في الذكرى الأربعين ل Pac-Man ، سمحت Nvidia لباحثي الذكاء الاصطناعي بالتخلي عن اللعبة الكلاسيكية. والنتيجة هي نسخة من Pac-Man تم إنشاؤها حصريًا بواسطة نموذج AI ويتم إخراجها في سلسلة من الصور دون أن يكون لها محرك ألعاب خاص بها. نفيديا تدعو مشروع بحث GameGAN.
يشير اسم نموذج AIGG GameGAN إلى Game Generative Adversarial Network ، وبالتالي إلى الشبكات العصبية الاصطناعية الأساسية التي تولد محتوى اللعبة. في Generative Adversarial Networks ، تتنافس شبكتان عصبيتان – المولد والمميز – ضد بعضهما البعض في لعبة محصلتها صفر من أجل إنشاء محتوى جديد بشكل مقنع بحيث يتم تمريره على أنه الأصلي. تقوم الشبكة التوليدية بإنشاء المحتوى الجديد ويقوم المتميز بتقييمه.
تم تدريب GameGAN سابقًا من قبل Nvidia على أنظمة DGX الخاصة بها مع 50000 جولة لعبة ، وعدة ملايين من الإطارات ومدخلات وحدة التحكم ذات الصلة للعبة Pac-Man ، من أجل محاكاة اللعبة في الوقت الحقيقي بدون محرك لعبة. تؤكد نفيديا أن هذا ممكن مع نتيجة مقنعة ، على الرغم من أن الذكاء الاصطناعي لا يعرف القواعد الأساسية للعبة. يتم استخدام محرك اللعبة ، الذي لم يعد متاحًا ، لتحديد القواعد الأساسية لـ Pac-Man ، مثل جمع النقاط ، والملاحقة من قبل الأشباح الأربعة أو حبوب الطاقة لمطاردة الأشباح وتناولها. تفتقر GameGAN إلى هذه القواعد الأساسية بسبب نقص المحرك ، ولكن بفضل التدريب ، يعرف نموذج الذكاء الاصطناعي كيفية إنشاء محتوى يتوافق مع الأصل في الوقت الحقيقي.
"أردنا أن نرى ما إذا كان بإمكان الذكاء الاصطناعي تعلم قواعد بيئة اللعبة من خلال مشاهدة لعبة لاعب واحد فقط. وقد فعلت ذلك"سعيد Seung-Wook Kim ، باحث في Nvidia ورئيس المشروع. لا يمكن لـ GameGAN فقط إنشاء إطارات جديدة في الوقت الحقيقي استجابة لمدخلات من مشغل آلي أو بشري ، ولكن يمكنه أيضًا إنشاء تخطيطات جديدة تمامًا للعبة بشكل مستقل دون ملاحظتها مسبقًا في اللعبة ، شريطة أن يكون نموذج AI سابقًا بمستويات أو إصدارات متعددة من تم تدريب اللعبة.
ترى نفيديا إمكانات مطوري الألعاب والمحاكاة
بصرف النظر عن النجاح البحثي للذكرى الأربعين ل Pac-Man ، ترى Nvidia أن GameGAN فرصة لمطوري الألعاب لإنشاء مستويات جديدة تلقائيًا. لا يقتصر GameGAN على البيئات ثنائية الأبعاد ، حيث أظهرت التجارب التي أجريت بالتوازي مع منصة أبحاث الذكاء الاصطناعي المستندة إلى Doom ViZDoom. يجب تسريع العملية الإبداعية لتصميم المستوى ، ويمكن أيضًا إنشاء شخصيات جديدة وألعاب كاملة باستخدام نماذج AI.
لا ترى Nvidia إمكانات GameGAN في الألعاب فحسب ، بل أيضًا في مجال الروبوتات المستقلة التي يجب تدريبها في جهاز محاكاة مسبقًا. يستغرق تطوير هذه المحاكيات وقتًا طويلاً بشكل خاص ويمكن تسريعها عن طريق شبكات الخصومة التوليدية. يمكن أن تلعب GameGAN أيضًا دورًا في القيادة الذاتية ، على سبيل المثال باستخدام كاميرا في السيارة لمراقبة وتقييم إجراءات السائق والبيئة من أجل تدريب نموذج AI. "يمكن أن يكون لدينا في نهاية المطاف ذكاء اصطناعي يتعلم تقليد قواعد المرور وقوانين الفيزياء فقط من خلال مشاهدة مقاطع فيديو وإجراءات السائقين"سعيد سانجا فيدلر ، رؤساء نفيدياس من مختبر أبحاث تورنتو. "GameGAN هي الخطوة الأولى في هذا الاتجاه."
تلقى ComputerBase معلومات حول هذا المقال من Nvidia في NDA. وكان الشرط الوحيد هو أقرب تاريخ نشر ممكن.
