对抗生成网络从游戏视频重构PAC-MAN游戏

40年前PAC-MAN从日本街机出发，征服了全球玩家。现在，一个人工智能程序让它获得了重生。

NVIDIA研究部的AI模型 GameGAN 经过50，000局游戏视频的训练后，生成了一个可玩的PACMAN，而且不依赖已有的游戏引擎。这说明，哪怕不理解游戏的基本法则，AI也可以让人信服地重新生成游戏。(当然，在某些哲学思潮中，这就是“理解”的本意。)

GameGAN是第一个利用对抗生成网络(GAN)来模拟游戏引擎的神经网络模型。它由两部分组成：一个生成器和一个辨别器(discriminator)。首先你有一个小程序在按键(它不是GAN的有机组成部分)，生成器试图根据按键和之前游戏进度实时生成下一帧游戏画面，辨别器可以看到训练集，判断生成器生成的结果是否逼真，两者共同学习进步。如果训练集有不同的关卡，GameGan甚至可以生成原来没有的关卡。以后游戏开发者就可以用来开发新关卡啦。

当然，GameGAN也可以用来制作模拟器，训练自主运动的机器。自主运动机器被放生野外之前，一般现在虚拟环境中训练，大概能蹒跚而行后才会被赋予实体。(skynet就是这样训练terminators的。)

GameGAN的意义在于，制作模拟器的任务以后可以让AI自动完成了。比如你在汽车上装上摄像头，再记录下方向盘、脚踏和挂挡动作，就可以让AI制作一个驾驶模拟器。NVIDIA研究部麾下已有200名科学家，整天捣鼓AI、计算机视觉、自动车、机器人学之类的东西。

本文译自 nvidia blogs，由 kingvac 编辑发布。
有大量删改。

赞一个 (10)