة | السياق نحو 0.9 ثانية (نحو 9 إطارات عند 10 FPS) | يعتمد على تقنيات مثل Dynamic Noising لكبح تراكم الأخطاء |
| حجم النموذج/درجة الانفتاح | الأوزان غير معلنة | عرض بحثي | 500M معلمة، مع كود وأوزان مفتوحة المصدر |
| طريقة التوليد | توليد عوالم ذاتية الانحدار في الوقت الفعلي | توليد قائم على MaskGIT | انتشار في الفضاء الكامن بنموذج Transformer + توليد ذاتي الانحدار |
2.2 Genie 3: توليد عوالم قابل للتحكم موجّه نحو البيئات العامة
هدف Genie 3 هو نموذج عالم عام: يصف المستخدم عالمًا بالكلمات، فيدخل إليه ويستكشفه في الوقت الفعلي؛ إذا تقدّم إلى الأمام، يولّد النموذج ما أمامه، وإذا استدار، يولّد زاوية رؤية جديدة. يدعم النموذج أيضًا Promptable World Events، أي تغيير أحداث العالم مثل الطقس أو ظهور أشياء باستخدام موجه نصي. عرضت Google كذلك تجربة تجمع بين Genie 3 وعميل SIMA الذكي، حيث يكمل العميل أهدافه داخل العالم المولّد عبر أفعال التنقل، ما يشير إلى أن نماذج العالم مرشحة لتكون بيئة لتدريب الوكلاء الأذكياء.
في 29 يناير 2026، أُتاح تطبيق الويب التجريبي Project Genie المبني على Genie 3 لمشتركي Google AI Ultra في الولايات المتحدة الذين تجاوزوا 18 عامًا، ويوفّر رسم العوالم واستكشافها وإعادة مزجها. كشفت الجهة الرسمية أن كل تجربة توليد محدودة بـ 60 ثانية، وأن التحكم بالشخصية قد يتأخر، وأن القوانين الفيزيائية قد لا تكون دقيقة، وأن Promptable World Events لم تكن مدمجة بعد في ذلك الوقت.
2.3 WHAM-RT/WHAMM: الانتقال إلى لعبة جديدة ببيانات قليلة
نموذج Muse (World and Human Action Model) من مايكروسوفت دُرّب في البداية على لعبة Bleeding Edge من Ninja Theory، وشملت البيانات أكثر من مليار صورة من اللعبة وأفعال وحدة التحكم، أي ما يعادل نحو 7 سنوات من اللعب المتواصل. أما النسخة الفورية فقد نقلت التقنية نفسها إلى Quake II، ولم تستخدم للعبة الجديدة سوى نحو أسبوع من البيانات المنظّمة، مع سرعة توليد تتجاوز 10 FPS ودقة تصل إلى 640×360.
تعبر عبارة «بيانات أسبوع واحد» عن حجم البيانات المستخدمة عند الانتقال إلى لعبة جديدة، ولا علاقة لها بمدة التدريب ولا بتكلفة التدريب من الصفر. تكمن دلالتها في أن نموذج عالم قائمًا بالفعل يمكنه التكيّف مع بيئة تفاعل جديدة بكمية相对 قليلة من البيانات الجديدة، وهذا مؤشر مهم على خفض عتبة البيانات.
2.4 Oasis: تجربة تفاعلية لحظية مفتوحة المصدر بسرعة 20 FPS
يتكوّن Oasis من مشفّر تلقائي مكاني، وعمود فقري انتشاري في الفضاء الكامن مبني على Transformer، وتوليد انحداري تلقائي، وتحكّم مشروط بمدخلات المستخدم؛ وهو يدعم الحركة والقفز والتقاط العناصر وتدمير المكعبات. القيود الزمنية التي أعلنها الفريق واضحة: سرعة 20 FPS تعني 50 مللي ثانية لكل إطار، وللوصول إلى 25 FPS يجب توليد إطار واحد في نحو 0.04 ثانية.
