All’inizio di quest’anno, NVIDIA ha finalmente lanciato Project G-Assist, un prodotto reale che puoi provare, il cui "concetto" è apparso per la prima volta nell’aprile 2017. L’idea originale (in tono scherzoso) ruotava attorno all’offerta ai giocatori del massimo aiuto possibile per superare i livelli bloccati, mentre il prodotto reale si basa sull’AI e offre molto di più di un semplice aiuto nel gioco.
Cos’è Project G-Assist?
Attualmente, Project G-Assist utilizza il modello linguistico piccolo (SLM) Llama-3.1-8B di Meta, che viene eseguito localmente sul tuo PC, più precisamente sulla tua RTX GPU. Per dirla con le parole di NVIDIA: "Man mano che i PC moderni diventano sempre più potenti, diventano anche più complessi da utilizzare. G-Assist aiuta gli utenti a controllare varie impostazioni del PC, dall’ottimizzazione dei giochi e delle impostazioni di sistema, alla visualizzazione del frame rate e altre statistiche chiave sulle prestazioni, al controllo delle impostazioni periferiche selezionate (come l’illuminazione), il tutto tramite semplici comandi vocali o di testo."
L’idea non è molto diversa da come Google e Apple sfruttano i modelli AI per potenziare i rispettivi assistenti digitali, consentendo loro di comprendere meglio il linguaggio umano e modificare le impostazioni senza dover navigare in menu profondi e nascosti in diversi angoli del sistema. In teoria, questo è particolarmente utile per gli utenti occasionali: mentre persone come noi sono appassionati e amano armeggiare con le impostazioni a proprio piacimento, l’overclocking della GPU o la regolazione delle impostazioni grafiche potrebbero risultare troppo intimidatorie per loro: è qui che entra in gioco Project G-Assist.
Configurazione
Prima di installare Project G-Assist, ci sono alcune cose che devi sapere, a partire dai requisiti di sistema. Prima di tutto, devi possedere una RTX GPU serie 30 o successiva con almeno 12 GB di VRAM (le GPU per laptop non sono attualmente incluse): sfortunatamente, a causa di alcune strane configurazioni di VRAM nelle generazioni passate, si è creata una situazione in cui i possessori di RTX 3060 12 GB possono eseguire il modello, mentre i possessori di RTX 3080 di fascia alta (con 10 GB di VRAM) non possono. Ahi.
Supponendo che il tuo hardware GPU soddisfi i requisiti, avrai anche bisogno del sistema operativo Windows 10 o Windows 11, nonché della versione del driver GPU 572.83 o successiva; per quanto riguarda lo storage, sono necessari almeno 6,5 GB di spazio su disco affinché le funzionalità di assistente di sistema funzionino correttamente (i comandi vocali richiederanno altri 3 GB). Attualmente, è supportato solo l’inglese.
Dovrai anche installare l’NVIDIA App per abilitare Project G-Assist sul tuo sistema; per quanto riguarda i requisiti hardware relativi alle periferiche, la versione attuale supporta le schede madri MSI e le periferiche di Logitech G, Corsair e Nanoleaf. Non tutti i modelli di questi marchi sono supportati: consulta la scheda "Requisiti di sistema" nella home page di Project G-Assist per maggiori dettagli.
Sistema di Test
- CPU: Intel Core i9-13900K
- Raffreddamento: Cooler Master MasterLiquid PL360 Flux 30th Anniversary Edition
- Pasta termica: Thermal Grizzly Kryonaut
- Scheda madre: ASUS ROG Maximus Z790 Apex
- GPU: NVIDIA GeForce RTX 5090 Founders Edition
- Memoria: Kingston FURY BEAST RGB DDR5-6800 CL34 (2x16GB)
- Configurato con profilo DDR5-6400 CL32 XMP
- Storage: ADATA LEGEND 960 MAX 1TB
- Alimentatore: Cooler Master MWE Gold 1250 V2 Full Modular (ATX12V 2.52) 1250W
- Case: VECTOR Bench Case (Telaio open-air)
- Sistema operativo: Windows 11 Home 24H2
Test
Come indicato nelle specifiche del sistema di benchmark sopra, utilizzeremo la NVIDIA GeForce RTX 5090 Founders Edition per dimostrare questa funzionalità. Questa GPU di punta basata su Blackwell presenta 32 GB di GDDR7 VRAM, Tensor Core di 5a generazione e 21.760 core CUDA, tutti combinati per offrire 3.352 TOPS di prestazioni FP4 specifiche per l’AI (si noti che questo numero non è direttamente confrontabile con i 1.321 TOPS della RTX 4090, che utilizza FP8).
