玩家用AI神經網路生成《俠盜獵車手5》 實在有意思 - 遊戲狂
廣告

玩家用AI神經網路生成《俠盜獵車手5》 實在有意思

請拿手機掃描此QRCODE

傳到手機看

2021-06-22
廣告

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。

廣告

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。

玩家用AI神經網路生成《俠盜獵車手5》 實在有意思

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。

玩家用AI神經網路生成《俠盜獵車手5》 實在有意思

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。

玩家用AI神經網路生成《俠盜獵車手5》 實在有意思

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。

checked

廣告
遊戲資訊

俠盜獵車手5 (Grand Theft Auto 5 (GTA5))

類別: 動作
平台: PC, PS4, XboxONE
開發: Rockstar North
發行: Rockstar Games
上市: 2015-04-14 (PC)

《俠盜獵車手5(Grand Theft Auto V)》是由Rockstar製作發行的一款圍繞犯罪為主題的開放式動作冒險遊戲,遊戲背景洛聖都基於現實地區中的美國洛杉磯和加州南部製作,遊戲擁有幾乎與現實世界相同的世界觀。玩家可扮演三位主角並在任意時刻進行切換,每位主角都有自己獨特的人格與故事背景,以及交織的劇情。

更多 俠盜獵車手5 攻略|新聞

廣告
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? https://gamemad.com/news/13432 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: https://youtu.be/udPY5rQVoW0 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。 https://gamemad.com/upload/images/2021/06/22/60d1491ce5b54.jpg 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。 https://gamemad.com/upload/images/2021/06/22/60d149265c5ff.jpg 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。 https://gamemad.com/upload/images/2021/06/22/60d1496c1b5f2.jpg 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。 checked
https://gamemad.com/news/13432
0