Nvidia以其圖形卡而聞名，但該公司還對人工智能（AI）進行了大量投資，而他們的最新項目之一是一個AI系統(tǒng)，僅通過觀看正在玩的游戲即可重新創(chuàng)建《吃豆人》游戲。

該軟件未使用任何編碼或任何預渲染的圖像。AI系統(tǒng)可處理正在播放的游戲的視覺數(shù)據(jù)以及隨附的控制器輸入。由此，它逐幀重新創(chuàng)建了游戲。最終產(chǎn)品是可播放的，Nvidia計劃在將來在線發(fā)布它。

AI版本不是完美的。圖像有些模糊，并且AI可能無法“捕獲游戲鬼魂的確切行為，每個鬼魂都具有規(guī)定其動作的特定個性進行編程”。但是，游戲的基本動力在那里-吃掉顆粒，避免鬼魂并盡量不死。

英偉達（Nvidia）模擬技術副總裁Rev Lebaredian在簡報中對記者說：“它僅通過觀看就可以了解所有這些東西?！?/p>

Lebaredian補充說：“ ［這類似于人類程序員如何在YouTube上觀看《吃豆人》的許多情節(jié)，并推斷出游戲規(guī)則并重新構(gòu)建它們?！?/p>

Lebaredian說：“這項工作是與Pac-Man的創(chuàng)造者Bandai Namco共同完成的，Bandai Namco昨天（5月22日）慶祝了街機經(jīng)典40周年?！?/p>

英偉達（Nvidia）認為，這樣的工作表明人工智能可以在未來的游戲設計中使用-開發(fā)人員可以將他們的工作放到AI中并使用它來創(chuàng)建變體或設計新關卡。

Nvidia多倫多研究實驗室主任Sanja Fidler對記者說：“您可以使用它來將不同的游戲融合在一起，通過（將它們?nèi)诤显谝黄穑⒉煌挠螒蛉诤显谝黄?，從而賦予游戲開發(fā)人員更多的力量?！?/p>

可以僅通過觀察動作來學習虛擬世界規(guī)則的AI也是機器人編程的標志。

Lebaredian說：“最終，我們希望它學習現(xiàn)實世界的規(guī)則?！盇I可能會“例如觀看機器人手推車在倉庫中導航的視頻，并使用該信息設計自己的導航軟件”。

重新創(chuàng)建新的Pac-Man的程序稱為GameGAN。GAN代表生成對抗網(wǎng)絡，并且是“機器學習中使用的通用架構(gòu)”。

GAN的基本原理是它分為兩個部分-首先，“一半的GAN嘗試復制輸入數(shù)據(jù)，而后半部分將其與原始數(shù)據(jù)進行比較”。然后，如果它們不匹配，則“生成的數(shù)據(jù)將被拒絕，生成器將對其工作進行調(diào)整并重新提交”。

AI以前曾被用來生成虛擬世界（例如在視頻游戲中），但Nvidia的研究“引入了幾個新方面，包括“內(nèi)存模塊”，該模塊使系統(tǒng)能夠存儲游戲世界的內(nèi)部地圖”。這樣可以提高游戲世界的一致性，“這是“重新制作吃豆人迷宮時的一個關鍵特性”，并且”還允許將游戲世界中的靜態(tài)元素（例如迷宮）與動態(tài)元素（例如迷宮）分開。鬼魂），這符合公司使用AI產(chǎn)生新關卡的目標”。

Google的AI研究人員大衛(wèi)·哈（David Ha）從事類似的工作，他對The Verge表示，這項研究“非常有趣”。Ha說，團隊已經(jīng)嘗試使用GAN重新創(chuàng)建游戲世界，“但據(jù)我所知，［這］是第一個展示出良好成績的人”。

“總的來說，這是一篇非常令人興奮的論文，我期待使用這種方法獲得更多的發(fā)展，” Ha說。

該過程中的某些元素肯定需要更多工作，并表現(xiàn)出“學習新任務時人工智能的特殊脆弱性”。菲德勒告訴記者，要重新制作《吃豆人》，GameGAN必須接受大約50，000集的訓練。從人類那里獲取游戲數(shù)據(jù)是不可行的，因此GameGAN背后的團隊使用了AI代理來生成數(shù)據(jù)。不幸的是，“人工智能特工非常擅長游戲，幾乎沒有死亡”。

菲德勒說：“這使得AI很難重新創(chuàng)建游戲來學習死亡的概念?！?/p>

取而代之的是，在AI生成的吃豆人的早期版本中，“ GameGAN調(diào)整了游戲，使鬼魂實際上從未到達過標題角色，而是像小鴨子跟隨父母一樣直接落后于標題角色”。

菲德勒說：“這是我們培訓方式的有趣效果?！?/p>