Nota: al momento del test, Project G-Assist è ancora in versione pre-release (versione 0.1.9), quindi alcune funzionalità potrebbero essere incomplete. I risultati generati dai test eseguiti di seguito saranno validi solo per questa build, poiché i risultati varieranno man mano che i modelli AI e le funzionalità vengono aggiornati nel tempo.
Primo utilizzo
Questo è ciò che vedi inizialmente dopo aver abilitato la funzionalità tramite il tasto Alt+G, che rimarrà permanentemente sullo schermo da qualche parte fino a quando non la disabiliti completamente (cosa che può essere fatta tramite le impostazioni rapide con il tasto Alt+R). Come con i modelli linguistici AI, si applicano le esclusioni di responsabilità: possono verificarsi allucinazioni (i modelli linguistici possono produrre risultati errati, spesso convincendo utenti ignari), quindi controlla gli errori il più possibile.
Viene visualizzato anche un messaggio di esclusione di responsabilità alla prima immissione di un messaggio/comando, ribadendo che i risultati generati dall’AI non possono essere completamente garantiti. Dopo aver visualizzato questo messaggio, il chatbot è pronto a rispondere ai comandi tramite linguaggio naturale: detto questo, ci sono ancora solo una serie limitata di comandi (in linguaggio naturale o altro) disponibili in questa versione, a cui puoi fare riferimento sul sito web.
Informazioni di sistema e monitoraggio
Iniziando con semplici domande, come la natura del sistema, G-Assist risponde in modo appropriato con tutte le informazioni hardware importanti elencate nella risposta. Tuttavia, sembra avere difficoltà a ottenere la risoluzione valida del nostro monitor BenQ 4K (ovvero 4K 60Hz), ma a parte questo, ha superato il nostro test preliminare.
Successivamente, un altro caso d’uso (presumibilmente) comune è il monitoraggio del consumo energetico della GPU. Abbiamo dati di telemetria più tradizionali nell’angolo in alto a destra, ma a meno che tu non abbia uno strumento di terze parti come HWiNFO64, non fornisce un grafico completo; quindi, in questo caso, un utente occasionale potrebbe chiedere al chatbot le informazioni di cui ha bisogno.
Abbiamo posto tre domande diverse al chatbot di Project G-Assist, con le prime due a cui è stato risposto senza problemi; detto questo, la terza domanda sembrava essere al di là delle sue capacità, poiché inizialmente volevamo che fornisse un monitoraggio in tempo reale quando disponibile. Invece, ci ha fornito l’attuale consumo energetico della GPU.
Vale anche la pena notare che quando la GPU è alle prese con la generazione di una risposta, utilizzerà la stragrande maggioranza della sua potenza disponibile, nel nostro caso la nostra RTX 5090 FE ha consumato oltre 350 watt di potenza in un lampo ogni volta che è stato richiesto un prompt al chatbot. Su hardware più vecchio o meno potente, il tempo necessario per generare una risposta potrebbe essere più lungo (nel peggiore dei casi con la RTX 3060 12GB, poiché è il modello di fascia più bassa con VRAM sufficiente per accedere a questa funzionalità), ma in questo caso abbiamo osservato circa mezzo secondo di tempo di "pensiero" prima che la risposta venisse generata.
Giochi e prestazioni
Cambiamo marcia e diamo un’occhiata ai giochi. Se hai una libreria di giochi troppo grande su Steam per filtrarla, puoi avviare un gioco direttamente dal chatbot, supponendo che tu non abbia in qualche modo un collegamento al gioco sul desktop o nel menu "Start" (in questo caso, non avevamo nemmeno bisogno di scrivere il nome completo di Forza Horizon 5 affinché capisse quale gioco avviare, anche se è l’unico gioco di Forza che abbiamo sul nostro sistema).
Coincidentalmente, un aggiornamento dei driver potrebbe aver incasinato le impostazioni del gioco, causando l’esecuzione di FH5 a 15 FPS scadenti. Un giocatore occasionale turbato potrebbe immediatamente premere il tasto di scelta rapida Alt+G e iniziare a chiedere a G-Assist "cosa sta succedendo", ma questo è il punto in cui si vedono le limitazioni di G-Assist: manca la capacità di leggere le impostazioni del gioco e invece fornisce una risposta generica che offre all’utente alcune indicazioni di base per diagnosticare il problema.
