人工智能的发展已经使得计算机在解读视频游戏（和获胜）方面表现非凡。一项最新的研究表明，人工智能在构建游戏方面表现也同样值得期待。
在仅仅观看两分钟的游戏视频之后，一种新型的AI系统就能重建游戏引擎。这可以减轻游戏开发人员的负担，并帮助他们尝试不同风格的游戏。
图丨左图为原游戏视频，右图为AI重建游戏视频
佐治亚理工学院的研究人员正着手构建一个可以学习 2D 视频游戏框架的人工智能系统，进而打造完整游戏引擎的复制品。也就是说，这个游戏软件可以复制包括图形、物理设置和玩家运动在内的游戏内容。
这个团队通过两名不同类型的“马里奥”对AI进行训练，两个马里奥都通过了“Level 1”关卡。其中，一个是探险家风格的游戏模式，而另一个是急速奔跑模式，游戏过程中他们都直奔目标。
图丨原始框架，引擎预测与CNN的像素错误的比较
在观看了不到两分钟的游戏视频之后，系统就可以通过观察框架和预测未来事件（例如玩家将采取的路径及其与敌人的交互）来构建出自己的模型。
“我们的AI创造出预测模型，甚至无需访问游戏的代码，而且，它的精确度显著高于那些卷积神经网络的预测结果。”研究的领导者Matthew Guzdial说，“仅仅一个视频并不能产生一个完美的克隆的游戏引擎，但是仅仅添加一些额外的视频就可以获得十分接近的结果。”
研究人员称克隆出的游戏引擎与实际的游戏引擎基本上是无法区分的。
鉴于游戏引擎已经得以构建，接下来团队将使用第二个AI去玩这一级的游戏，并测试由系统本身创建的独特游戏级别的实际情况。
但这项技术也存在轻微的瑕疵，比如主角和框架的暂时消失。同时，这项技术不能表现玩家死亡或者水平转换，这将有望在未来的改进中得到解决。
“这项技术依赖于相对简单的搜索算法，通过对可能规则集合的搜索，它可以最好地预测一组帧转换”，“互动计算”的副教授和项目的共同调查人员Mark Riedl说，“据我们所知，这是首个利用游戏画面学习游戏引擎并模拟游戏世界的AI技术。”
截至目前，该团队的工作使用了超级马里奥兄弟游戏，但它已经开始在其他 2D 主题游戏（比如巨人和索尼克刺猬）上训练其系统。
图丨AI透过收集不同画面中的素材，分析出规则、模式，做为复制游戏的素材
项目团队表示，例如像Clash of Clans这样的动作发生在屏幕之外的更为复杂的游戏，可能会超出系统的能力范围，但这项技术可以使特定游戏开发得更快，并且有更多的实验空间。
“如果智能代理要履行推进不同技术应用的承诺，就需要能够对其环境做出预测，”Guzdial说。“我们的模型可以用于培训或教育场景中的多种任务，我们认为它还将扩展到许多其他类型的游戏。”
论文地址：
https://www.cc.gatech.edu/~riedl/pubs/ijcai17.pdf
智能代理需要能对其所属的环境作出预测，在这项工作中，该团队提出了一种新颖的方法：通过对输入像素的简单搜索去学习前向仿真模型。他们利用一个视频游戏，超级马里奥兄弟作为这个方法的原始测试，因为它代表一个比现实简单得多的物理系统。论文中展示了这个方法中在预测未来状态时与基线CNN的显著改善，并用学到的模型去训练游戏代理玩家。因此，该团队根据其输出模型的值的准确性来评估算法。
-End-
编辑：王维莹 校审：黄珊
《麻省理工科技评论》中英文版APP1.0版已正式上线，长按识别图中二维码，或点击“阅读原文”下载
欲知会员计划详情，请点击以上图片
