AI 不僅僅會玩電子遊戲，現在已經學會自己製作遊戲了

銳眼視點

Google 推出 TensorBoard API 來增強機器學習的可視化；

AI 可以僅僅通過觀看遊戲視頻來重新創造電子遊戲；

中國和印度希望所有的新汽車都是電動的。

[業界新聞]Google 推出 TensorBoard API 來增強機器學習的可視化

Google Brain 團隊的成員昨日推出了 TensorBoard API，允許人們對 AI 模型進行訓練，以實現訓練的可視化。同時，TensorBoard 儀錶板也得到了升級。TensorBoard 自 2015 年由 Google 開源以來一直是 TensorFlow 的一部分，Github 上可以找到可用的 TensorBoard 插件，如音頻、圖像等。TensorBoard API 是Google 開源機器學習工具的最新舉措，以鼓勵大家使用 AI。上個月，來自Google 開源語音識別數據集的 TensorFlow 和 AIY（AI + DIY）團隊允許人們為各種智能設備創建自己的基本語音命令。在推出用於在移動設備上運行AI 模型的 TensorFlow Lite 的幾周之後，Google 開源了專為智能手機而設計的預培訓計算機視覺模型 MobileNets。

【TensorBoard API Beholder demo 】

[業界新聞]AI 可以僅通過觀看遊戲視頻來重新製作電子遊戲

從 80 年代開始，機器學習已經開始著眼於電子遊戲開發。通過觀察一段時間，AI 便能夠學會玩太空侵略者的遊戲了。到現在，AI 會玩遊戲已經不是什麼新鮮事，甚至在大多數遊戲上，AI 遠比人類玩得好。但近期，喬治亞理工學院的研究人員寫了一篇文章，描述了一個 AI 系統，它可以通過觀看視頻，重新創建了一個類似於超級瑪麗的遊戲引擎。該系統不需要訪問代碼，它只用觀看像素的變化並學習。結果顯示，它重建的遊戲雖然存在一些問題，但是可以運作的。這是 AI 視頻遊戲世界的首例，但研究仍存在限制。在一開始，AI 系統只得到了兩個關於遊戲的信息：第一，一個視覺詞典，包含了遊戲中的所有角色; 第二，一套基本概念，如物體的位置和速度。通過這些工具，AI 會逐幀分解遊戲，標註它看到的內容，尋找並解釋操作規則。隨著時間推移，系統建立了所有規則，將其記錄為一系列的邏輯語句，再將其組合到一個類似的遊戲系統中。而以上的規則可以導出，並轉換成多種編程語言，可用於重建新遊戲。現在，由於依賴人類定義的遊戲信息，這套系統的使用僅限於 2D 平台。定義 3D 遊戲的所有信息需要花費更多的時間，以及更先進的機器視覺工具。喬治亞理工大學的團隊認為，未來，這樣的技術不僅可以用於解決電子遊戲如何運作，還可以用於現實生活中。雖然世界遠比超級馬里奧複雜，但人類理解世界的能力可能將會大大突破，這不是一個不可能的想法。

GIF/2K

左為 Mega Man 原版遊戲；右為 AI 系統學習後重建的遊戲

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！