تصور کنید وارد شهری شوید که هزاران نفر در آن زندگی می‌کنند، اما شما تنها موجود زنده‌ی آن مکان هستید. این کابوس روان‌شناختی اکنون در یک سرور خصوصی بازی World of Warcraft (WoW) محقق شده است. در یک آزمایش خیره‌کننده که مرزهای هوش مصنوعی زاینده و صنعت گیمینگ را جابه‌جا می‌کند، یک کاربر ردیت موفق شده است سروری خصوصی بر پایه بستهٔ Wrath of the Lich King را راه‌اندازی کند که با حدود ۱۸۰۰ ربات پر شده است. نکته‌ی کلیدی و منحصر‌به‌فرد این پروژه، تعداد زیاد NPCها نیست، بلکه ادغام مدل زبانی بزرگ (LLM) شرکت DeepSeek برای مدیریت تمام تعاملات چت درون‌بازی است. این اقدام، محیطی ایستا و برنامه‌ریزی‌شده را به یک جامعه‌ی مصنوعی و پویا تبدیل کرده و پرسش‌های عمیقی را درباره‌ی تئوری «اینترنت مرده» (Dead Internet Theory) ایجاد می‌کند؛ ایده‌ای که می‌گوید وب به‌تدریج توسط ربات‌هایی پر می‌شود که فقط با یکدیگر حرف می‌زنند و انسان‌ها در آن اقلیت می‌شوند.
طبق گزارش‌های منتشرشده در ردیت، برای درک معماری فنی این پروژه، باید لایه‌های مختلف نرم‌افزاری درگیر را بررسی کرد. زیربنای این پروژه AzerothCore است؛ یک شبیه‌ساز متن‌باز و بسیار رایج برای World of Warcraft. در حالی که AzerothCore جهان بازی و مکانیک‌های پایه را فراهم می‌کند، «جمعیت» این جهان توسط ماژول خاصی به نام playerbots مدیریت می‌شود. در اینجا بسیار مهم است که میان «رفتار» و «گفتار» ربات‌ها تفکیک قائل شد. ماژول playerbots مسئول تمام جنبه‌های مکانیکی بازی است: از مسیریابی (Pathfinding) و انجام ماموریت‌ها گرفته تا مبارزات و بالا بردن سطح (Leveling). در واقع، هوش مصنوعی کنترل نمی‌کند که ربات کجا راه برود یا چگونه بجنگد؛ این‌ها رفتارهای اسکریپت‌شده و پیش‌فرض هستند. در عوض، مدل DeepSeek منحصراً برای مدیریت رابط کاربری چت به سیستم متصل شده است. هرگاه بازیکنی با رباتی صحبت می‌کند یا یک ربات یک تعامل اجتماعی را تحریک می‌کند، بازی درخواستی را به AI ارسال می‌کند تا پاسخی متناسب با بافتار (Context) گفتگو تولید کند.
در این ساختار، مدل زبانی مانند کتابخانه‌داری عمل می‌کند که میلیاردها صفحه را خوانده و حالا با همان لحن و دانش جواب می‌دهد. بر اساس مستندات این پروژه، سازنده در ابتدا سعی کرد از یک LLM محلی از طریق اولاما (Ollama) استفاده کند. اما مقیاس پروژه — یعنی ۱۸۰۰ گفتگوکننده احتمالی — یک گلوگاه محاسباتی شدید ایجاد کرد. حتی با استفاده از GPUهای رده‌بالای مصرف‌کننده، تأخیر (Latency) ناشی از صف انتظار هزاران درخواست باعث می‌شد گفتگوها کند، نامناسب و غیرطبیعی به نظر برسند. برای حل این مشکل، توسعه‌دهنده یک پل ارتباطی (Bridge) سفارشی به API شرکت DeepSeek نوشت. با انتقال استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی نه دوره‌ی آموزش آشپز — به ابر (Cloud)، سازنده به دو هدف دست یافت: کاهش چشمگیر تأخیر و افزایش کیفیت دیالوگ‌ها. DeepSeek که به دلیل کارایی بالا و عملکرد قوی در کدنویسی و منطق شناخته شده است، ثابت کرد که گزینه‌ای ایده‌آل برای این پیاده‌سازی با حجم بالا و هزینه پایین است. این رویکرد بهینه در مدیریت منابع، یادآور پیشرفت‌های اخیر در کاهش هزینه‌های عملیاتی است، مشابه آنچه در بهینه‌سازی‌های Grok 4.5 برای عامل‌های کدنویسی مشاهده شد.
