Год назад писал пост о том, как используются языковые модели в геймдеве.
Если коротко – сложно сказать, что вообще как-то используются. Была пара маленьких интересных проектов (в основном это текстовые игры), и какие-то демо, которые просто кривенько демонстрируют идеи.
Решил посмотреть, а что изменилось за год?
Ничего.
Раз геймдев не идет в ИИ – пойдем мы.
Я решил сделать ИИ-версию игры Имаджинариум.
Коротко о правилах:
Игроки получают карты с абстрактными картинками. Ведущий загадывает ассоциацию к своей карте. Остальные — подбирают из своего набора ту, которая лучше всего подходит под эту ассоциацию. Дальше голосование: нужно угадать, какая из выложенных карт принадлежала ведущему.
Соль в том, чтобы ассоциация не была ни слишком очевидной (иначе все угадают, и ведущий теряет очки), ни слишком мутной (иначе никто не выберет его карту).
Игра идеальна для посиделок: не требует глубокого вникания в правила и не выматывает. А еще можно играть с детьми, т.к. правила простые.
Единственный минус– одному в нее не поиграть.
Вот тут на помощь приходит ИИ.
Ты играешь с тремя ИИ-противниками.
ИИ отлично фантазирует, так что придумывать ассоциации к картам у него получается без проблем, а галлюцинации вообще скорее идут на пользу, с ними играть только интереснее.
Как было реализовано:
— Понятно, что это вайбкодинг. Т.к. задача не очень сложная – использовал DeepSeek. Он справился…но задача была на грани его возможностей. Ушло больше 10 итераций (либо я просто не умею объяснять).
— ИИ сейчас умеет «смотреть» на картинки. Но это долго и дорого. Поэтому были написаны подробные описания для каждой картинки, чтобы ИИ ориентировался на текст.
— Описания карт для ИИ придумывал ИИ. Загрузил в Gemini картинки, объяснил задачу, получил классное и подробное описание.
— В качестве языковой модели использовал модель от OpenAI 4.1 mini. Она дешевая и отлично справляется.
— При желании можно было сгенерировать картинки самостоятельно (желание было, а вот времени нет, возможно сделаю позже какую-то интересную версию про отечественный e-learning).
Что в итоге:
Все работает, и получилось забавно, но основная фишка подобных игр в общении и вот этом всем человеческом. Тут ИИ просто имитирует человека, из-за этого почти весь фан пропадает.
Подобный подход не так сложно реализовать и в бизнес-играх. Но можно ли научить условной командой работе, если члены твоей «команды» ИИ-коллеги? Есть ощущение, что это так не работает.
Алексей Миляеви команда сообщества Digital Learning
————
Кстати, лучшие кейсы применения ИИ в e-learning вы можете увидеть 22 апреля на конференции Digital Learning 2026!
Сайт и база знаний сообщества