Attraverso la diagnosi manuale, abbiamo scoperto che il gioco aveva in qualche modo impostato il limite di frame rate interno a soli 15 FPS e G-Assist non l’ha affatto rilevato. La sua risposta mostrava che "il limitatore di frame rate è disabilitato", che potrebbe riferirsi all’impostazione a livello di driver di NVIDIA nell’NVIDIA App, ma un utente occasionale molto probabilmente non sarebbe in grado di risolvere questo problema da solo e potrebbe finire per essere fuorviato da questa risposta meno che ideale.
Successivamente, lo portiamo su Counter-Strike 2 per vedere se NVIDIA può trovare un modo per migliorare la latenza sul PC, una metrica a cui i giocatori competitivi devono prestare attenzione, ma che non tutti capiscono facilmente. Chiedere a G-Assist di fornire un rapporto sulla latenza media è facile da fare, ma non è riuscito a fornire alcun consiglio specifico su come migliorare ulteriormente questa metrica (e ci ha dato la stessa risposta che abbiamo appena visto in Forza Horizon 5).
Va bene lo stesso, poiché supponiamo che NVIDIA abbia promosso così bene la sua funzionalità che NVIDIA Reflex è una funzionalità che i giocatori di FPS molto probabilmente conosceranno. Quindi cosa succede se non riescono a trovare la posizione di questa opzione nelle impostazioni di gioco piuttosto complesse di CS2 e scelgono di chiedere al chatbot? Sfortunatamente, non è affatto consapevole del fatto che Reflex è effettivamente abilitato e invece ci dice che è disabilitato. Suppongo che questo sia il motivo per cui ci viene ricordato di controllare gli errori.
Altri scenari
Nello scenario successivo, proviamo il chatbot per vedere se riesce a trovare un modo per abilitare RTX Video Super Resolution (RTX VSR), una tecnologia di upscaling video progettata per migliorare la risoluzione effettiva e ridurre gli artefatti di compressione nei video online (come YouTube e Twitch). Ora, se hai familiarità con League of Legends, saprai che a volte una mischia di squadra può rendere lo schermo incredibilmente caotico e causare tutti quegli artefatti visivi presenti come pixel a blocchi; oppure in altre situazioni, vorresti che uno streaming a 1080p fosse portato al tuo monitor 4K.
Per essere onesti, Project G-Assist è effettivamente riuscito a capire a quale funzionalità ci riferivamo, anche se non abbiamo menzionato esplicitamente il nome della funzionalità; tuttavia, non è in grado di rilevare se la funzionalità è già abilitata o meno. (Non sarebbe incredibilmente semplice per G-Assist controllare l’impostazione nell’NVIDIA App?)
Va bene, facciamola finita: forse chiederemo semplicemente al chatbot di portarci direttamente alla pagina delle impostazioni per abilitare la funzionalità, solo per dargli la migliore possibilità possibile. Anche questo non ha funzionato e il chatbot non ha offerto ulteriori suggerimenti, lasciando che qualsiasi utente occasionale chiedesse a Google (cosa che molto probabilmente gli darà un altro risultato generato dall’AI, dato come stanno le cose ora).
Analisi approfondita di Project G-Assist: l’assistente AI di NVIDIA è all’altezza?
Project G-Assist di NVIDIA promette di sfruttare l’intelligenza artificiale per semplificare la gestione del PC e migliorare le esperienze di gioco. Alimentato dal modello SLM Llama-3.1-8B di Meta, che viene eseguito localmente, mira a ottimizzare le impostazioni di sistema, monitorare le prestazioni e controllare le periferiche tramite comandi vocali o di testo. Sebbene l’idea sia promettente, le prestazioni effettive sono tutt’altro che perfette.
Difficoltà di configurazione: ostacoli hardware e software
La configurazione di Project G-Assist pone diverse sfide. Innanzitutto, il requisito di una RTX GPU serie 30 o successiva, con almeno 12 GB di VRAM, limita in modo significativo la sua potenziale base di utenti. Questa limitazione esclude un numero considerevole di giocatori con GPU meno potenti, inclusi molti proprietari di RTX xx60. Inoltre, la dipendenza da versioni specifiche del sistema operativo e dei driver aggiunge complessità.
