（文章來(lái)源：EEWORLD）

日前，NVIDIA公布了其最新的研究項(xiàng)目，一個(gè)游戲AI系統(tǒng)，該系統(tǒng)只需要觀看游戲，便可自動(dòng)設(shè)計(jì)出全新的游戲關(guān)卡，此次NVIDIA的研究人員采用的是Pac-Man吃豆人游戲，也是致敬該游戲誕生40年，這項(xiàng)工作是與Pac-Man的創(chuàng)造者Bandai Namco合作完成的。該方案無(wú)需編碼，無(wú)需預(yù)渲染圖像，只需向AI模型提供活動(dòng)中的游戲視覺(jué)數(shù)據(jù)以及隨附的控制器輸入，然后根據(jù)此信息逐幀重新創(chuàng)建AI模型。

使用機(jī)器創(chuàng)建所見(jiàn)即所得的AI是業(yè)界創(chuàng)舉。英偉達(dá)（Nvidia）仿真技術(shù)副總裁Rev Lebaredian對(duì)記者表示：“這一系統(tǒng)僅通過(guò)觀看就能了解所有規(guī)則。這和程序員在YouTube上通過(guò)觀看《吃豆人》，然后推斷游戲規(guī)則并重建它們一樣?！钡?，AI并不能保證絕對(duì)的完美，畢竟有時(shí)候圖像模糊不清，并且AI也無(wú)法完全捕捉鬼魂的準(zhǔn)確行為，但是吃豆人的行為比較容易發(fā)現(xiàn)，就是吃豆并且盡量避免碰到鬼魂。

英偉達(dá)表示，這樣的工作表明了未來(lái)人工智能將如何用于游戲設(shè)計(jì)。開(kāi)發(fā)人員可以將其工作輸入到AI中，并使用它來(lái)創(chuàng)建變體或設(shè)計(jì)新關(guān)卡。 Nvidia多倫多研究實(shí)驗(yàn)室主任Sanja Fidler對(duì)記者說(shuō)：“您可以使用它來(lái)將不同的游戲融合在一起，通過(guò)不同的游戲玩法組合賦予開(kāi)發(fā)商更多的能力?！?/p>

重新創(chuàng)建吃豆人的項(xiàng)目稱為GameGAN。GAN代表生成對(duì)抗網(wǎng)絡(luò)，是機(jī)器學(xué)習(xí)中常用的架構(gòu)。 GAN的基本原理是它可以分為兩半。GAN的前半部分嘗試復(fù)制輸入數(shù)據(jù)，而后半部分將其與原始源進(jìn)行比較。如果它們不匹配，則生成的數(shù)據(jù)將被拒絕，并且生成器將對(duì)其工作進(jìn)行調(diào)整并重新提交。

此前已經(jīng)有使用AI生成游戲關(guān)卡的方法，但是Nvidia的研究人員介紹了幾個(gè)新方面，包括“內(nèi)存模塊”，該模塊使系統(tǒng)可以存儲(chǔ)游戲世界的內(nèi)部地圖，這將保證游戲世界中更高的一致性，這是重現(xiàn)《吃豆人》迷宮的關(guān)鍵特征。此外還允許將游戲世界中的靜態(tài)元素（如迷宮）與動(dòng)態(tài)元素（如幽靈）分開(kāi)，這符合公司使用AI生成新關(guān)卡的目標(biāo)。

Google的AI研究人員David Ha從事類(lèi)似的工作，他對(duì)《The Verge》表示，這項(xiàng)研究“非常有趣”。Ha說(shuō)，此前也有團(tuán)隊(duì)曾嘗試使用GAN重新創(chuàng)建游戲世界，“但據(jù)我所知，這是第一個(gè)展示出良好成績(jī)的公司。”

但是，該過(guò)程的某些元素確實(shí)需要進(jìn)行調(diào)整，并且在學(xué)習(xí)新任務(wù)時(shí)證明了人工智能的特殊脆弱性。Fidler告訴記者，要重新制作《吃豆人》，GameGAN必須接受大約50000回合的訓(xùn)練。從人類(lèi)那里獲取游戲數(shù)據(jù)是不可行的，因此該團(tuán)隊(duì)使用了AI代理來(lái)生成數(shù)據(jù)。但其實(shí)人工智能非常擅長(zhǎng)游戲，幾乎沒(méi)有死亡。