Oasis عرض تقني، ولم يحصل على ترخيص Minecraft من Microsoft أو Mojang. أشار الفريق أيضًا إلى أن زيادة السرعة وتقليل تكاليف الخدمة على نطاق واسع يتطلبان بنية تحتية للاستنتاج أكثر كفاءة. توضح هذه النقطة سمة التكلفة لدى نماذج العالم: كل إطار هو عملية استنتاج واحدة، وكم من الوقت يقضيه اللاعب في اللعب، تمتد بقدره مدة الحساب على GPU.
3 لماذا يحدث الخطأ في عوالم الألعاب التي يولّدها نموذج العالم؟
3.1 حالات الفشل المحددة التي كشفت عنها WHAMM علنًا
أدرجت مايكروسوفت في مقالها التقني عن WHAMM قائمة مفصّلة بقيود النموذج، وهذه القائمة هي أثمن دليل مباشر للحكم على مدى نضج نماذج العالم.
| ظاهرة الفشل | التجلي الفعلي | السبب الجذري |
|---|---|---|
| نسيان الكائنات | الأشياء الخارجة عن مجال الرؤية ينساها النموذج | السياق حوالي 0.9 ثانية فقط (9 إطارات) |
| اختفاء الأعداء من العدم أو ظهورهم منه | عندما ينظر اللاعب إلى الأرض ثم يرفع رأسه، قد يختفي العدو أو يظهر من جديد | لا توجد حالة كائنات محفوظة خارج إطار الشاشة |
| إحصاء نقاط الحياة غير دقيق | قد يتغير رقم الصحة بشكل خاطئ | تُستنتج القيمة من الصورة “بالتخمين”، مع غياب منطق العدّ |
| أخطاء في تفاعل الأعداء | انحراف في حساب الضرر وتحديد الإصابة | تُتعلَّم القواعد تقريبيًا من البيانات، مع غياب تسوية حتمية |
| تجمّد عند حدود المرحلة | لم يُدرَّب النموذج إلا على جزء من مرحلة واحدة في Quake II، وعند الوصول إلى نهاية بيانات التدريب قد يتجمّد التوليد | نطاق التوليد محدود بتغطية بيانات التدريب |
| تأخير على نطاق واسع | قد يظهر تأخير ملحوظ عندما يجرّب عدد كبير من المستخدمين في الوقت نفسه | ضغط الخدمة الناتج عن الاستدلال الفوري لكل إطار |
ووصفت مايكروسوفت الأمر وصفًا دقيقًا: فهذه محاكاة تقريبية للبيئة من نموذج توليدي، واللاعب يجرّب النموذج نفسه، أما التجربة الكاملة للنسخة الأصلية من Quake II فما زالت اللعبة الأصلية هي التي توفّرها.
3.2 مشكلة الاتساق تنبع من بنية الانحدار الذاتي ذاتها
3.2.1 طول الذاكرة يحدد إلى أي مدى يستطيع العالم أن «يتذكر»
لا يستطيع نموذج العالم التنبؤ بالمستقبل إلا بالاعتماد على الإطارات السابقة الموجودة في نافذة السياق. وتعني نافذة 0.9 ثانية في WHAMM أنه بعد خروج عدو من مجال الرؤية بنحو 9 إطارات، يصبح النموذج بلا أساس يستند إليه في افتراض وجوده. وقد مدّ Genie 3 الذاكرة البصرية إلى نحو دقيقة، وحافظ على الاتساق لعدة دقائق، وهذا تقدم واضح، لكن الألعاب كثيرًا ما تتطلب أن يعود اللاعب بعد ساعات إلى الغرفة نفسها فيرى الصندوق الذي فُتح كما هو؛ وهو ما يفرض مقياس ذاكرة أعلى بعدة مراتب.
3.2.2 القواعد تهدف إلى أن «تبدو معقولة»
هدف تدريب النموذج هو أن يبدو الإطار التالي معقولًا. والقواعد التي تحتاج إلى تجميع دقيق، مثل خصم نقاط الصحة، وعدّ الذخيرة، وتقدّم المهام، لا تشغل في الصورة سوى بكسلات قليلة، لذا يسهل على النموذج توليدها «بشكل مقنع لكنه خاطئ». وما يضمنه سطر واحد في المحرك مثل hp -= damage يحتاج في نموذج العالم إلى كم كبير من البيانات والتصميم البنيوي كي يقترب منه.
