在本週在San Fran舉行的遊戲開發人員會議上發表的第一個可能的大公告中，微軟將進一步增加了其AI硬件加速度API Winml的實用程序。目標是創建更聰明，更美麗，甚至更困難的視頻遊戲。
這是最佳圖形卡錢可以在2018年購買。
Microsoft的Winml API已經在Windows平台的各種應用程序中實現，從安全性一直到視頻創建。但是現在，微軟以及AI大奶酪NVIDIA的支持，正計劃將其機器學習的以中心API的速度充分利用。
除了這兩家公司實施的共同努力之外實時射線跟踪在遊戲中，微軟也希望充分利用Nvidia的Volta張量核心為他們出生的工作：推斷。當然，並不是說機器學習是張量的獨家，任何DX12 GPU也可以在某些推理中嘗試。
Microsoft的WinML API允許神經網絡在PC的硬件上直接執行推理任務，並使開發人員更容易在其遊戲中實現各種深層神經網絡（DNN）模型，並使它們在用戶機器上正常運行。
Microsoft利用DNN希望與前所未有的個人水平吸引玩家。這涉及創建遊戲環境，難度或外觀，該環境是為玩家量身定制的。它可以通過各種模型的神經網絡模型實時改變和適應玩家收到的刺激。無論是玩家的演奏風格，個人喜好還是技能水平……基本上，開發人員可以用手頭的工具挖掘出任何東西。
我敢肯定，我們大多數人至少經歷了對AI可以為遊戲玩家提供什麼的想法。以黑暗的靈魂遊戲為例，該遊戲會根據您以前的奔跑中最大的道路積極移動敵人？粉碎鍵盤上的保修返回將是通過屋頂的，我只能夢想著快速的潛力。
也不是AI幕後的全部。 NVIDIA已經表明，可以使用機器學習驅動的超級採樣來刪除高掃描圖像中的鋸齒狀和像素化。機器學習算法選擇了所需的最佳顏色，並將其輸入的內容應用於與傳統採樣技術創建的圖像更清晰的圖像。想想相同的過程用於將游戲紋理置換越接近它們。
機器學習的潛在實現也不僅與遊戲玩家有關。遊戲開發還可以使用潛在用途開發麵部動畫，紋理創建，角色設計等等的基於推理的應用程序（從字面上看）。 Unity已經在推出其ML代理框架，表明它也可以烘烤到遊戲引擎中。遊戲設計只是AI腰帶的另一種娛樂形式，我們的工作是什麼？是的，可能。
據推測，張量的核心將抵消ML Supersmpling或AI遊戲玩法的性能。但是，儘管機器學習硬件加速技術（DirectML）是在Direct3D上構建的，並且使用DirectX的各個方面，但對於沒有這些內核的DX12 GPU仍可能非常要求DX12 GPU，您知道，幾乎所有其他GPU都在陽光下。
目前只有NVIDIA的Titan V和超級高端Tesla卡具有張量的核心（實際上640個），這可能會提供一些跡象表明，專門的AI巡迴賽也可以進入NVIDIA的GEFORCE CARD，以應對影響影響的影響。在這些功能中，並具有實時的射線跟踪。
至於AMD，他們的GPU已證明有能力計算，這顯然被礦工吞噬的成群很清楚。但是，我們還看到了Nvidia過去對Red團隊的倡導者的支持……這並不漂亮。
忽略大規模文化，經濟，社會，技術和存在性的不適，更重要的是，它對我們的電子遊戲的未來可能至關重要 - 從遊戲製作的角度一直到階梯，到細微差別在我們作為個人扮演的方式之間。
