時間：2017-09-11 來源：互聯網 瀏覽量：
安妮 編譯自 The Verge
量子位 出品 | 公眾號 QbitAI
AI會打遊戲已經不是新鮮事了。微軟AI打出吃豆人史上最高分，暴雪和DeepMind開發工具包教AI打星際2，用神經網絡和遺傳算法搭建玩Flappy Bird的AI，甚至……連DOTA頂級選手都被AI完爆。AI不斷解鎖新遊戲，還玩得6的飛起。
相比之下，喬治亞理工學院的這項研究有些與眾不同，計算機學院的Matthew Guzdial、Boyang Li、Mark O.Reiedl三人想讓AI學習製作遊戲。曾是“網癮少年”的AI，也要浪子回頭步入遊戲製作的正經行業了？
在論文《Game Engine Learning from Video》中，Guzdial等人描述了一種AI係統，可在圍觀別人打超級瑪麗後重新創造一個遊戲引擎。AI係統無法獲取代碼，但能通過觀察像素學習。重建的遊戲引擎有些地方看起來不太合理，但總體看還說得過去。
這是世界首個AI創造的遊戲，創造過程不易，研究人員遇到了很多困難和限製條件。萬事開頭難，AI沒有從頭開始學習過遊戲。
對此，研究人員為它提供了兩個數據集：一個是遊戲中各種小怪的視覺詞典，另一個包含了物體位置和移動速度等基本概念，AI通過這些分析它看到的場景。
△ 超級瑪麗的男一和男二：馬裏奧與板栗仔
依靠這兩個數據集，AI將遊戲情節逐幀分解，並給所見的東西打上標簽，自動尋找行為規則。
△ 原版洛克人遊戲（左）和AI重建的洛克人（右）
在接受外媒The Verge采訪時，Guzdial舉例解釋了AI的學習過程。“解析器分析並收集每一幀畫麵，比如馬裏奧的狀態、移動速度等，”Guzdial說，“某一幀馬裏奧踩在板栗仔上，下一幀板栗仔就消失了。根據看到的這個場景AI學習到的新規則，當馬裏奧踩在板栗仔上且速度為負時，板栗仔消失。”
△ 無窮馬裏奧中框架解析過程的可視化
隨著訓練時間增加，AI將逐步建立起所有小規則，之後將它們記錄成一係列邏輯語句並組合起來近似組成遊戲引擎。這些規則可以被導出並轉換成很多編程語言，我們又可以用這些語言重新創造新的超級瑪麗遊戲。
智能體需要去預測環境。在這篇論文中，我們提出了一種通過對輸入像素的簡單搜索學習正向仿真模型的新方法。
我們用遊戲超級瑪麗初步測試這種方法，超級瑪麗代表了沒有現實情況這麼複雜的物理係統。我們證明了這種方法在預測未來狀態上比CNN基線有顯著提高，並用學習過的模型訓練遊戲智能體。最後，我們依據輸出模型的準確性和數值來評估算法。
應用於現實生活目前，這個係統還依賴人類定義在特定遊戲中可能發生的事情，因此隻能在2D平台上工作，定義3D遊戲還需要更多時間以及更先進的機器視覺工具。
Guzdial團隊認為，在未來，這項技術不僅可以推導出遊戲原理，還有應用在現實生活中的潛力。雖然這比超級瑪麗遊戲要複雜得多，但並不是一個不可能的想法。“我認為未來的版本可以(分析)有限的現實領域。”Guzdial說。
最後，附上論文地址：
https://www.cc.gatech.edu/~riedl/pubs/ijcai17.pdf
也可在量子位微信公眾號（ID：qbitai）會話界麵回複“超級瑪麗”直接下載這篇論文。
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界麵，回複“招聘”兩個字。
量子位 QbitAI
վ'ᴗ' ի 追蹤AI技術和產品新動態