3.3 مساحة الأفعال وحدود مدة التفاعل في Genie 3
تشمل القيود التي تعترف بها Genie 3 رسميًا ما يلي: نطاق الأفعال التي يمكن للوكيل تنفيذها مباشرةً محدود، والتفاعلات المعقدة بين عدة وكلاء مستقلين لا تزال صعبة، والمواقع الجغرافية الواقعية لا يمكن إعادة إنتاجها بدقة، وعرض النصوص غير مستقر، ويُقاس التفاعل المستمر أساسًا بدقائق معدودة. وتعني مساحة الأفعال المحدودة أن تركيبات المهارات المعقدة وعمليات حقيبة الظهر وتفرعات الحوار يصعب التعبير عنها مباشرةً؛ أما صعوبة التفاعل بين الوكلاء المتعددين فتؤثر تأثيرًا مباشرًا في سيناريوهات اللاعبين المتعددين والذكاء الاصطناعي الجماعي.
4 القدرات الأساسية التي توفرها محركات الألعاب التقليدية
4.1 نظرة على العمق الهندسي للمحرك من خلال Unreal Chaos Physics كمثال
يغطي نظام Chaos Physics في Unreal Engine ديناميكا الأجسام الصلبة، ونظام التدمير، والفيزياء الشبكية، ومحاكاة الأقمشة، ونظام الراجدول، وفيزياء المركبات، ومحاكاة الموائع، والرسوم المتحركة الفيزيائية، ومحاكاة الشعر. وتكمن قيمة هذه الوحدات في أنها قابلة للتحكم والتكرار والتصحيح: فعندما تصيب الرصاصة نفسها الجدار نفسه بالزاوية نفسها، يمكن إعادة إنتاج نتيجة حساب الشظايا، ويستطيع المطور تحديد المشكلة إطارًا بإطار، كما تتيح الفيزياء الشبكية الحفاظ على اتساق النتائج عبر عدة أجهزة.
4.2 المسؤوليات النظامية الثماني التي يتحملها محرك الألعاب
| نظام المحرك | الوظيفة الأساسية | القدرة المقابلة الحالية لدى نموذج العالم |
|---|---|---|
| نظام المشهد | إدارة الخرائط والكائنات والتسلسل الهرمي | يُعبّر عنه ضمنيًا عبر الصورة، وتفتقر الكائنات إلى هوية مستقلة |
| نظام الفيزياء | معالجة التصادم والحركة والقوى | يُتعلّم تقريبيًا من البيانات، والدقة محدودة |
| نظام الرسوم المتحركة | إدارة هياكل الشخصيات وحركاتها | توليد على مستوى الصورة، ويصعب التحكم الدقيق في الهيكل العظمي |
| نظام الشبكات | معالجة المزامنة بين اللاعبين المتعددين | لا يزال التفاعل المعقد بين الوكلاء المتعددين صعبًا |
| نظام الموارد | إدارة النماذج والنسيج والمؤثرات الصوتية | الموارد هي أوزان النموذج، ويصعب استبدالها بشكل مستقل |
| إدارة الحالة | حفظ حالة اللاعب والمهام والعالم | مقيّد بنافذة السياق، وWHAMM حوالي 0.9 ثانية |
| نظام التصيير | إخراج مستقر للصورة بالجودة المحددة | بمستوى 720p/24 FPS، ومقيّد بقدرة الاستدلال الحسابية |
| أدوات التصحيح | تحديد الأخطاء وعنق الزجاجة في الأداء | المخرجات توليد احتمالي، ويصعب تصحيحها تدريجيًا بنقاط التوقف |
4.3 الحتمية هي شريان الحياة للألعاب التجارية
تتيح الحتمية تسجيل اللعبة وإعادة تشغيلها، وإجراء اختبارات آلية، وإعادة إنتاج الأخطاء التي يبلغ عنها اللاعبون، وهي أيضًا أساس المزامنة الإطارية في اللعب الجماعي ومكافحة الغش. تحمل مخرجات نموذج العالم قدرًا من العشوائية، فقد يولّد الإدخال نفسه نتائج مختلفة؛ وهذا ميزة في الاستكشاف الإبداعي، لكنه عقبة أمام الألعاب التجارية التي تحتاج إلى منافسة عادلة، وحفظ التقدم وتحميله، وضبط التوازن. من هذا المنظور، لا يكمن الفرق بين المحرك ونموذج العالم في جودة الصورة، بل في «ما إذا كان يمكن ضمان النتيجة».

