靠著機器學習和各種不同的訓練方式，AI已經可以做出不少讓人嘆為觀止的事情，但如果完全不用3D引擎，隻靠AI神經元網路來運算出一個3D遊戲，會是什麽效果呢？

近日 YouTuber Harrison Kinsley和Daniel Kukiela等AI愛好者一同打造出《GAN TheftAuto》，將《俠盜獵車手5》英文原名(Grand Theft Auto V)的第一個字由生成對抗網路(Generative AdversarialNetworks)的縮寫所取代。顧名思義，這是個由生成對抗網路模擬出來的《俠盜獵車手》世界。

影片欣賞：

生成對抗網路由兩個相對抗神經元網路組成，一個負責生成，另一個負責判別。在這個例子中，AI被丟到《俠盜獵車手》世界中的一條高速公路上進行學習，了解當使用者按下加速、煞車、左轉、右轉時，畫面應該如何變化。生成網路會產生出一個它猜測應該正確的畫面，而判別網路則會與實際的遊戲畫面進行比較，來指導生成網路產生怎樣的畫面才是對的。

其結果就是生成了一個看起來有些模糊，但大致能辨別的世界。裡面所有的元素都是AI神經元網路依照經驗生成的，完全沒有用到任何3D繪圖或物理運算。就算如此，AI依然不可思議地學到了車輛影子的角度該隨著轉動變化，車體上的反光也是正確的。如果車子撞到障礙物時，AI會懂得讓畫面停住，隨後視撞擊的角度向左或右滑，後來加入了其他車輛，AI也能正確進行反應，甚至連遠方山群都會隨著遠近的距離產生大小變化。

訓練這樣的GAN需要耗費大量的GPU運算力，NVIDIA借給Kinsley一台包含64核AMD CPU，四張A100顯卡的DGX StationA100，可以同時執行12個AI訓練模型。Kinsley除了讓這些模型反覆在公路上奔跑之外，還用AI來平滑畫面，讓其看起來不太像素化，最終得到了好像在夢境中開車的場景。

由於時間不足，Kinsley和Kukiela無法擴大實驗範圍，他們不確定能將這個世界擴展到多大，AI才會開始輸出奇怪結果；又或是對於與其他車輛的互動，能進行到什麽程度。就目前而言，與其他車輛的互動大多以對方被撞後就消失告終，但也發生過撞上時對方一分為二的事情、在少數情況下，AI可以產生出正確的互動，例如有車輛擋在左方時，會讓左轉失效。但若想更精確表現與其他車輛的互動，恐怕還需要很長時間的訓練才行。

這或許也是對未來遊戲的一瞥。不難想像由GAN生成整個遊戲，或是生成一部分遊戲內容，讓人覺得很有意思，很有新鮮感。