Por que construir um mecanismo nativo de IA
A maioria das APIs de mecanismos de jogos são escritas para humanos. Quando a IA se tornar quem escreve o código, o mecanismo deverá parecer diferente.
A ideia central do ForgeaX é simples: o usuário descreve um jogo e a IA escreve o código do motor. Isso soa como “apenas um autor diferente”, mas na prática os mecanismos existentes não são amigáveis à IA – eles assumem um leitor que lê documentos, adivinha e preenche o contexto como um ser humano faz.
Nossa postura é direta: A IA é o primeiro usuário do mecanismo. Quando “amigável à IA” entra em conflito com “amigável aos humanos”, a IA vence. Aqui estão algumas consequências concretas.
1 · Uma fonte de verdade, deriva o resto
Um fato é definido exatamente num lugar; tudo o mais deriva dele. Os campos de componentes, por exemplo, ficam embutidos em um esquema – inspetores, depuradores e ferramentas leem o esquema em vez de buscar a fonte e adivinhar. A IA não precisa “lembrar” convenções espalhadas por toda parte, porque só há um lugar para procurar.
2 · Erros que a IA pode compreender e recuperar
Um erro não é apenas uma frase humana que você “lança”. Usamos um conjunto fechado de códigos de erro, cada um contendo informações estruturadas do tipo "o que/por que/como recuperar". Quando a IA encontra um erro, ela sabe o que mudar em seguida – em vez de tratar o texto da exceção como misticismo.
3 · Dados estruturados em vez de “olhar para a tela”
A parte mais difícil de um bug de renderização é que “parece errado na tela”. Um humano pode olhar para o monitor; A IA não pode. Assim, o mecanismo pode capturar um quadro de chamadas de renderização – chamadas de desenho, ligações, destinos de renderização, estado do pipeline – para ler offline, reproduzir e inspecionar o estado completo no enésimo sorteio. Um problema visual é que os dados que a IA pode ler.
4 · Duas implementações que se verificam
A camada de renderização possui duas implementações de back-end (WebGPU e uma wasm) atrás de uma única interface. Eles são renderizados lado a lado: no momento em que a IA faz uso indevido de uma API de mecanismo, o outro back-end diverge imediatamente, revelando o problema – muito mais rápido do que esperar por uma revisão humana.
Esses designs compartilham um critério: quanto menos conceitos um leitor (humano ou IA) tiver em mente, melhor. Quanto mais autoconsistente e indexável localmente a API, mais frequentemente a IA acerta — e mais fácil será para um humano assumir o controle.
“IA-nativo” não é um slogan – é uma longa série de decisões de “refazer para o ponto de vista da IA”. Descompactaremos mais deles na documentação e em postagens futuras.