Anche il supporto periferico è limitato alle schede madri MSI e ai dispositivi di Logitech G, Corsair e Nanoleaf, limitando ulteriormente l’utilità per coloro che non dispongono di hardware di questi marchi specifici.
Prestazioni nel mondo reale: risultati contrastanti
Nei test del mondo reale, Project G-Assist ha mostrato prestazioni incoerenti in vari compiti. Sebbene sia in grado di recuperare accuratamente le informazioni di sistema e monitorare il consumo energetico della GPU, ha difficoltà con query più complesse. Ad esempio, non è riuscito a riconoscere la risoluzione corretta di un monitor BenQ 4K e ha avuto difficoltà a fornire indicazioni specifiche sull’ottimizzazione delle impostazioni di gioco.
Per quanto riguarda i giochi, Project G-Assist è in grado di avviare giochi in Steam, ma la sua utilità nella risoluzione dei problemi di prestazioni è limitata. Quando Forza Horizon 5 ha riscontrato problemi di frame rate, G-Assist non è riuscito a diagnosticare la causa principale e ha invece fornito una risposta generica che non è stata molto utile per l’utente. Allo stesso modo, in Counter-Strike 2, non è riuscito a fornire suggerimenti specifici su come ridurre la latenza e ha persino segnalato erroneamente lo stato di NVIDIA Reflex.
Funzionalità mancanti e limitazioni
Le limitazioni di Project G-Assist vanno oltre le sue prestazioni incoerenti. Manca anche di funzionalità chiave come la capacità di leggere le impostazioni di gioco e rilevare lo stato di RTX Video Super Resolution (RTX VSR). Queste omissioni limitano in modo significativo la sua utilità come assistente PC completo.
Inoltre, G-Assist si affida a un modello linguistico eseguito localmente, il che significa che richiede risorse di calcolo significative. Durante i test, la RTX 5090 FE ha consumato fino a 350 watt di potenza ogni volta che il chatbot stava generando una risposta. Ciò potrebbe causare problemi di prestazioni per gli utenti con hardware più vecchio o meno potente.
Migliore comunicazione e gestione delle aspettative
Dato il suo stato attuale, NVIDIA comunicherebbe meglio che Project G-Assist è ancora in fase di test. Le sue funzionalità limitate e le prestazioni incoerenti potrebbero portare alla frustrazione per gli utenti che si aspettano un’esperienza più raffinata. Essendo trasparente sulle capacità attuali di G-Assist, NVIDIA può stabilire aspettative realistiche ed evitare feedback negativi non necessari.
Potenziale futuro: da vedere
Nonostante le sue limitazioni, Project G-Assist ha ancora un potenziale futuro. Man mano che la tecnologia AI continua a progredire, NVIDIA può migliorare il modello linguistico, espandere le sue funzionalità e ottimizzare le sue prestazioni. Affrontando le limitazioni attuali e aggiungendo nuove funzionalità, Project G-Assist ha il potenziale per diventare uno strumento prezioso per gli utenti occasionali. Tuttavia, ha ancora molta strada da fare prima di raggiungere questo potenziale.
Al momento, Project G-Assist sembra più una versione più elaborata e in linguaggio naturale della console di comando piuttosto che un assistente PC completo. Sebbene possa essere in grado di gestire alcuni compiti di base, non è ancora abbastanza raffinato per risolvere in modo affidabile problemi avanzati o fornire indicazioni personalizzate. Solo attraverso lo sviluppo e il miglioramento continui Project G-Assist può davvero realizzare la sua promessa di semplificare la gestione del PC e migliorare le esperienze di gioco.
Un altro problema importante che deve essere affrontato è quello dei requisiti di sistema. A meno che tu non possegga una GPU abbastanza costosa con 12 GB o più di VRAM, non puoi usare questa funzionalità: questo esclude quasi tutti i proprietari di RTX xx60 (a meno che tu non abbia una RTX 3060 12 GB, RTX 4060 Ti 16GB o RTX 5060 Ti 16GB), che rappresentano una grande parte dei PC basati su NVIDIA in molti sondaggi hardware di Steam che abbiamo visto negli ultimi anni. Spero davvero che il modello linguistico possa essere ridimensionato per adattarsi a 8 GB o anche 6 GB di VRAM, altrimenti non otterrà una grande diffusione a meno che NVIDIA non inizi a installare più VRAM nelle GPU d’ora in poi.