یکی از حیاتی‌ترین جنبه‌های این استقرار، مدیریت هزینه‌هاست. اجرای ۱۸۰۰ رباتی که پتانسیل این را دارند که API را با پیام‌های بی‌پایان بمباران کنند، می‌توانست از نظر مالی فاجعه‌بار و ویرانگر باشد. برای کاهش این ریسک، توسعه‌دهنده یک اسکریپت «کلید قطع» (Kill-switch) طراحی کرد. این اسکریپت به‌طور مداوم سرور را برای یافتن بازیکنان واقعی انسان مانیتور می‌کند. اگر سرور خالی باشد و هیچ انسانی حضور نداشته باشد، فراخوانی‌های API به طور کامل متوقف می‌شوند تا توکن‌ها در فضای تهی و برای گفتگوهای ربات با ربات تلف نشوند. این مکانیسم در واقع یک رابطه انگلی ایجاد می‌کند: دنیای هوش مصنوعی تنها زمانی «بیدار» می‌شود که یک ناظر انسانی برای تماشای آن حضور داشته باشد و در غیر این صورت، جهان در سکوتی دیجیتال فرو می‌رود.
برای کسانی که می‌خواهند این تجربه را تکرار کنند، مسیر پیاده‌سازی شامل چندین گام است:
- ابتدا باید AzerothCore (به‌ویژه نسخه WotLK) را مستقر کرده و ماژول playerbots را نصب نمایند.
- سپس، یک ماژول چت مانند mod-ollama-chat را ادغام کنند.
- برای کسانی که مسیر ابری را انتخاب می‌کنند، ایجاد یک پل ارتباطی به یک نقطه-پایان (Endpoint) سازگار با OpenAI (مانند api.deepseek.com) ضروری است.
- پیکربندی نهایی شامل تنظیم URL پایه و وارد کردن کلید API (API Key) است.
- مرحله آخر، مهندسی پرامپت (Prompt Engineering) است — هنر سؤال درست پرسیدن، شبیه کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد. در این مرحله باید به ربات‌ها گفته شود که آن‌ها که هستند؛ مثلاً سربازان اتحاد (Alliance)، شهروندان اورگریمار (Orgrimmar) یا مسافران خسته‌ای که در جاده‌ها سفر می‌کنند. این کار تضمین می‌کند که دیالوگ‌ها با لور (Lore) و داستان جهان آزروت همسو باشد. برای توسعه‌دهندگانی که به دنبال ابزارهای پیشرفته‌تر کدنویسی برای چنین ادغام‌هایی هستند، مدل Kimi K2.7 Code امکانات گسترده‌تری را برای محیط‌های سازمانی فراهم کرده است.
این پروژه در واقع یک اثبات مفهوم (PoC) برای آینده بازی‌های نقش‌آفرینی (RPG) است. به‌طور سنتی، شخصیت‌های غیرقابل‌بازی (NPC) بر اساس «درخت‌های گفتگو» عمل می‌کردند؛ یعنی اسکریپت‌های صلب، خشک و پیش‌نویس‌شده‌ای که بازیکن تنها می‌توانست بین گزینه‌های محدود آن‌ها پیمایش کند. در حالی که این روش کیفیت و کنترل روایت را تضمین می‌کرد، اما فاقد هرگونه خودبه‌خودگی و بداهه بود. اما با ادغام یک LLM، توسعه‌دهنده دنیایی خلق کرده است که در آن NPCها می‌توانند به کلمات خاص بازیکن، اتفاقات جاری در بازی و حتی اتمسفر کلی سرور واکنش دهند. این تغییر، تجربه را از «بازی کردن یک بازی» به «تعامل با یک شبیه‌ساز زنده» ارتقا می‌دهد. این سطح از تعاملات پویا و مبتنی بر اکشن، شباهت زیادی به چشم‌انداز تحول مایکروسافت در Dynamics 365 Sales دارد که در آن گفتگوها به اقدامات عملیاتی تبدیل می‌شوند.
