MLB 本文來自科技日報
冷眼觀
實習記者 唐 芳
MLB你的記憶中，有一個蹦跳著頂蘑菇的超級瑪麗嗎？這個1985年「出生」，頭戴紅帽子、身穿藍色背帶褲的管道工，萬萬想不到，自己有一天竟會被AI操控冒險歷程。近日，來自多特蒙德大學、美國西南大學等學校的六位研究者開發了一款AI，能自動「設計」海量的超級馬里奧關卡，試著讓遊戲由易入難，讓玩家「沉迷其中」。
那麼AI是如何「幕後策劃」遊戲關卡的？中國科學院自動化研究所研究員興軍亮認為，這離不開對抗生成網路。「設計一個AI關卡產生模型和一個關卡判別模型，前者試圖產生看起來更為真實的虛擬關卡『欺騙』後者，後者一直去判別前者是不是『真的』，兩個模型不斷博弈，最後生成的超級馬里奧關卡跟人類設置的關卡越來越像，以至於關卡判別模型無法判別二者差異。最終學習的結果就是生成無數個『可玩性強』的超級馬里奧關卡。」
面對磚塊、烏龜、蘑菇等圖形元素，AI要在每一個關卡中把圖形擺在不同位置，保證關卡從易到難，利用遊戲本身的關卡庫組合生成更多的關卡。「讓生成的關卡跟人類設置的關卡很接近，同時達到額外目標——讓人越玩越上癮，這既是遊戲策劃AI的學習目的，也是遊戲策劃AI的難點所在。」興軍亮說，當然這位遊戲策劃師還不是很完美，比如生成的一些關卡玩家可以輕鬆通過，沒有太大難度，而一些關卡特別難，人類根本就玩不了。
不可否認的是，AI遊戲策劃師的高產令人類望塵莫及，AI用演算法自動生成關卡，很短時間內設置10000個關卡都沒問題，人類每設計一個遊戲關卡都要花費大量時間去調試。
利用對抗生成網路去完成一些關於圖像生成的任務已經屢見不鮮，比如生成看起來很真實的虛擬圖片或人臉圖像，去掉圖像上的斑點、疤痕或者人臉上的眼鏡，把油畫變成山水畫，甚至將圖片中的男性人臉變成女性人臉等。但是，利用對抗生成網路去完成基於遊戲關卡而生成的新關卡，確實是一件新鮮事，換句話說，算是一種「清奇」的思路。
「基於遊戲關卡探索AI認知決策，可能是一個新的研究探索方向。從機器學習角度，實際上只是做了一個生成模型或學習演算法，本質上還是從已有數據產生新的數據，從已有關卡產生新的關卡而已。也許是人工智慧太火，才有人把它稱作遊戲策劃AI。」興軍亮說，人類製造這類遊戲策劃AI的難點是，怎麼用模型去表示、學習和評估遊戲關卡的效果跟人類設計的關卡的相似度，同時又極具可玩性。
AI為什麼要當膾炙人口的超級馬里奧遊戲策劃師？興軍亮表示，超級馬里奧的遊戲元素非常簡單，AI開發者可能是想找個簡單的遊戲試試效果，以期在某種程度上推動AI的認知決策能力。但即便遊戲策劃AI在不斷完善中可以做好簡單的超級馬里奧遊戲，也不一定能直接遷移到其他更有利於驗證AI的認知決策能力的複雜遊戲中去。
假如AI遊戲策劃師設計的遊戲關卡像人設計的那樣好玩，那麼最耗時的一部分遊戲策劃工作就有可能交給AI來做。不過，AI的超級馬里奧遊戲尚且設計得踉踉蹌蹌，估計這一天還有點遙遠。
留言列表
