每日最新頭條.有趣資訊

《吃豆人》遊戲誕生40周年,NVIDIA用AI做了一個複刻版

記者 | 彭新

編輯 |

1

“吃豆人”(PAC-MAN)角色近年來依然不時活躍在電影銀幕和遊戲主機上,不時觸發人們的懷舊感:這個“缺了一角的黃色披薩餅”在迷宮中吃豆子、躲避鬼魂的設計成為遊戲史上不滅的經典。如今,它已經40歲了。

熱衷於用AI講故事的NVIDIA也不願意錯過這個熱點,在剛剛的技術發表中,NVIDIA宣布使用5萬局遊戲訓練出的人工智能模型重建了這個40年前的經典遊戲——不用寫代碼、不用構建遊戲引擎渲染圖像,僅僅通過神經網絡“看”原版《吃豆人》的運行狀況,自行理解遊戲規則,最終完成了遊戲製作。

複刻《吃豆人》的程序被稱為GameGAN,這是一個利用生成對抗網絡(Generative Adversarial Network,GAN)模仿計算機遊戲引擎的神經網絡模型,它由一個生成器和一個鑒別器組成,生成器嘗試輸入數據,而鑒別器將其與原版遊戲數據源進行比較。如果它們不匹配,則生成的數據將被拒絕,之後生成器將調整其工作並重新提交新數據。這兩個神經網絡會相互競爭,並學習建立出全新內容。

同時,GameGAN通過動態引擎、渲染引擎和存儲模塊三個部分生成遊戲實際運行畫面,其中動態引擎用於根據玩家行為變化更新當前的狀態,存儲模塊則來記住遊戲地圖,使遊戲畫面更加一致化和穩定。最後,渲染引擎根據動態引擎的狀態,對輸出圖像的進行解碼和輸出。

用AI製作的《吃豆人》圖像有點糊,但遊戲已經包含原版遊戲的所有的規則。

NVIDIA模擬技術副總裁Rev Lebaredian在媒體發布會中告訴現場記者:“它通過觀看就能了解所有東西。這種方法類似於人類程序員在YouTube上看《吃豆人》視頻,就能推斷出遊戲規則並重新構建它們。”

為了製作這個複刻版的《吃豆人》,NVIDIA共計準備了5萬局遊戲視頻,這些視頻共有上百萬幀玩家操作吃豆人的遊戲畫面,而GameGAN就觀看這些影片,從中學習遊戲規則,比如藍色牆不可穿越、吃豆獲得分數、吃豆人吃到大豆子時,幽靈會變色逃開等。

用AI來複刻《吃豆人》的工作是NVIDIA在8個月前開始準備的。實際上,類似《吃豆人》這樣採用固定、有規律的玩法,同時可在短時間內結束、操作過程包含大量決策判斷的遊戲,非常適合用於人工智能系統訓練需求。

最終,通過和萬代南夢宮(《吃豆人》的遊戲開發商)的合作,使用NVIDIA的Tesla V100的GPU計算系統訓練後的GameGAN,僅花四天的時間即從無到有完成了遊戲製作。

通過GPU系統訓練GameGAN,觀看5萬局遊戲後,僅四天時間就產生了重製版的《吃豆人》。

NVIDIA稱,《吃豆人》的複刻工作指明了未來人工智能在遊戲設計上的方向,開發人員可以將遊戲規則輸入到AI中,並使用AI來創建遊戲的變體版本或設計新關卡。NVIDIA多倫多研究實驗室主任Sanja Fidler對記者說:“使用人工智能將不同的遊戲玩法融合在一起,給遊戲開發人員提供了更多的選擇。”

不過,這次AI複刻的《吃豆人》並非完美,研究團隊表示,目前還無法在複刻版遊戲中完全還原原版《吃豆人》的音樂音效。

有趣的是,NVIDIA的研究還找到了用AI還原《吃豆人》的一個小“BUG”:由於短時間生成大量遊戲視頻不大現實,因此團隊使用計算機來玩《吃豆人》生成畫面。但是,用於模擬玩遊戲的AI在遊戲中太出色了,這使GameGAN難以理解遊戲中“死亡”的概念,所以最初產生的《吃豆人》,遊戲中幾乎都不會輸。這顯示了AI訓練中,訓練數據的重要性。

GameGAN可用於訓練機器人理解現實規則。

當然,GameGAN的作用不只是遊戲用途而已。NVIDIA介紹,這種通過觀察環境互動、理解規則、最終實現模仿還原的模式,在未來的機器人模擬用途中有相當大的作用。

在過去,開發人員通常使用仿真器來訓練機器人的AI,由於仿真器必須編寫大量互動規則,相當費時費力。“仿真器是訓練機器人系統的核心,但開發仿真器非常耗時。”Sanja Fidler解釋,在倉庫機器人、自動駕駛汽車、送貨機器人等應用中,機器人需要學習現實世界的物理定律,因此開發者要寫許多規則來打造仿真器,比如學習物體互動等。而GameGAN的出現意味著未來可能通過簡單的神經網絡訓練,就可以取代複雜的編程工作。

NVIDIA計劃今年下半年在自家的NVIDIA AI Playground平台,向外開放這個完全由AI製作的《吃豆人》遊戲。

獲得更多的PTT最新消息
按讚加入粉絲團