5 اندماج نموذج العالم مع محركات الألعاب التقليدية: البنية الهجينة
5.1 مبادئ توزيع الأدوار في البنية الهجينة
الفكرة الجوهرية في البنية الهجينة هي: كل ما يحتاج إلى “التزام” يُترَك للمحرك، وكل ما يحتاج إلى “التنوع” و”التوليد” يُترَك للنموذج. يحتفظ المحرك بالحالة المرجعية (الصحة، وحقيبة العناصر، والمهام، والإحداثيات، وبيانات اللعب الجماعي)، بينما يتولى النموذج البيئة الديناميكية وتوليد المحتوى وسلوك NPC والمساعدة في الإبداع. ولا يمكن كتابة مخرجات النموذج في الحالة إلا بعد أن يتحقق منها المحرك. وقد قدّم Saltline بالفعل نسخة من هذه الفكرة: نموذج لغة كبير يولّد كل الشيفرة في مرحلة التطوير، ثم يعمل كل شيء وقت التشغيل عبر برنامج حتمي بالكامل.

5.2 مثال مبسّط لقيادة سلوك NPC باستخدام LLM
المثال التالي يوضح الحلقة الأسهل تطبيقًا في البنية الهجينة: يحتفظ المحرك بالحالة المرجعية لـ NPC، بينما يتولى نموذج اللغة الكبير مهمة «اقتراح» السلوك التالي فقط، ثم يتحقق المحرك من الاقتراح وفق القائمة البيضاء وحدود القيم قبل تنفيذه. تعتمد الواجهة تنسيقًا متوافقًا مع OpenAI.
import json, openai
client = openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")
state = {"npc": "港口守卫", "hp": 80, "player_distance": 12, "alert": False}
prompt = f"根据状态给出NPC下一步行为,只输出JSON,action取值 patrol/chase/talk:{json.dumps(state, ensure_ascii=False)}"
resp = client.chat.completions.create(
model="YOUR_MODEL_NAME", # اختر نموذجًا متاحًا من لوحة التحكم
messages=[{"role": "user", "content": prompt}],
)
print(resp.choices[0].message.content)
عرض التنفيذ الكامل: حلقة قرار NPC باقتراح من النموذج وتحقق من المحرك
import json
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1", # واجهة متوافقة مع OpenAI، ويمكنك تبديل النماذج لمقارنة النتائج
)
ALLOWED_ACTIONS = {"patrol", "chase", "talk", "retreat"}
class EngineState:
"""الحالة المرجعية على جانب المحرك: جميع القيم تُعدَّل هنا فقط"""
def __init__(self):
self.npc = {"name": "港口守卫", "hp": 80, "max_hp": 100, "alert": False}
self.player_distance = 12.0
def snapshot(self) -> dict:
return {"npc": self.npc, "player_distance": self.player_distance}
def propose_action(state: dict, model: str) -> dict:
"""اطلب من النموذج اقتراح السلوك؛ النموذج يقرأ الحالة فقط ولا يعدّلها مباشرة"""
system = (
"你是游戏NPC的决策模块。只输出一个JSON对象,"
'格式:{"action": "patrol|chase|talk|retreat", "line": "一句台词"}'
)
resp = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system},
{"role": "user", "content": json.dumps(state, ensure_ascii=False)},
],
max_tokens=200,
)
text = resp.choices[0].message.content.strip()
try:
return json.loads(text)
except json.JSONDecodeError:
return {"action": "patrol", "line": ""} # عند فشل التحليل، ارجع إلى السلوك الافتراضي الآمن
def validate_and_apply(engine: EngineState, proposal: dict) -> str:
"""تحقق المحرك: قائمة بيضاء + قيود القواعد، ويُرفض خرج النموذج إذا كان غير صالح"""
action = proposal.get("action")
if action not in ALLOWED_ACTIONS:
action = "patrol"
if action == "chase" and engine.npc["hp"] < 20:
action = "retreat" # القاعدة يحددها المحرك: يُمنع المطاردة عند انخفاض الصحة
if action in {"chase", "retreat"}:
engine.npc["alert"] = True
line = str(proposal.get("line", ""))[:60] # تحديد طول الجملة لمنع تجاوز واجهة المستخدم
return f"{engine.npc['name']} -> {action}:{line}"
if __name__ == "__main__":
engine = EngineState()
proposal = propose_action(engine.snapshot(), model="YOUR_MODEL_NAME")
print(validate_and_apply(engine, proposal))
يشكل هذا النمط تباينًا مع حالة فشل WHAMM: تُحفظ نقاط الصحة وحالة التأهب في المحرك؛ وحتى لو «نسي» النموذج، فلن يختفي الأعداء من العدم؛ وعندما يُخرج النموذج إجراءً غير صالح، يتراجع المحرك إلى سلوك آمن.
