圖片來源: 

Nvidia

Nvidia所開發的人工智慧模型GameGAN,可以透過查看遊戲歷程,就能重新創造出Pac-Man遊戲,這樣的結果讓原本遊戲開發商BANDAI NAMCO都震驚。這個研究的價值在於人工智慧可以透過觀察習得規則,而不需要了解遊戲底層,這個應用可以擴展到機器人或是自動駕駛應用。

GameGAN是生成對抗網路(Generative Adversarial Network,GAN),透過生成網路和判別網路兩個互相競爭的神經網路,進行學習並創建出新的內容。而Nvidia的GameGAN則可在經過5萬回遊戲訓練之後,不需要底層遊戲引擎,就能生成完整的Pac-Man遊戲,也就是說,即便一開始人工智慧不了解遊戲的基本規則,也能夠透過觀察學習,理解遊戲的規則。

BANDAI NAMCO研究人員Koichiro Tsutsumi提到,在看到結果的時候他們很驚訝,人工智慧可以在沒有遊戲引擎的情況下,重新創建他們具代表性的Pac-Man遊戲,而這項技術有許多潛在可能性,對遊戲產業來說,可以提升遊戲開發人員創建新關卡、角色,甚至是遊戲本身的速度。

Nvidia研究人員使用BANDAI NAMCO提供的訓練資料來訓練GameGAN,人工智慧可以追蹤虛擬世界,並且記住已經生成的內容,在影格與影格之間維持視覺的一致性,Nvidia提到,無論應用在哪種遊戲中,生成對抗網路都可以從遊戲歷史記錄學習遊戲規則,BANDAI NAMCO所提供的5萬回訓練資料,包含了遊戲畫面錄影的數百萬影格,以及按鍵記錄資料。

經過訓練的GameGAN模型,會產生環境的靜態元素,諸如一致的迷宮形狀、點以及大力丸(Power Pellets),另外也會產生像是幽靈或是小精靈等動態元素。遊戲規則就像是原始遊戲一樣,小精靈無法穿牆,隨著移動會吃掉點,在吃到大力丸的時候便可以反吃變成藍色的幽靈等。

目前開發各種自動機器人必須仰賴模擬器,像是讓倉庫機器人學會抓握,或是讓送貨機器人學會在指定的路線上運輸物品,Nvidia提到,創建模擬器是一個耗時的工作,開發人員必須要撰寫有關於物件在環境中互動的規則。

而Nvidia的這項研究提供了一種更簡單的可能性,訓練神經網路來取代人類編寫的模擬器,例如在自駕車的應用上,可透過汽車上的攝影機,紀錄道路環境和駕駛員行為,讓模型預測駕駛員在各種情況下的動作,並在發生意外事故時,即時作出反應。

熱門新聞

Advertisement