En lovende startup fra DTU vil hjælpe spiludviklere med at optimere deres tid, og de har nu en prototype klar af deres egen AI-assistent. Og en aftale med en spiludvikler er landet.
”Vi har nu en MVP klar (minimum viable product, eller prototype) – men vi sælger ikke endnu. Vores første MVP var klar for omkring en måned siden.”
Sådan lyder det fra co-founder og CEO i Playpatrol, svenske Lukas Åkefeldt. Sammen med sine to medstuderende fra DTU, britiske Jason Aron og Jan Adam, har de store ambitioner med deres virksomhed. Og her er Qarl en nøglefigur.
Sparer tid
Den lille AI-fyr kan nemlig hjælpe med de monotone tidskrævende processer, som spiludviklere i dag skal igennem.
”Spiludviklere har brug for noget, der kan tage sig af de mest manuelle og kedelige opgaver. Eksempelvis: Hver gang de bygger en ny feature til et spil, er de nødt til at starte spillet og køre igennem første level,” siger Lukas Åkefeldt og tilføjer:
”Vi har arbejdet på det i de sidste 9-10 måneder, og i februar kom vi i kontakt med et gamestudie – Wombo Games. De arbejder med AI, og vi talte om, hvad de har brug for, for at kunne fremskynde deres udvikling. Vi starter med at hjælpe dem med simple ting og arbejder os op derfra.”
Hvordan ser det ud med funding?
”Vi kigger faktisk ikke så meget efter funding lige nu. Vi har været en del af et accelerator-forløb her på DTU, og vi kommer til at lave speciale om Playpatrol næste år. Så vi kommer til at arbejde for os selv et år, hvilket giver os en masse mulighed for udvikling uden at kræve så meget funding,” siger Lukas Åkefeldt.
Playpatrol har dog fået udviklingsmidler fra DTU.
”Vi har fået omkring 20.000 kroner, som vi kan bruge på ting til udvikling – så vi ikke skal betale det af egen lomme. Men det er også det.”
Har andre gjort det her – det lyder jo ret oplagt at spare mange timer på udvikling?
”Vi har set nogle få virksomheder forsøge over de sidste 4-5 år, men de er ikke rigtig kommet i gang. Meget af det handler om, hvor meget man faktisk træner modellen, før spillet går i gang. Vi ser andre forbinde sig direkte til et specifikt spil – og så bruge nogle større AI-modeller til at spille. Dét, som vi gør anderledes, er, at vi træner med en ret simpel metode direkte på spillet,” siger Lukas Åkefeldt.
Jason Aron, der er teknisk specialist, supplerer:
”Noget, jeg har lagt mærke til ved Modl.ai (en etableret aktør, der laver spiludvikling via AI), er, at de er meget domænespecifikke. Det er meget case by case. Men når man vil træne et spil på den måde, kræver det en masse integration i opsætningen.
Dét, vi prøver at gøre, er at gøre det mere spil-generisk. Vores opsætning kører udelukkende via pixels i stedet for at have adgang til spillet via koden. Det gør, at træningen tager længere tid og dermed er mere generisk og effektiv – og forhåbentlig mere hands off. Den metode giver i højere grad udviklerne magten.”