NVIDIA 研究透过人工智慧重现 40 年前经典电玩游戏《吃豆人》 预计今年下半年开放体验
时间:2020-05-26
作者:小编
NVIDIA 宣布，旗下研究人员透过人工智慧重现 40 年前的经典电玩游戏《吃豆人》，可以在没有底层游戏引擎的支援下，产生出功能完整的经典吃点点游戏。官方预计于今年下半年透过 AI Playground 推出这款加入 AI 游戏，届时大家将能亲自体验该研究内容。
在《吃豆人》迈入 40 週年之际，NVIDIA 在人工智慧（AI）的协助下，重现了这款 40 年前这款经典复古游戏。NVIDIA Research 透过五万局《吃豆人》游戏所训练出的全新强大 AI 模型 NVIDIA GameGAN，可以在没有底层游戏引擎的支援下，产生出一个功能完整的《吃豆人》游戏；这意味著即使不明白游戏的基本规则，AI 也能重现令人信服的游戏效果。
GameGAN 是第一个利用生成对抗网路（GAN）模仿电脑游戏引擎的神经网路模型，由一个生成器和一个鑑别器组成，这两个神经网路相互竞争，学习如何建立出让原生信服的全新内容。
NVIDIA 研究员、同时也是本项研究的主要作者 Seung-Wook Kim 表示：「这是第一项使用生成对抗神经网路来模拟游戏引擎的研究项目。我们原先想看看人工智慧是不是能只靠著看代理程式在游戏中移动的剧本，就能掌握其环境规则，而它确实做到了。」
NVIDIA GameGAN 研究人员 Seung Wook Kim
当人工代理程式游玩由生成对抗网路产生的游戏时，GameGAN 会对代理程式的动作做出反应，即时生成新的游戏环境框架。如果使用有著多个关卡或版本的游戏剧本来训练神经网路，GameGAN 甚至能产生出它自己也没见过的游戏佈局。游戏开发人员可以透过这项功能自动生成新的游戏关卡，AI 研究人员也能藉此更方便地开发用于训练自主机器的模拟器系统。
提供《吃豆人》的游戏资料来训练 GameGAN 的游戏开发商万代南梦宫娱乐，旗下研发公司 BANDAI NAMCO Research Inc. 的 Koichiro Tsutsumi 表示：「我们对这个结果感到惊讶不已，不敢相信人工智慧可以在没有游戏引擎支援的情况下重现《吃豆人》的经典游戏体验。这个研究成果开创出让人期待的可能性，有助于游戏开发人员加快开发新的关卡、角色，甚至是游戏的创意发想过程。」
人工智慧走向复古风
从前《吃豆人》游戏玩家必须拿著零钱，走到最近的街机台来玩这个经典的迷宫追逐游戏。根据 NVIDIA 指出，美国人光是在 1981 年，就投入了数十亿个 25 分钱硬币、花了 7.5 万个小时在玩与《吃豆人》一样的投币式游戏。而在此之后的几十年裡，这款热门游戏已经出现了可以在 PC、游戏机和手机上游玩的版本。
而这次研究的 GameGAN 版本的《吃豆人》靠著神经网路，而非过去的游戏引擎来生成游戏环境。官方表示：「AI 会不断追踪虚拟世界、记住已产生的内容，以保持每个画面在视觉上的一致性。无论是哪一款游戏，GAN 可以透过过去游戏中的画面纪录和代理程式按键的资料，来学习其规则。游戏开发人员可以利用这样的工具，以原始关卡的剧本当成训练资料，自动为现有游戏设计新的关卡。」
Kim 和他在 NVIDIA 多伦多人工智慧研究实验室的合作对象，利用 BANDAI NAMCO Research 提供的五万局《吃豆人》游戏资料（共有数百万个画面），并结合 AI 代理程式玩游戏的按键资料，在 NVIDIA DGX 系统上训练神经网路。接著，经过训练的 GameGAN 模型产生出环境中的静态元素，像是一致的迷宫形状、点点和无敌药丸（Power Pellets），再加上敌队的幽灵和吃豆人本身等会移动的元素。
它学习了游戏裡无论是简单还是複杂的重要规则。GameGAN 版本的《吃豆人》跟原版游戏裡的规则一样，吃豆人不能穿越迷宫的牆壁、走动时会吃掉点点，还有在吃到一个无敌药丸时，幽灵会变成蓝色并逃走。当吃豆人从一边走出迷宫时，会被传送到另一边，要是遇到幽灵，画面会闪烁，而游戏便结束了。
既然 GameGAN 模型可以将背景与移动中的角色区分开来，就有可能将游戏重新设定为在室外的篱笆迷宫中进行，或者把吃豆人换成你喜欢的表情符号。因此，开发人员便可以利用这项功能来尝试新的角色创意或游戏主题。
不只是游戏
「通常我们使用模拟器来训练机器人，AI 可以先在模拟器中学习环境规则，再与现实世界中的物体进行互动。然而对于开发人员而言，创建模拟器相当耗时，开发人员必须编写关于物体之间如何相互交流，以及光线如何在环境中运行的规则。」官方指出：「我们使用模拟器来开发各种自主机器，像是学习如何抓取和移动物件的仓库机器人，或者是必须在人行道上运送食物或药品的送货机器人。」
GameGAN 提出了一种可能性，也就是有一天能藉由简单的训练神经网路，取代费时的编写模拟器工作。假设你在汽车上装了一台摄影机，它可以记录下道路环境的样子，或是驾驶转动方向盘或踩油门等行为。这些资料可以用来训练一个深度学习模型，预测万一人类驾驶员或是自动驾驶车出现猛踩煞车等动作时，在现实环境中可能会发生的情况。
NVIDIA 多伦多研究实验室主任 Sanja Fidler 表示：「我们可能最终会出现一个人工智慧，只要透过观看影片和观察代理程式在环境中採取的动作，就能模仿驾驶规则和学习物理定律。而 GameGAN 是实现此目标所跨出的第一步。」
NVIDIA Research 在全球各地拥有 200 多名科学家，专注于 AI、电脑视觉、自动驾驶车、机器人及绘图等领域。
GameGAN 由 Fidler、Kim、NVIDIA 研究员 Jonah Philion、多伦多大学学生 Yuhao Zhou 及麻省理工学院教授 Antonio Torralba 共同编写完成，该论文将在六月举行的著名 CVPR（Conference on Computer Vision and Pattern Recognition）大会上发表。
相关文章
