GameGAN是一個生成式對抗網(wǎng)絡，其使用《吃豆人》進行了5萬個回合訓練，無需基礎游戲引擎就能生成這款經(jīng)典游戲的完整版。

四十年前，《吃豆人》首次出現(xiàn)在日本的游戲廳中。如今，這款被列入世界游戲名作殿堂的經(jīng)典游戲借助于AI技術(shù)再度重生。

經(jīng)過5萬個回合的游戲訓練，由NVIDIA 研究院創(chuàng)建的強大新AI模型NVIDIA GameGAN，能夠在無需基礎游戲引擎的情況下生成完整版的《吃豆人》游戲。也就是說，該AI即使不了解游戲的基本規(guī)則，也可以完美再現(xiàn)這款經(jīng)典游戲。

GameGAN是首個利用生成式對抗網(wǎng)絡（GAN）模仿計算機游戲引擎的神經(jīng)網(wǎng)絡模型。GAN模型由兩個相互對抗的神經(jīng)網(wǎng)絡組成，一個生成器（generator）和一個鑒別器（discriminator），其能夠?qū)W習創(chuàng)建足以媲美原版內(nèi)容的新內(nèi)容。

NVIDIA研究人員兼該項目的首席作者Seung-Wook Kim表示：“這是首個使用GAN神經(jīng)網(wǎng)絡模擬游戲引擎的研究。我們想看看AI是否可以僅通過觀看游戲中智能代理的行為來學習領悟游戲環(huán)境規(guī)則。事實證明它做到了。”

當智能代理試玩GAN生成的游戲時，GameGAN會對代理的行為做出響應，從而實時生成新的游戲環(huán)境框架。在使用游戲不同等級或版本的游戲劇本進行訓練后，GameGAN甚至可以生成從未有過的游戲關卡。

游戲開發(fā)人員可以利用此功能自動生成新的游戲等級關卡，AI研究人員則可以使用此功能更輕松地開發(fā)用于訓練自主機器的模擬器系統(tǒng)。

游戲發(fā)行商萬代南夢宮娛樂（BANDAI NAMCO Entertainment）旗下研發(fā)公司萬代南夢宮研究有限公司（BANDAI NAMCO Research Inc.）提供了此次用于訓練GameGAN所用的《吃豆人》數(shù)據(jù)。該公司的Koichiro Tsutsumi表示：“在看到這個結(jié)果時，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》。這項研究將幫助游戲開發(fā)人員加快新關卡、角色甚至游戲的開發(fā)。一想到這一點，我們就感到十分興奮。”

NVIDIA將于今年晚些時候在AI Playground上發(fā)布這款由AI再現(xiàn)的《吃豆人》。屆時，所有人都可以親身體驗此研究演示。

AI再現(xiàn)經(jīng)典之作

《吃豆人》是游戲史的經(jīng)典之作，過去在游戲廳里經(jīng)常可以看到，伴隨著經(jīng)典的游戲背景音樂，《吃豆人》的愛好者們控制著吃豆人，在這款經(jīng)典之作的迷宮中追逐吃豆躲避鬼魂。

僅在1981年，美國人就往游戲機里投了幾十億個25美分硬幣，玩《吃豆人》等投幣游戲，總游玩時間達到75000小時。在之后的幾十年中，這款熱門游戲不斷推陳出新，在電腦、游戲機和手機上推出了多個版本。

GameGAN版本依靠神經(jīng)網(wǎng)絡而非傳統(tǒng)的游戲引擎來生成《吃豆人》環(huán)境。AI持續(xù)追蹤這個虛擬世界，記錄已生成的內(nèi)容以保證幀與幀之間的視覺一致性。

無論是哪一款游戲，GAN都可以通過從過去的游戲中提取屏幕錄像和智能代理的按鍵軌跡來學習其規(guī)則。游戲開發(fā)人員可以將原關卡中的游戲劇本作為訓練數(shù)據(jù)，使用該工具為當前的游戲設計新的等級關卡。

利用萬代南夢宮研究有限公司所提供的數(shù)據(jù)，Kim和他在多倫多NVIDIA AI 研究院的同事們一起在NVIDIA DGX系統(tǒng)上使用《吃豆人》游戲?qū)υ撋窠?jīng)網(wǎng)絡進行了總計數(shù)萬幀的訓練，同時加入了AI代理在游玩這款游戲時的鍵盤軌跡。

經(jīng)過訓練后的GameGAN模型能夠生成靜態(tài)環(huán)境元素，例如統(tǒng)一的迷宮形狀、豆子和強化道具，以及作為敵人的幽靈和吃豆人本身等移動元素。

該模型能夠?qū)W習簡單和復雜的關鍵性游戲規(guī)則。例如，和原版游戲一樣，吃豆人無法穿過迷宮墻。他需要一邊四處移動，一邊吃豆。當他吃到強化道具后，鬼魂會變成藍色并四處逃竄。當吃豆人從一側(cè)離開迷宮時，他會被傳送到迷宮的另一側(cè)。一旦吃豆人碰到鬼魂，屏幕就會閃爍并結(jié)束游戲。

由于該模型可以區(qū)分背景與活動的角色，因此其可以將游戲中的迷宮替換成綠籬墻式的迷宮，還可以將吃豆人換成你最喜歡的表情符號。開發(fā)人員可以使用這項功能嘗試新的角色創(chuàng)意或游戲主題。

不僅僅適用于游戲

自主機器人通常也需要在模擬器中接受訓練，模擬器中的AI可以在與現(xiàn)實世界中的目標進行交互之前，學習環(huán)境規(guī)則。對于開發(fā)人員而言，創(chuàng)建模擬器是一個相當耗時的過程。開發(fā)人員必須編寫有關如何與目標互動，以及光在環(huán)境中如何表現(xiàn)等規(guī)則。

模擬器被廣泛用于開發(fā)各種自主機器，例如學習如何抓握和移動物體的倉庫機器人、或是需要在人行道上運輸食物或藥品的物流機器人等。

而GameGAN的出現(xiàn)，為其帶來了一種可能性 —— 在未來的某一天，神經(jīng)網(wǎng)絡訓練將能取代此類任務中編寫模擬器的工作。

比如你在汽車上安裝一個攝像頭。該攝像頭可以記錄道路環(huán)境或駕駛員的行為，例如轉(zhuǎn)動方向盤或踩下油門等。這些數(shù)據(jù)可被用于訓練一個深度學習模型，其能夠預測在現(xiàn)實世界中，人類駕駛員（或自動駕駛汽車）在做出猛踩剎車等動作時會發(fā)生什么后果。

NVIDIA多倫多研究實驗室主任Sanja Fidler表示：“我們最終將訓練出一個AI，其只需通過觀看視頻和觀察目標在環(huán)境中所采取的行動，就能模仿駕駛規(guī)則或物理定律。GameGAN是朝這一目標所邁出的第一步。”

NVIDIA 研究院在全球擁有200多名科學家，主要關注于AI、計算機視覺、自動駕駛汽車、機器人技術(shù)和圖形等領域的研究。

GameGAN由Fidler、Kim、NVIDIA研究員Jonah Philion、多倫多大學（University of Toronto）學生Yuyu Zhou和麻省理工學院（MIT）教授Antonio Torralba共同創(chuàng)作。該論文將在6月舉行的著名國際計算機視覺與模式識別會議上發(fā)表。

PAC-MANTM 是BANDAI NAMCO Entertainment Inc.的注冊商標.