AI 模型 GameGAN 致敬誕生40周年的街機(jī)版《吃豆人》

英偉達(dá)稱稍后會放出一個(gè)使用 AI 模型 GameGAN復(fù)刻的《吃豆人》游戲，以致敬誕生40周年的街機(jī)版《吃豆人》。

根據(jù)英偉達(dá)發(fā)布的研究報(bào)告，GameGAN 目標(biāo)是用神經(jīng)網(wǎng)絡(luò)取代游戲引擎。

它不同于以往用 AI 做游戲的例子。之前的谷歌 DeepMind 和 Open AI 還是在現(xiàn)有游戲框架中，被用來“玩游戲”，相當(dāng)于是智能生成一個(gè)游戲?qū)κ帧１热?OpenAI 被用來在 Dota2 5v5中對戰(zhàn)人類，OpenAI 2018年通過學(xué)習(xí)人類演示，在蒙特祖瑪?shù)膹?fù)仇游戲中刷出了74500分的高分。

GameGAN 則被用來“創(chuàng)作”游戲，是對現(xiàn)有游戲代碼的取代。它在訓(xùn)練過程中攝入大量游戲劇本和鍵盤動(dòng)作，通過觀察場景和玩家的操作動(dòng)作，預(yù)測下一幀游戲畫面，而不訪問底層游戲邏輯或引擎。

“當(dāng)玩家按下左鍵的時(shí)候，這個(gè) AI 會猜測畫面的變化，并且生成一個(gè)“看起來是角色在往左走”的圖像。 中間發(fā)生的事情，全部都在 AI 的黑盒中。 沒人知道 AI 是怎么理解玩家操作的，得到的只有最終的輸出結(jié)果。”

除了生成下一幀游戲畫面，GameGAN 還學(xué)習(xí)環(huán)境的內(nèi)在動(dòng)力學(xué)，“我們有興趣訓(xùn)練一個(gè)游戲模擬器，它可以模擬環(huán)境的確定性和隨機(jī)性”。

GameGAN包括動(dòng)力引擎;記憶模塊;渲染引擎;對抗性損失、循環(huán)損失訓(xùn)練和培訓(xùn)計(jì)劃。

首先GameGAN要學(xué)習(xí)環(huán)境會如何跟隨用戶操作變化而改變，這涉及一些基本的規(guī)則，比如不能穿過墻壁。同時(shí)還要通過訪問歷史，產(chǎn)生一致性模擬。場景中的長期一致性實(shí)現(xiàn)通過記憶模塊實(shí)現(xiàn)，GameGAN使用內(nèi)存模塊，記住生成的靜態(tài)元素，如背景，并在需要的時(shí)候適當(dāng)檢索。神經(jīng)渲染引擎負(fù)責(zé)渲染模擬圖像。此外，對抗訓(xùn)練用來完成圖像和視頻的合成任務(wù)，GameGAN用對抗性訓(xùn)練學(xué)習(xí)環(huán)境動(dòng)力學(xué)，并產(chǎn)生真實(shí)的時(shí)間相關(guān)模擬。

這次復(fù)刻《吃豆人》，主要訓(xùn)練的細(xì)節(jié)包括吃豆人的速度和移動(dòng)能力;鬼魂的運(yùn)作方式;吃豆人吃下大力丸后的變化;鬼魂與吃豆人相遇的場景。據(jù)了解，GameGAN基于PyTorch開發(fā)，模型研發(fā)已經(jīng)進(jìn)行了8個(gè)月，關(guān)于復(fù)刻《吃豆人》只用了4天。

游戲開發(fā)商萬代南宮夢為此次訓(xùn)練提供了總計(jì)幾百萬幀、50000集的《吃豆人》劇本。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，大家都無法相信可以在沒有游戲引擎的情況下再現(xiàn)了南夢宮的經(jīng)典游戲《吃豆人》。這項(xiàng)研究將幫助游戲開發(fā)人員加快新關(guān)卡、角色甚至游戲的開發(fā)。一想到這一點(diǎn)，我們就感到十分興奮。”

不過，復(fù)刻游戲只是開始，英偉達(dá)的目標(biāo)是擴(kuò)展模型來捕捉更復(fù)雜的現(xiàn)實(shí)世界環(huán)境。英偉達(dá)多倫多研究實(shí)驗(yàn)室主任 Sanja Fidler 表示：“我們最終將訓(xùn)練出一個(gè) AI，其只需通過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。” 而 GameGAN 只是第一步。