週五. 8 月 7th, 2020

踢傳媒

《踢傳媒》是公眾新聞平台,也跨媒體領域串聯各界資源,我們解讀新聞、傳遞進步觀念。

NVIDIA GameGAN讓AI了解遊戲玩法 並重新生成可遊玩的遊戲內容

1 min read


去年對外展示以生成式對抗網路 (GAN,Generative Adversarial Network)形式打造,並且能透過預先完成訓練的人工智慧系統,將簡單顏色塗鴉生成擬真圖像的GauGAN研究工具後,NVIDIA旗下研究室再次對外展示名為GameGAN研究工具,強調可在沒有任何遊戲引擎等基礎下,完全藉由深度學習自動產生一個全功能、可遊玩的遊戲內容。

與萬代南夢宮在內遊戲業者合作

為了達成此項研究,NVIDIA更與萬代南夢宮合作,藉由知名經典遊戲《Pac-Man》作為學習範本,讓電腦系統藉由裝載4張GPU的DGX超級電腦進行學習加速,約花費4天時間完成學習包含數百萬組畫面、總計5萬局的《Pac-Man》遊玩內容,並且從零到有建構一套完整、可遊玩的遊戲,其中包含遊戲中的迷宮結構、移動路徑中的點點與無敵藥丸,以及Pac-Man與鬼的移動模式。




而更重要的是讓人工智慧記住遊戲中的遊玩規則,例如玩家操作的Pac-Man與鬼都不能穿越迷宮牆壁,同時Pac-Man行進時會將點點吃掉,並且在吃下無敵藥丸時呈現無敵狀態,而鬼在此時則會變成藍色、呈現逃走狀態,但是如果在一般情況直接碰到鬼的話,Pac-Man就會死掉,遊戲也會跟著結束。

並非複製,而是理解後重新建構遊戲內容

依照NVIDIA說明,整個學習過程包含分析遊戲畫面構成元素、理解遊戲遊玩方式,進而在沒有任何遊戲引擎等基礎情況下,由系統透過深度學習結果自動生成一組可被人遊玩的遊戲。

其中整個過程完全是由人工智慧系統以認知理解結果,重新生成一套遊戲內容,而非透過複製等方式建構。

之所以會選擇用遊戲來訓練人工智慧,自然也是因為許多遊戲採用固定、有規律的玩法,同時可在短時間內結束遊玩,操作過程也涵蓋大量決策判斷,因此相當適合用於人工智慧系統密集訓練需求。

類似情況,先前Alphabet旗下Deep Mind團隊就利用《星海爭霸II》遊戲內容,訓練旗下AlphaStar人工智慧系統,藉此提昇人工智慧決策推論判斷能力。

除了《Pac-Man》,NVIDIA表示目前也與其他遊戲業者合作,讓人工智慧系統能學習更多遊戲內容細節,藉此訓練其分析、認知,進而藉由理解結果重新建構可遊玩的遊戲內容。

為了讓人工智慧學習效率加速,有利於簡化模擬訓練流程

在進一步的說明中,NVIDIA認為打造GameGAN研究工具的目的,是為了讓人工智慧能更進一步深入學習所分析內容、情境,同時也能藉由深入了解,重新組合成可遊玩的遊戲內容。而透過這樣的訓練,NVIDIA最終希望能加快人工智慧對於所分析、學習內容理解效率,進而能套用在使自駕車、工廠自動化生產系統學習識別等領域。

由於目前主要是針對影像內容進行學習,但NVIDIA表示未來也會考慮讓人工智慧系統能進一步識別聲音部分,藉此實現更全面的學習效果。

對遊戲等產業發展也有助益

不過,NVIDIA模擬技術副總裁Rev Lebaredian也強調GameGAN研究工具並非用於取代傳統遊戲開發人力,但確實有助於遊戲內容建置效率,例如讓人工智慧學習理解遊戲中的光影與遊戲場景素材對應關係,進而能節省開發者在遊戲內的場景建置,或是設置角色互動時所需時間。類似情況,其實也能套用在電影動畫等內容創作,藉此讓創作效率可大幅提昇。

同時,Rev Lebaredian也說明人工智慧學習結果,並不會出現改變遊戲強度,或是協助開發者挖掘遊戲漏洞、錯誤情況,而是完整學習所有遊戲呈現內容,並且透過理解重新生成一組相同,或是細節略有不同的遊戲。

藉由GameGAN研究工具背後技術原理,NVIDIA預期未來針對人工智慧系統的模擬訓練,將可簡化至僅透過「觀看」影片內容即可完成分析學習,而不需要事先花費時間精力建置預期學習成果的訓練場景,以及可能面臨突發改變情況,進而可讓人工智慧系統訓練變得更簡單,同時也更具效率。

《原文刊登於合作媒體mashdigi,聯合新聞網獲授權轉載。》

Copyright © All rights reserved. | Newsphere by AF themes.