با این حال، جنبه‌ی «اینترنت مرده» در این آزمایش تکان‌دهنده‌ترین بخش است. ورود به شهری با هزاران موجود که ظاهر، رفتار و گفتارشان شبیه انسان‌هاست، و سپس درک این مطلب که شما تنها موجود آگاه (Sentient) در آن نزدیکی هستید، یک اثر روان‌شناختی سوررئال ایجاد می‌کند. این وضعیت آینه‌ای از آینده‌ای است که در آن رسانه‌های اجتماعی و فضاهای دیجیتال پر از عامل‌های (Agents) فوق‌واقع‌گرایانه خواهند بود. اگر یک بازیکن نتواند در چت WoW تفاوت بین یک ربات و یک انسان را تشخیص دهد، انتقال این عامل‌های تشخیص‌ناپذیر به محیط‌های حرفه‌ای، اداری یا اجتماعی در دنیای واقعی غیرقابل اجتناب خواهد بود.
از منظر مالی، استفاده از DeepSeek نشان‌دهنده‌ی تغییر مسیر به سمت «هوش مصنوعی کالا‌یی» (Commodity AI) است. هزینه هر توکن (Token) — تکه‌های کوچکی از متن، مثل برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — چنان سقوط کرده است که اکنون حتی یک علاقه‌مند تک‌نفره می‌تواند یک شهر مجازی کامل را با عامل‌های هوشمند populate کند. این دموکراتیزه شدن دسترسی به LLMها به این معناست که نسل بعدی بازی‌های مستقل احتمالاً اسکریپت‌های ایستا را به نفع هوش مصنوعی پویا رها خواهند کرد. دیگر مانع ورود به این فناوری، توانایی نوشتن یک AI پیچیده نیست، بلکه توانایی ادغام یک API و مدیریت هزینه‌های توکن‌های حاصل از آن است.
در نتیجه، سرور WoW قدرت گرفته از DeepSeek چیزی فراتر از یک کنجکاوی فنی است. این یک نگاه گذرا به دنیایی است که در آن خط dividing بین محتوای اسکریپت‌شده و هوش زاینده محو می‌شود. با بهره‌گیری از AzerothCore، playerbots و یک API با کارایی بالا، سازنده یک موزه زنده از «اینترنت مرده» ساخته است. همان‌طور که این ابزارها بیشتر ادغام می‌شوند، ممکن است به‌زودی خود را در بازی‌هایی بیابیم که در آن‌ها NPCها دیگر فقط دهندگان ماموریت نیستند، بلکه شهروندان دیجیتالی کاملی هستند که دارای خاطرات، شخصیت‌های منحصر‌به‌فرد و توانایی غافلگیر کردن ما هستند. تنها سوال باقی‌مانده این است که آیا دنیایی پر از شبیه‌سازی‌های بی‌نقص، به اندازه دنیایی پر از انسان‌های غیرقابل‌پیش‌بینی پاداش‌بخش خواهد بود یا خیر.
برای کسانی که می‌خواهند این تجربه را تکرار کنند، مسیر پیاده‌سازی شامل چندین گام است:
- ابتدا باید AzerothCore (به‌ویژه نسخه WotLK) را مستقر کرده و ماژول playerbots را نصب نمایند.
- سپس، یک ماژول چت مانند mod-ollama-chat را ادغام کنند.
- برای کسانی که مسیر ابری را انتخاب می‌کنند، ایجاد یک پل ارتباطی به یک نقطه-پایان (Endpoint) سازگار با OpenAI (مانند api.deepseek.com) ضروری است.
- پیکربندی نهایی شامل تنظیم URL پایه و وارد کردن کلید API (API Key) است.
- مرحله آخر، مهندسی پرامپت (Prompt Engineering) است — هنر سؤال درست پرسیدن، شبیه کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد. در این مرحله باید به ربات‌ها گفته شود که آن‌ها که هستند؛ مثلاً سربازان اتحاد (Alliance)، شهروندان اورگریمار (Orgrimmar) یا مسافران خسته‌ای که در جاده‌ها سفر می‌کنند. این کار تضمین می‌کند که دیالوگ‌ها با لور (Lore) و داستان جهان آزروت همسو باشد.
