وفي السنوات الأخيرة، أصبحت شركة NVIDIA رائدة في مجال التكنولوجيا وأطلقت سلسلة من الميزات التقنية الثورية، أبرزها تقنية تحسين الصورة بالذكاء الاصطناعي DLSS. في مؤتمر GTC 2026 الأخير، أصدرت الشركة تقنية سوداء أخرى - ضغط النسيج العصبي.
ويقال إن تقنية الذكاء الاصطناعي هذه تقلل من استخدام ذاكرة الفيديو بنسبة 85% عند ممارسة الألعاب، دون فقدان جودة الصورة. يُظهر العرض التوضيحي لضغط النسيج العصبي أنه يحقق "تناسقًا مذهلاً للمؤثرات البصرية" بين 6.5 جيجابايت و970 ميجابايت من ذاكرة الفيديو.
نظرًا لأن الألعاب أصبحت أكثر تعقيدًا وواقعية، تعتمد صناعة الألعاب بشكل متزايد على تقنية ترقية الصورة لتلبية متطلبات الأجهزة المتزايدة. إحدى المشاكل الرئيسية الناجمة عن هذا النقص في التحسين هي استخدام ذاكرة الفيديو، والذي زاد بشكل كبير في السنوات الأخيرة. ولحل هذه المشكلة، طورت Nvidia تقنية تسمى "Neural Texture Compression" (NTC) وذكرتها مرة أخرى في مؤتمر GTC اليوم. ستتمكن أقوى بطاقات الرسومات من الاستفادة الكاملة من تقنية NTC من Nvidia.
يسمح NTC للمطورين باستخدام الشبكات العصبية الصغيرة لتفريغ الأنسجة في أي مشهد. وهذا لا يقلل فقط من حجم الأنسجة بشكل كبير، مما يجعل تثبيت اللعبة أسهل، ولكنه يقلل أيضًا من استخدام ذاكرة الرسومات أثناء وقت التشغيل. بالإضافة إلى ذلك، فإن جودة النسيج النهائي الذي تم إنشاؤه أعلى أيضًا، وتدعي Nvidia أنه يمكن زيادة دقة العرض النهائي بما يصل إلى 4 مرات.
في المثال أدناه، قامت Nvidia بتشغيل مشهد فيلا توسكانية استهلك 6.5 جيجابايت من ذاكرة الفيديو عند استخدام ضغط الكتلة القياسية (BCN)، ولكن بعد التبديل إلى NTC، انخفض استخدام ذاكرة الفيديو إلى 970 ميجابايت فقط، بينما كان تأثير الصورة هو نفسه تمامًا.
أظهر عرض توضيحي آخر من الشركة سابقًا خوذة طيران ذات نسيج غير مضغوط يصل إلى 272 ميجابايت، وقد أدى ضغط الكتلة إلى تقليل ذلك إلى 98 ميجابايت، بينما خفضته NTC إلى 11.37 ميجابايت فقط، وهو ما يمثل حوالي 1/24 من مساحة النسيج الأصلي.
من غير الواضح ما إذا كانت هذه التقنية سيتم طرحها على بطاقات الرسومات القديمة، ولكن يجب أن يستفيد منها مستخدمو بطاقات الرسومات بسعة 8 جيجابايت مثل RTX 5060 أو 5060Ti. لقد كانت DLSS 5 مثيرة للجدل، لكن التكنولوجيا يجب أن تحظى بشعبية لدى العديد من المستخدمين.
عرضت Nvidia أيضًا المواد العصبية، التي لها نفس الفكرة: استخدام الشبكات العصبية لتقييم وفك ضغط بيانات نسيج المادة، بدلاً من الاعتماد على رياضيات دالة توزيع الانعكاس ثنائية الاتجاه (BRDF) المكلفة حسابيًا.
في كثير من الأحيان، تحتوي المادة على خرائط نسيج متعددة مكدسة فوق بعضها البعض، ويجب على وحدة معالجة الرسومات حساب كيفية تفاعل الضوء مع كل طبقة في وقت واحد في مسار العرض. تقوم تقنية المواد العصبية ببساطة بسؤال الشبكة العصبية عن كيفية تفاعل الضوء في مشهد معين وضبط تظليل وحدات البكسل وفقًا لذلك. يتم تدريب الشبكة العصبية على جميع بيانات النسيج، لذا فهي تعرف بالفعل ما ستكون عليه النتائج لضوء وزاوية معينة. ولهذا السبب، في المشهد التوضيحي، حققت NVIDIA عرضًا أسرع بما يصل إلى 7.7 مرات بدقة 1080 بكسل دون أي خسارة في جودة الصورة.
السبب وراء كفاءة NTC هو أنه يستخدم محرك تسريع المصفوفة. في وحدات معالجة الرسومات الحديثة، يعد محرك تسريع المصفوفة وحدة أجهزة مستقلة وبالتالي لا يؤثر على الأداء الأساسي. تطلق عليه NVIDIA اسم Tensor Core، وتطلق عليه Intel اسم محرك XMX، وتطلق عليه AMD اسم AI Accelerator. تعتمد تقنيات رفع مستوى الصور مثل DLSS وFSR وXeSS أيضًا على هذا لإعادة بناء الإطارات منخفضة الدقة إلى مخرجات ذات دقة أعلى، لذلك يعد هذا أيضًا جزءًا من مبادرة العرض العصبي من Nvidia.
إن مفهوم العرض العصبي لم يتم الاعتراف به على نطاق واسع حتى الآن في الصناعة، ومصطلح "الشبكة العصبية" قد يجعلك تعتقد أن هذه مجرد محاولة سيئة أخرى للذكاء الاصطناعي. ولكن على العكس من ذلك فهو من أفضل تطبيقات الذكاء الاصطناعي لأنه لا يتضمن عملية توليدية على الإطلاق. سوف يتدرب NTC فقط على مجموعات نسيج محددة يجب الرجوع إليها أثناء تطوير اللعبة، لذلك لن تكون هناك أي أوهام.
تعد الأنسجة العنصر الأكثر استهلاكًا للذاكرة في أي لعبة، لذا نرحب بأي تقنية يمكنها التحكم في استخدام البنية. ومع ذلك، تجدر الإشارة إلى أن هذه التكنولوجيا ليست فريدة من نوعها لشركة NVIDIA. قامت Microsoft بتوحيدها على أنها "ناقلات تعاونية" في DirectX. سبق لشركة Intel أيضًا أن عرضت عروضها التوضيحية للنسيج، والتي أظهرت نتائج أفضل بكثير مقارنةً بضغط الكتل. ذكرت AMD هذه التقنية آخر مرة في عام 2024، ولكن من المحتمل أنها تشارك بنشاط أيضًا.
في الوقت الحالي، لا توجد ألعاب تدعم المتجهات التعاونية أو تقنية ضغط النسيج العصبي من Nvidia، ولكن نظرًا لاتجاهات الصناعة، يجب أن نراها يتم تنفيذها قريبًا. يبدو أن الذكاء الاصطناعي قد أصبح المفتاح الرئيسي لحل جميع المشاكل القديمة، وتستكشف الشركات الكبرى باستمرار إمكانية تطبيقه في مختلف المجالات التي تبدو غير مناسبة. ومع ذلك، تظهر الابتكارات مثل ضغط النسيج العصبي أنه يمكن تطبيق الذكاء الاصطناعي بذكاء في الممارسة العملية ليكون له تأثير مفيد حقًا.