🚀 بداية سريعة: عند بناء نموذج أولي لاتخاذ قرارات الشخصيات غير القابلة للعب (NPC)، يمكنك عبر APIYI apiyi.com استخدام مفتاح API واحد لاستدعاء OpenAI وClaude وGemini وغيرها من النماذج. يحصل المستخدمون الجدد على رصيد تجربة مجاني، ما يسهل مقارنة جودة الحوارات وزمن الاستجابة واستقرار إخراج JSON بين النماذج المختلفة.
5.3 توصيات حسب السيناريو: متى تختار نموذج العالم ومتى تلتزم بمحرك الألعاب
5.3.1 السيناريوهات المناسبة لنموذج العالم
- إثبات المفهوم واستكشاف الأفكار: توليد عالم قابل للتجول بسرعة باستخدام النص، والتحقق من الاتجاه الفني والأجواء. وتستهدف ميزتا الرسم الأولي وإعادة المزج في Project Genie هذا النوع من الاحتياجات.
- بيئات تدريب الوكلاء الأذكياء: توضح تجارب Genie 3 وSIMA أن العالم التوليدي يمكن أن يوفر للوكلاء الأذكياء عددًا كبيرًا من سيناريوهات التدريب المتنوعة.
- تجارب تفاعلية قصيرة: عروض تفاعلية بمستوى دقيقة واحدة، وتجارب تسويقية، وعروض توضيحية بحثية، تتناسب مع الحد الحالي لاتساق يستمر بضع دقائق.
5.3.2 السيناريوهات التي يجب أن تعتمد على محرك الألعاب
- الألعاب التي تحتوي على نظام حفظ وتقدم طويل المدى: تحتاج المهام وحقيبة العناصر وقيم التطور إلى حفظ الحالة بشكل دائم.
- الألعاب التنافسية ومتعددة اللاعبين: تحتاج إلى تسوية حتمية ومزامنة متعددة اللاعبين ومكافحة الغش.
- الألعاب المدفوعة بالفيزياء: تعتمد آليات التدمير والمركبات والأقمشة وغيرها على أنظمة قابلة للضبط والتصحيح مثل Chaos Physics.
- المشاريع التجارية التي تحتاج إلى الإطلاق والتشغيل: تعتمد الاختبارات وتحليل الأداء وتحديثات الحزم على سلسلة أدوات المحرك.
5.3.3 السيناريوهات المناسبة للبنية الهجينة
- المحتوى الديناميكي في العالم المفتوح: يتولى المحرك التضاريس والقواعد، ويولّد النموذج الأحداث الجانبية وحوارات NPC وأوصاف البيئة.
- التطوير بمساعدة الذكاء الاصطناعي: كما هو الحال في Saltline، حيث يولّد نموذج لغة كبير الشيفرة وShader ومنطق المراحل أثناء التطوير، بينما يُسند التنفيذ في وقت التشغيل إلى برنامج حتمي.
5.4 توصية لاتخاذ القرار: تقييم النضج وفق المؤشرات التقنية
| بُعد التقييم | مستوى نموذج العالم الحالي (المعلن رسميًا) | المتطلبات النموذجية للألعاب التجارية | الخلاصة |
|---|---|---|---|
| معدل الإطارات | من 10 إلى 24 إطارًا في الثانية (FPS) | عادةً أكثر من 30 FPS، وألعاب الأكشن تسعى إلى 60 FPS | المحرك يتفوق |
| الدقة | من 640×360 إلى 720p | 1080p فأكثر | المحرك يتفوق |
| الاتساق المستمر | من سياق 0.9 ثانية إلى عدة دقائق | عشرات الساعات من اللعب والحفظ | المحرك يتفوق |
| سرعة توليد المحتوى | توليد العالم فورًا من موجه نصي | تتطلب خطوط الإنتاج التقليدية النمذجة وإنشاء المستويات | نموذج العالم يتفوق |
| تكلفة التشغيل | استدلال GPU واحد لكل إطار | عرض محلي على عتاد اللاعب | المحرك أقل تكلفة |
| طريقة التطبيق | نماذج بحثية ومنتجات تجريبية | قابلة للإطلاق والتشغيل | بنية هجينة |
💡 توصية للاختيار: إذا أراد الفريق دمج الذكاء الاصطناعي أولاً في محرك موجود، فأكثر نقطة بداية آمنة هي «المحتوى المولّد القابل للتحقق» مثل حوارات NPC ونصوص المهام وأوصاف المستويات. يمكن اختبار عدة نماذج بالتوازي عبر واجهة موحدة على APIYI apiyi.com، واختيار النموذج وفق جودة المخرجات وتكلفة الاستدعاء الواحد، ثم تحديد خطة التكامل.
6 الأسئلة الشائعة حول نماذج العالم ومحركات الألعاب
س1: ما هو نموذج العالم بالذكاء الاصطناعي؟ وكيف يختلف عن نماذج توليد الفيديو؟
يتوقع نموذج العالم حالة البيئة في اللحظة التالية ويولّدها بناءً على الحالة الحالية ومدخلات المستخدم. أما نموذج توليد الفيديو فيُخرج مقطعًا محددًا لا يستطيع المستخدم التدخل فيه أثناء عرضه. في المقابل، يتلقى نموذج العالم إدخالًا جديدًا مع كل إطار، ما يتيح للمستخدم التحكم المستمر في الاتجاه والأفعال، وGenie 3 هو أحد أبرز نماذج هذا النوع.
س2: ما الفرق الجوهري بين التوليد الفوري لعالم لعبة بواسطة نموذج العالم ومحركات الألعاب التقليدية؟
يحسب المحرك الحالة وفق قواعد صريحة، ثم يحوّل تلك الحالة إلى صورة معروضة، وتكون النتيجة قابلة لإعادة الإنتاج. أما نموذج العالم فيتعلّم الديناميكيات البصرية من البيانات ويولّد الصورة مباشرة، فتكون النتيجة مصحوبة بقدر من العشوائية. يتفوق المحرك في الحتمية واستمرارية الحالة ودقة الفيزياء والتزامن بين عدة لاعبين، بينما يتفوق نموذج العالم في سرعة توليد المحتوى وانخفاض حاجز الدخول إلى الإبداع.
س3: متى أُعلن عن Genie 3 وWHAM-RT وOasis على الترتيب؟ وهل يمكن تجربتها الآن؟
أُعلن عن Oasis في أكتوبر 2024، مع توفير الشفرة مفتوحة المصدر وأوزان نموذج بـ500 مليون معامل وتجربة عبر الإنترنت. وأُعلن عن Muse في فبراير 2025، ثم صدرت نسخته الفورية للعبة Quake II بعد ذلك. أما Genie 3 فقد أُطلق في 5 أغسطس 2025، وأصبح Project Genie المبني عليه متاحًا في 29 يناير 2026 لمشتركي Google AI Ultra في الولايات المتحدة ممن تبلغ أعمارهم 18 عامًا أو أكثر، على أن تقتصر التجربة الواحدة على 60 ثانية.
س4: أين تُنفق فرق الألعاب معظم تكاليف إدماج الذكاء الاصطناعي حاليًا؟
يعتمد ذلك على المرحلة التي يعمل فيها الذكاء الاصطناعي. ففي حالة Saltline، حيث يولّد نموذج لغة كبير الشفرة البرمجية أثناء التطوير، تتركز التكلفة في استدعاءات API لمرة واحدة، وقد قدّر المطوّر نفسه أن التكلفة نحو 550 دولارًا، وبعدها يشغّل اللاعبون اللعبة محليًا دون استدعاء النموذج مجددًا. أما نماذج العالم فتعمل بالاستدلال إطارًا بإطار في مرحلة التشغيل، فيتراكم على مدار كل جلسة لعب عبء مستمر على وحدات GPU. وعند استخدام نماذج لغة كبيرة في وظائف وقت التشغيل مثل حوارات الشخصيات غير القابلة للعب، تُحتسب التكلفة حسب حجم الاستدعاءات، ويمكن البدء باختبار صغير النطاق عبر الدفع حسب الاستخدام في خدمة وكيل API من APIYI على apiyi.com لتقدير كلفة الاستدعاءات لكل لاعب.
س5: كيف أضيف بسرعة شخصية غير قابلة للعب مدعومة بالذكاء الاصطناعي إلى نموذج لعبة قائم؟
نوصي بتطبيق نمط «اقتراح النموذج + تحقق المحرك» الوارد في القسم 5.2 من هذا المقال:
1. سجّل في APIYI على apiyi.com واحصل على مفتاح API وحصة اختبار مجانية؛
2. اضبط `base_url` في الشفرة النموذجية على `https://api.apiyi.com/v1`، وأدخل اسم نموذج متاحًا؛
3. حوّل حالة الشخصية غير القابلة للعب في المحرك إلى JSON ومرّرها إلى النموذج، واقبل فقط الأفعال الواردة في القائمة المسموح بها؛
4. جرّب نماذج مختلفة وقارن زمن الاستجابة واستقرار المخرجات، ثم حدّد الحل النهائي للإنتاج.
س6: ما القيود المعروفة حالياً في نماذج العالم؟
يبلغ سياق WHAMM نحو 0.9 ثانية، وينسى الأجسام الخارجة عن مجال الرؤية، كما توجد أخطاء في إحصاء نقاط الصحة وحساب الضرر، وقد يتجمد التوليد عند الوصول إلى حدود بيانات التدريب؛ أما Genie 3 فمدة التفاعل المستمر عنده تُقاس بالدقائق، ومساحة الحركة محدودة، ولا يزال التفاعل المعقد بين عدة وكلاء أمراً صعباً؛ وتذكر Oasis رسمياً أنها بحاجة إلى بنية تحتية أكثر كفاءة للاستدلال لتسريع الأداء وخفض تكلفة الخدمة. وكل هذه القيود تقود إلى الاستنتاج نفسه: نماذج العالم تصلح حالياً كطبقة محتوى، بينما تظل طبقة القواعد بحاجة إلى محرك.
7 نماذج العالم مقابل محركات الألعاب: النقاط الرئيسية
- المؤشرات المرجعية: يبلغ Genie 3 دقة 720p/24 FPS، بينما يأتي WHAM-RT عند 640×360/10 FPS أو أكثر، ويأتي Oasis بسرعة 20 FPS.
- ضعف الذاكرة: سياق WHAMM حوالي 0.9 ثانية، لذا يُنسى الأعداء والأجسام خارج مجال الرؤية.
- ضعف القواعد: القواعد الدقيقة مثل نقاط الصحة واحتساب الضرر تُولَّد تقريبياً من الصورة، ما يجعل الأخطاء سهلة الوقوع.
- قيمة المحرك: تشكّل الفيزياء واستمرارية الحالة والمزامنة متعددة اللاعبين وأدوات التصحيح أساس الألعاب التجارية.
- مساران مختلفان: Saltline هو أن يكتب الذكاء الاصطناعي الشيفرة ثم يعمل البرنامج؛ أما نموذج العالم فهو أن يولّد الذكاء الاصطناعي الصورة إطاراً بإطار.
- اتجاه الدمج: يتولى المحرك الحالة المرجعية، ويتولى النموذج اقتراح البيئة والمحتوى وسلوك NPC.