این پروژه در واقع یک اثبات مفهوم (PoC) برای آینده بازی‌های نقش‌آفرینی (RPG) است. به‌طور سنتی، شخصیت‌های غیرقابل‌بازی (NPC) بر اساس «درخت‌های گفتگو» عمل می‌کردند؛ یعنی اسکریپت‌های صلب، خشک و پیش‌نویس‌شده‌ای که بازیکن تنها می‌توانست بین گزینه‌های محدود آن‌ها پیمایش کند. در حالی که این روش کیفیت و کنترل روایت را تضمین می‌کرد، اما فاقد هرگونه خودبه‌خودگی و بداهه بود. اما با ادغام یک LLM، توسعه‌دهنده دنیایی خلق کرده است که در آن NPCها می‌توانند به کلمات خاص بازیکن، اتفاقات جاری در بازی و حتی اتمسفر کلی سرور واکنش دهند. این تغییر، تجربه را از «بازی کردن یک بازی» به «تعامل با یک شبیه‌ساز زنده» ارتقا می‌دهد.
با این حال، جنبه‌ی «اینترنت مرده» در این آزمایش تکان‌دهنده‌ترین بخش است. ورود به شهری با هزاران موجود که ظاهر، رفتار و گفتارشان شبیه انسان‌هاست، و سپس درک این مطلب که شما تنها موجود آگاه (Sentient) در آن نزدیکی هستید، یک اثر روان‌شناختی سوررئال ایجاد می‌کند. این وضعیت آینه‌ای از آینده‌ای است که در آن رسانه‌های اجتماعی و فضاهای دیجیتال پر از عامل‌های (Agents) فوق‌واقع‌گرایانه خواهند بود. اگر یک بازیکن نتواند در چت WoW تفاوت بین یک ربات و یک انسان را تشخیص دهد، انتقال این عامل‌های تشخیص‌ناپذیر به محیط‌های حرفه‌ای، اداری یا اجتماعی در دنیای واقعی غیرقابل اجتناب خواهد بود.
از منظر مالی، استفاده از DeepSeek نشان‌دهنده‌ی تغییر مسیر به سمت «هوش مصنوعی کالا‌یی» (Commodity AI) است. هزینه هر توکن (Token) — تکه‌های کوچکی از متن، مثل برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — چنان سقوط کرده است که اکنون حتی یک علاقه‌مند تک‌نفره می‌تواند یک شهر مجازی کامل را با عامل‌های هوشمند populate کند. این دموکراتیزه شدن دسترسی به LLMها به این معناست که نسل بعدی بازی‌های مستقل احتمالاً اسکریپت‌های ایستا را به نفع هوش مصنوعی پویا رها خواهند کرد. دیگر مانع ورود به این فناوری، توانایی نوشتن یک AI پیچیده نیست، بلکه توانایی ادغام یک API و مدیریت هزینه‌های توکن‌های حاصل از آن است.
در نتیجه، سرور WoW قدرت گرفته از DeepSeek چیزی فراتر از یک کنجکاوی فنی است. این یک نگاه گذرا به دنیایی است که در آن خط dividing بین محتوای اسکریپت‌شده و هوش زاینده محو می‌شود. با بهره‌گیری از AzerothCore، playerbots و یک API با کارایی بالا، سازنده یک موزه زنده از «اینترنت مرده» ساخته است. همان‌طور که این ابزارها بیشتر ادغام می‌شوند، ممکن است به‌زودی خود را در بازی‌هایی بیابیم که در آن‌ها NPCها دیگر فقط دهندگان ماموریت نیستند، بلکه شهروندان دیجیتالی کاملی هستند که دارای خاطرات، شخصیت‌های منحصر‌به‌فرد و توانایی غافلگیر کردن ما هستند. تنها سوال باقی‌مانده این است که آیا دنیایی پر از شبیه‌سازی‌های بی‌نقص، به اندازه دنیایی پر از انسان‌های غیرقابل‌پیش‌بینی پاداش‌بخش خواهد بود یا خیر.
گام بعدی شما
- بررسی مستندات AzerothCore برای درک نحوه اتصال APIهای خارجی به موتورهای بازی
- آزمایش مدل‌های ارزان‌قیمت DeepSeek برای خودکارسازی تعاملات در محیط‌های شبیه‌سازی‌شده
- مطالعه‌ی تأثیر «عامل‌های خودمختار» بر طراحی روایت در بازی‌های ویدئویی
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو