別的AI還在打遊戲，這個AI已經當上「超級馬里奧」遊戲策划了

郭一璞 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

AI打遊戲已經不是什麼新鮮事了，「沉迷」Dota 2、星際爭霸、LOL的AI一個接一個的出現。

但是你也許不知道，相比這些「遊戲玩家」AI，還有一位優秀的AI，直接當起了「遊戲策劃」，做的還是膾炙人口的「超級馬里奧」。

超級馬里奧：無限關卡

這位「策劃大大」誕生在由一個六位研究者組成的團隊中，成員來自多特蒙德大學、美國西南大學、倫敦大學瑪麗皇后學院、加利福尼亞大學及哥本哈根IT大學，它能用生成對抗網路（GAN）自動「設計」海量的超級馬里奧關卡。

並且，這個超級馬里奧關卡策劃AI還能充分保證新關卡的可玩性，讓每個關卡在開始的時候都相對簡單，而後逐漸增加難度，保證玩家「沉迷遊戲，無法自拔」。

馬里奧策劃AI成長史

馬里奧GAN的工作流程大概長這樣：

馬里奧GAN原理圖

首先，GAN學習現有的超級馬里奧關卡（圖上黃色部分），get到關卡策劃這一技能後，生成網路開始生成關卡，然後將「作業」案例提交給判別網路，由判別網路進行把關，判斷「作業」是否為一個合格的馬里奧關卡。

不合格的「作業」將被打回去重做，直到這一關合格為止。

神經網路如何識別遊戲

GAN學習的並不是每一關的畫面，而是用專有符號系統表示的「遊戲地圖」。地圖以「方塊」為單位——有金幣的方塊、可以頂碎的磚塊、當地基的磚塊、管道的磚塊等，遊戲地圖中的每個方塊都有獨特的表示方式，比如怪物方塊編號為5，用大寫的E來代指。

遊戲地圖方塊對照表

這樣，所有的遊戲地圖都可以用一個符號的矩陣來表示，比如，下面這個遊戲地圖中：

我們按照方塊把每個元素劃分開，並且加以不同的表達方式：

地板是，怪物是，右側的「山上」可以被頂壞的「天梯」則是1。另外，由於管道佔了不只一個方塊，所以管道口的左右半截分別用單引號代指，用6、7表示，而管道身體的左右半截用方括弧代指，用8、9表示。如果某個格子是空氣，什麼都沒有，則用2表示。

所有的學習和生成系統，都是基於這樣的矩陣進行的。這套系統又被稱作視頻遊戲關卡語料庫（Video Game Level Corpus，VGLC），每一個方塊都像圖像處理中的像素一樣，能夠被神經網路解析或生成。

難度升級大法——LVE

正常的關卡遊戲都有一個特點——每一關都比前面那一關難一點。

超級馬里奧也不例外。人類遊戲策劃可以控制每一關的大致難度，但AI怎麼控制呢？這要倚仗**潛變數進化（latent variable evolution，LVE）的方法。

LVE由紐約大學的Philip Bontrager等人在2017年提出，具體可以跳轉arXiv：1705.07386。

在LVE的幫助下，機器可以生成越來越難的關卡，比如，像下面這張圖一樣（關卡略長，請把手機橫過來看）：

像這樣，從開頭的「一馬平川」到出現管道、山溝、山丘和怪物，直到怪物密布、溝壑縱橫，整個過程是越來越難的。

送進DCGAN訓練

訓練的過程使用的是深度卷積生成對抗網路（Deep Convolutional GAN，DCGAN），使用WGAN演算法進行訓練。

DCGAN生成網路構架

DCGAN判別網路構架

然而，生成結果並不100%完美

訓練後的GAN生成的結果究竟如何呢？

好壞參半。

有的部分歲月靜好，除了個別小困難之外，玩家可以輕鬆通過：

但是，也有下面這種奇葩地形，蜀道之難難於上青天啊！

甚至還會出現讓人退游的神秘管道：

請問管子君是異次元穿越來的嘛？

沒辦法，GAN一直都是這麼皮。所以，研究者們還準備做進一步的優化，以期待在未來可以讓GAN生成永遠玩不完的超級馬里奧。

不完美，一樣拿獎

雖然馬里奧GAN的生成結果並不完美，但這並不妨礙它拿獎啊。

畢竟，在人類用計算機生成馬里奧遊戲關卡的歷史上，這可是個巨大突破呢。

而GAN興起後，AI生成馬里奧關卡再也不需要進行任何手動了，程序員們可以和手動設置參數說bye-bye了。

因此，這篇論文也拿到了GECCO 2018的最佳論文。

傳送門全家桶

馬里奧GAN已經開源，量子位照例附上arXiv和github地址，歡迎自取~

論文：Evolving Mario Levels in the Latent Space of a Deep Convolutional Generative Adversarial Network

作者：Vanessa Volz, Jacob Schrum, Jialin Liu, Simon M. Lucas, Adam Smith, Sebastian Risi

GECCO 2018 Best Paper Award

arXiv:

https://arxiv.org/abs/1805.00728

data:

https://github.com/TheVGLC/TheVGLC

github:

https://github.com/TheHedgeify/DagstuhlGAN

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！