Fidler說(shuō)：“AI很難重新創(chuàng)建游戲來(lái)學(xué)習(xí)死亡的概念。取而代之的是，在AI早期版本的《吃豆人》中，GameGAN對(duì)其進(jìn)行了調(diào)整，以使鬼魂從未真正接觸過(guò)角色，而是像小鴨子跟隨父母一樣一直跟隨在角色背后，這是訓(xùn)練中非常有趣的。”

經(jīng)過(guò)50,000回合游戲訓(xùn)練后，由NVIDIA Research創(chuàng)建的功能強(qiáng)大的新AI模型（稱為NVIDIA GameGAN）可以生成功能完整的PAC-MAN版本，而無(wú)需底層游戲引擎。這意味著即使不了解游戲的基本規(guī)則，人工智能也可以令人信服的重現(xiàn)游戲。

NVIDIA研究人員，該項(xiàng)目的主要作者Seung-Wook Kim說(shuō)：“這是第一次使用基于GAN的神經(jīng)網(wǎng)絡(luò)模擬游戲引擎的研究。我們想看看AI是否可以僅通過(guò)查看游戲視頻就可以學(xué)習(xí)規(guī)則，他確實(shí)做到了。”當(dāng)人工代理玩GAN生成的游戲時(shí)，GameGAN會(huì)對(duì)代理的行為做出響應(yīng)，從而實(shí)時(shí)生成游戲環(huán)境的新框架。如果經(jīng)過(guò)培訓(xùn)，GameGAN甚至可以生成從未有過(guò)的游戲布局，而這些布局來(lái)自多個(gè)級(jí)別或版本的游戲的劇本。

游戲發(fā)行商萬(wàn)代南夢(mèng)宮娛樂(lè)（BANDAI NAMCO Entertainment）旗下研發(fā)公司萬(wàn)代南夢(mèng)宮研究有限公司（BANDAI NAMCO Research Inc.）提供了此次用于訓(xùn)練GameGAN所用的《吃豆人》數(shù)據(jù)。該公司的Koichiro Tsutsumi表示：“在看到這個(gè)結(jié)果時(shí)，我們都感到震驚，大家都無(wú)法相信可以在沒(méi)有游戲引擎的情況下再現(xiàn)了南夢(mèng)宮的經(jīng)典游戲《吃豆人》。這項(xiàng)研究將幫助游戲開(kāi)發(fā)人員加快新關(guān)卡、角色甚至游戲的開(kāi)發(fā)。一想到這一點(diǎn)，我們就感到十分興奮?！?/p>

這一套僅通過(guò)觀察就能掌握虛擬世界規(guī)則的AI也會(huì)對(duì)諸如編程機(jī)器人之類(lèi)的任務(wù)產(chǎn)生影響。 Lebaredian說(shuō)：“最終，我們希望它學(xué)習(xí)現(xiàn)實(shí)世界的規(guī)則。例如，AI可以觀看機(jī)器人手推車(chē)在倉(cāng)庫(kù)中導(dǎo)航的視頻，并使用該信息設(shè)計(jì)自己的導(dǎo)航軟件?！盕idler也表示：“我們最終將訓(xùn)練出一個(gè)AI，其只需通過(guò)觀看視頻和觀察目標(biāo)在環(huán)境中所采取的行動(dòng)，就能模仿駕駛規(guī)則或物理定律。GameGAN是朝這一目標(biāo)所邁出的第一步?！?/p>

比如你在汽車(chē)上安裝一個(gè)攝像頭。該攝像頭可以記錄道路環(huán)境或駕駛員的行為，例如轉(zhuǎn)動(dòng)方向盤(pán)或踩下油門(mén)等。這些數(shù)據(jù)可被用于訓(xùn)練一個(gè)深度學(xué)習(xí)模型，其能夠預(yù)測(cè)在現(xiàn)實(shí)世界中，人類(lèi)駕駛員（或自動(dòng)駕駛汽車(chē)）在做出猛踩剎車(chē)等動(dòng)作時(shí)會(huì)發(fā)生什么后果。
? ? ? （責(zé)任編輯：fqj）