AI的遊戲征途：星際爭霸、LOL小菜一碟，成功「複製」遊戲才是大Boss

新媒體管家

GIF/366K

新媒體管家

「深藍」打敗人類距今已有20年，離 AlphaGo和李世石的世紀圍棋之戰也已經過去了半年時間。而如今，人工智慧的下一個目標是遊戲。

AI 研究者為何偏愛遊戲？遊戲是一項複雜、接地氣而又充滿挑戰的項目，基於上述特性，如果攻克了遊戲，人工智慧未來很有可能夠解鎖更多的應用領域。正如 AlphaGo 的締造者 Demis Hassabis 所言：遊戲「就像一塊為研究者提供無限演算法嘗試的試驗田，測試它們的能力上線，並且能以高效的方式觀察人工智慧的表現。最終我們能一葉知秋，將人工智慧的能力推演到廣闊的真實世界。」

網友熟悉的《英雄聯盟》

再將時間向前推十幾年，AI 能在當時經典的格鬥遊戲《街頭霸王》中佔據優勢嗎？答案是肯定的，這款遊戲對 AI 來說簡直小菜一碟。

「這款遊戲靠的就是極快的反應，畢竟天下武功唯快不破，而電腦的反應總比人要快。」 Togelius 說道。

古老的平台遊戲就更加簡單了，對 AI 來說，經典的《超級馬里奧》簡直不在話下。

2009 年的 AI 就能直接玩爆《超級馬里奧》了

Togelius 認為角色扮演遊戲可能會有些棘手，就拿《上古捲軸》來說，AI 在通關過程中需要理解角色間的對話，這需要較強的認知能力。

說了這麼多遊戲，怎麼能忘了經典的卡牌遊戲，它們依然是益智聖品呢。其實 AI 早就解決了兩人對戰的德州撲克，但一旦玩家多起來並加入多種賭注，AI 就蒙圈了。在攻克著名的益智遊戲橋牌時，AI 在欺騙性打法、叫牌和記牌的能力上也略遜一籌，它依然是世界冠軍的手下敗將。

人工智慧的發展已經使得計算機在解讀視頻遊戲（和獲勝）方面表現非凡。一項最新的研究表明，人工智慧在構建遊戲方面表現也同樣值得期待。

在僅僅觀看兩分鐘的遊戲視頻之後，一種新型的AI系統就能重建遊戲引擎。這可以減輕遊戲開發人員的負擔，並幫助他們嘗試不同風格的遊戲。

GIF/845K

圖丨左圖為原遊戲視頻，右圖為AI重建遊戲視頻

喬治亞理工學院的研究人員正著手構建一個可以學習 2D 視頻遊戲框架的人工智慧系統，進而打造完整遊戲引擎的複製品。也就是說，這個遊戲軟體可以複製包括圖形、物理設置和玩家運動在內的遊戲內容。

這個團隊通過兩名不同類型的「馬里奧」對AI進行訓練，兩個馬里奧都通過了「Level 1」關卡。其中，一個是探險家風格的遊戲模式，而另一個是急速奔跑模式，遊戲過程中他們都直奔目標。

圖丨原始框架，引擎預測與CNN的像素錯誤的比較

在觀看了不到兩分鐘的遊戲視頻之後，系統就可以通過觀察框架和預測未來事件（例如玩家將採取的路徑及其與敵人的交互）來構建出自己的模型。

「我們的AI創造出預測模型，甚至無需訪問遊戲的代碼，而且，它的精確度顯著高於那些卷積神經網路的預測結果。」研究的領導者Matthew Guzdial說，「僅僅一個視頻並不能產生一個完美的克隆的遊戲引擎，但是僅僅添加一些額外的視頻就可以獲得十分接近的結果。」

研究人員稱克隆出的遊戲引擎與實際的遊戲引擎基本上是無法區分的。

鑒於遊戲引擎已經得以構建，接下來團隊將使用第二個AI去玩這一級的遊戲，並測試由系統本身創建的獨特遊戲級別的實際情況。

但這項技術也存在輕微的瑕疵，比如主角和框架的暫時消失。同時，這項技術不能表現玩家死亡或者水平轉換，這將有望在未來的改進中得到解決。

「這項技術依賴於相對簡單的搜索演算法，通過對可能規則集合的搜索，它可以最好地預測一組幀轉換」，「互動計算」的副教授和項目的共同調查人員Mark Riedl說，「據我們所知，這是首個利用遊戲畫面學習遊戲引擎並模擬遊戲世界的AI技術。」

圖丨AI透過收集不同畫面中的素材，分析出規則、模式，做為複製遊戲的素材

項目團隊表示，例如像Clash of Clans這樣的動作發生在屏幕之外的更為複雜的遊戲，可能會超出系統的能力範圍，但這項技術可以使特定遊戲開發得更快，並且有更多的實驗空間。

「如果智能代理要履行推進不同技術應用的承諾，就需要能夠對其環境做出預測，」Guzdial說。「我們的模型可以用於培訓或教育場景中的多種任務，我們認為它還將擴展到許多其他類型的遊戲。」

END

有方AI入門課題

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！