La IA ha supuesto una gran inversión para NVIDIA, y la empresa ahora se está beneficiando de ella, como lo demuestra el increíble crecimiento que ha experimentado en los últimos 12 meses. El Deep Learning Super Sampling, también conocido como DLSS en los videojuegos, es un método que utiliza la inteligencia artificial (IA) para acelerar el rendimiento de los juegos. Con el desarrollo del trazado de rayos en tiempo real, NVIDIA comenzó a instalar Tensor Cores en todas las tarjetas gráficas GeForce, empezando por la serie RTX, debido a la necesidad imperiosa de restaurar el máximo rendimiento posible.
Con el tiempo, NVIDIA se convirtió en DLSS. En la versión 3.0 se añadió la generación de fotogramas, que ofrecía nuevos niveles de rendimiento, especialmente en los juegos basados en la CPU, y la versión 3.5 se centró en mejorar la calidad del trazado de rayos en aplicaciones ampliadas con la nueva función Ray Reconstruction, que acaba de estrenarse en Cyberpunk 2077 y que ha obtenido un gran éxito de público. La versión 2.0 ofrecía una calidad mucho mayor y, al mismo tiempo, mantenía su condición de acelerador de rendimiento.
Bryan Catanzaro, vicepresidente de Investigación Aplicada sobre Aprendizaje Profundo de Nvidia, declaró al final de la última mesa redonda sobre «Imágenes de IA» organizada por Digital Foundry que cree que las versiones futuras del DLS, posiblemente la versión 10, podrían abordar todos los aspectos del renderizado en un sistema neuronal basado en la IA.
En la conferencia NeuRIPS de 2018, creamos una demostración muy interesante que mostraba cómo el mundo estaría completamente renderizado por redes neuronales, pero impulsado por motores de juegos. Por lo tanto, en esencia, lo que hacíamos era usar el motor del juego para generar información sobre dónde están las cosas y luego usar esa información como entrada para una red neuronal que realizaría todo el renderizado; en otras palabras, básicamente se encargaba de todos los aspectos del renderizado. Fue algo visionario hacer que esa herramienta funcionara en tiempo real en 2018. Aunque no cabe duda de que la calidad de imagen que recibimos no se acerca a Cyberpunk 2077, creo que es hacia donde se dirigirá la industria gráfica a largo plazo. La IA generativa se utilizará cada vez más en el proceso gráfico. Una vez más, la explicación de por qué será la misma que para cualquier otro uso de la IA: podemos aprender funciones mucho más complejas examinando enormes conjuntos de datos en lugar de crear algoritmos manualmente desde cero.
Si adoptamos una renderización mucho, mucho más neuronal, creo que aumentaremos el realismo y, con suerte, conseguiremos que resulte más económico crear fantásticos entornos AAA. Creo que será un proceso gradual. Tanto el proceso 3D tradicional como los motores de juego se pueden controlar, ya que puedes asignar equipos de artistas para que creen objetos con tramas, ubicaciones y otros elementos convincentes. Con estas herramientas, puedes construir un mundo.
Sin lugar a dudas, vamos a necesitar esas herramientas. No creo que la IA vaya a crear juegos tan buenos como Cyberpunk 2077, ya que basta con escribir un párrafo sobre la creación de uno. Creo que DLSS 10 acabará por convertirse en un sistema de renderizado totalmente neuronal que interactuará con los motores de los juegos de diversas formas, lo que lo hará más inmersivo y atractivo.
Catanzaro se refiere a este «juego de conducción», que se presentó por primera vez en la conferencia NeuRips en Montreal (Canadá) en diciembre de 2018. Naturalmente, la calidad no era excelente, pero la IA tiene la capacidad de lograr avances significativos en un período de tiempo relativamente corto.
No es nada improbable pensar que el DLSS podrá reemplazar por completo las técnicas de renderizado convencionales en unos diez años. A medida que la suite DLSS crece para incluir más componentes relacionados con el renderizado, NVIDIA ya está trabajando en técnicas neuronales adicionales, como el almacenamiento en caché radial y la compresión de texturas. Si ese es el caso, es posible que NVIDIA necesite aumentar significativamente la cantidad de núcleos tensores disponibles en sus GPU.
Los últimos trabajos de investigación se supervisarán de cerca porque proporcionan la mejor visión de lo que NVIDIA tiene para ofrecer en el área de la representación neuronal.