- طريقة البدء: ابدأ بحوار NPC قابل للتحقق، ويمكنك الاستعانة بواجهة APIYI الموحدة على apiyi.com لمقارنة عدة نماذج.
8 الخلاصة: موقع محركات الألعاب التقليدية في عصر نماذج العالم المدعومة بالذكاء الاصطناعي
أصبحت نماذج العالم المدعومة بالذكاء الاصطناعي قادرة على توليد عوالم ألعاب تفاعلية في الوقت الفعلي، وقد دفع ثلاثة نماذج بارزة معدل الإطارات إلى 10 حتى 24 FPS، ودقة العرض إلى 720p، كما انخفضت البيانات اللازمة للانتقال إلى لعبة جديدة إلى نحو أسبوع. وفي الوقت نفسه، تُظهر مشكلات WHAMM مثل نسيان الكائنات، وأخطاء قيم نقاط الصحة، وتجمّد المراحل، أن ما يولّده النموذج هو تجربة تقريبية للعبة، وأن القواعد والحالة واللعب الجماعي عبر الإنترنت ما تزال بحاجة إلى ضمانات المحرك.
سياق السنوات القادمة هو البنية الهجينة: يحرص المحرك على الحتمية، وتوسّع النماذج نطاق المحتوى وتنوّعه، بينما يواصل توليد الشيفرة بواسطة النماذج الكبيرة في مرحلة التطوير تقليص دورة إنتاج النماذج الأولية. وبالنسبة لفرق التطوير، فإن الخطوة الأكثر عملية هي ربط الذكاء الاصطناعي بالمراحل القابلة للتحقق في المحرك الحالي، وتقييم الفعالية والتكلفة باستخدام بيانات الاستدعاء الفعلية. نوصي بالتحقق السريع عبر APIYI apiyi.com؛ إذ توفر المنصة واجهة موحدة لعدة نماذج وحصة مجانية للمستخدمين الجدد.
📚 المراجع
- Google DeepMind – الإصدار التقني لـ Genie 3: معدل الإطارات والدقة والاتساق والقيود في Genie 3
- الرابط:
deepmind.google/blog/genie-3-a-new-frontier-for-world-models -
الوصف: المصدر الأولي لمؤشرات Genie 3 والقيود المعترف بها رسميًا
-
Google – الإعلان الرسمي عن Project Genie: تطبيق ويب تجريبي مبني على Genie 3
- الرابط:
blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie -
الوصف: نطاق الإتاحة وحد تجربة الـ 60 ثانية
-
Microsoft Research – النمذجة العالمية الفورية WHAM: عرض Quake II الفوري وقيوده
- الرابط:
microsoft.com/en-us/research/articles/whamm-real-time-world-modelling-of-interactive-environments -
الوصف: مصدر حالات الفشل مثل سياق 0.9 ثانية ونسيان الكائنات
-
Microsoft Research – مشروع Muse / WHAM: نماذج العالم وحركة الإنسان
- الرابط:
microsoft.com/en-us/research/project/wham/wham -
الوصف: حجم بيانات تدريب Bleeding Edge
-
Decart – صفحة مشروع Oasis: نموذج عالم تفاعلي فوري مفتوح المصدر
- الرابط:
oasis-model.github.io -
الوصف: 500M من المعاملات و20 FPS وتفاصيل البنية
-
Epic Games – Physics in Unreal Engine: نظرة عامة على ميزات Chaos Physics
- الرابط:
dev.epicgames.com/documentation/unreal-engine -
الوصف: نطاق قدرات نظام الفيزياء في محرك ناضج
-
Saltline – مرآة الشفرة وREADME: توضيح المطوّر حول ملكية البيانات
- الرابط:
github.com/realcodebear/saltline-fable-5.2 - الوصف: مرجع لحجم الملف ومسار الشفرة المولّدة بالذكاء الاصطناعي
المؤلف: فريق APIYI التقني
التبادل التقني: مرحبًا بكم للتواصل معنا عبر الصفحة الرئيسية لـ APIYI على apiyi.com، لتبادل الخبرات العملية في دمج الذكاء الاصطناعي في تطوير الألعاب