L'uomo dietro a Kinect
Scopriamone di più con l'intervista ad Alex Kipman.
Alex Kipman, capo programmatore di Xbox e mente creativa dietro il progetto Natal, ha rilasciato un'interessante intervista al nostro sito "cugino" GamesIndustry.biz, entrando parecchio nel dettaglio riguardo i punti più cruciali e controversi del nuovo sensore di movimento. È l'intervista per cui Digital Foundry avrebbe fatto carte false ma fortunatamente siamo riusciti a passare un paio di domande al team di GI.biz, che rivelano nuove informazioni sul funzionamento di Kinect e sul modo in cui la sua tecnologia si integra con Xbox 360.
Uno dei fatti più discussi e controversi riguardo la periferica è stata la rimozione di un processore interno per il movimento. Invece di trasferire dei dati già elaborati attraverso la porta USB, i flussi di informazioni grezze provenienti da telecamera, sensore di profondità e microfono sono trasferiti direttamente alla 360, dove CPU e GPU lavorano insieme per decodificarle ed elaborarle. Kipman dichiara che la console ha potenza da vendere, dicendo che nessun gioco per 360, nemmeno l'ultimo titolo all'avanguardia, ne utilizza tutta la potenza disponibile.
"Se parliamo di bit e percentuali, prendete un gioco tipo Call of Duty: Black Ops: c'è una significativa quantità di potenza di calcolo, sia della CPU che della GPU, che rimane ancora inutilizzata", ha dichiarato.
"Quando siamo giunti a questa constatazione riguardo la potenza di calcolo dell'Xbox, ci siamo detti: 'vale la pena mettere dei processori dedicati nella periferica quando pensiamo di poter creare esperienze uniche, profonde, magiche, coinvolgenti anche senza di essi?'
"La scelta è stata semplice. L'obiettivo era di proporre sul mercato una valida offerta, 149.99 euro con Kinect Adventures e il sensore (e basta comprarne uno per far giocare l'intera famiglia), una proposta molto interessante per gli acquirenti. Anche senza il processore possiamo creare giochi che siano ricchi, dettagliati e profondi come quelli che abbiamo sulla console oggi e che avremo un domani.
"Abbiamo iniziato a muoverci in una direzione che ci diceva: 'perché affidarsi a qualcosa di complicato quando puoi semplificarlo?'. Abbiamo quindi deciso di avere sia la botte piena che la moglie ubriaca".
C'è molta verità in quel che dice Kipman, e che va oltre le dichiarazioni da PR consumato. Teoricamente non c'è nulla che freni gli sviluppatori dal creare titoli che siano esattamente come i migliori giochi per hardcore gamer, perché l'overhead di sistema è minimo: parliamo di un basso quantitativo di tempo della CPU, distribuito su due thread di un singolo core della CPU, più una quantità ancora più piccola sulla GPU Xenos. Date un'occhiata a Kinect Adventures e vedrete un gioco ben dettagliato che utilizza l'Unreal Engine 3, e stiamo parlando di un motore grafico che non perdona quando viene privato di troppe risorse di sistema.
Kipman conferma anche che la GPU Xenos viene utilizzata per calcolare le informazioni di profondità e aiutare nell'identificazione degli scheletri, cosa da cui dipende buona parte dei titoli per Kinect.
"Uno degli ingredienti chiave dell'esperienza di Kinect è il machine learning, l'apprendimento automatico. Questa tecnologia nel nostro mondo offre un mare di probabilità. Il machine learning, in particolare il tipo che utilizziamo noi, è probabilistico: non riguarda ciò che sai, ma ciò che non sai", spiega.
"Parliamo di riuscire a osservare il mondo e non vedere solo zeri e uno ma infinite sfumature di grigio. Si tratta di capire cosa è probabile. Dovreste immaginare che nella parte deputata al machine learning, che è solo una componente del cervello virtuale di Kinect, entrano dei pixel e quel che ne esce è una gamma di possibilità e probabilità.
"Magari entra un pixel e quel che risulta potrebbe essere che la macchina pensa che abbia l'80% di probabilità che appartenga a un piede, il 60% che appartenga a una testa e il 20% che sia del busto. Questo è il momento in cui suddividiamo il corpo in 48 parti, che mostriamo ai nostri game designer. Quel che abbiamo sono livelli infiniti di probabilità per ogni pixel, e dobbiamo determinare a quale parte del corpo appartenga.
"Questa operazione è, come potrete immaginare, un compito altamente parallelizzabile. È l'equivalente di dire: entra un pixel, calcolate queste belle equazioni matematiche e immaginate di ottenere un numero positivo; una risposta positiva e prendete il bivio a destra, una negativa e prendete il bivio a sinistra. Immaginate di fare questo attraverso una foresta di probabilità. Per questo genere di cose si ottiene una performance mille volte superiore se si demanda il compito alla GPU invece che alla CPU.
"Le GPU sono macchine studiate per questo tipo di operazioni. Il cuore dell'algoritmo di machine learning, quella cosa che intuisce davvero le intenzioni e trasforma un mondo di immagini in un mondo di probabili parti del corpo, gira sulla GPU."