遊戲關卡也將由AI創造：GAN模仿人類創造過程，破解演算法瓶頸

馬里奧當然是很棒的遊戲，但即使如此，當他一次次地從同一個懸崖上跳下去時你也會感到無聊。

好消息是，一種新的人工智慧演算法可以不停地產生新的關卡，甚至可以根據玩家的技能水平調整關卡的難度。

計算機科學家花了幾十年的時間研究 「用程序生成內容」，使用演算法自動為電子遊戲設計新的人物、風景和武器，節省了人類的勞動時間。例如，2016年的《無人深空》遊戲可以在玩家探索銀河系的過程中自動生成數億顆的獨特行星，這對人類設計師來說是一項令人畏懼的任務。但在用程序生成內容這項任務中，程序員仍然需要手工製作規則，告訴計算機如何創建內容。近年來，計算機可以通過機器學習技術從訓練樣本中學習，因此人工智慧技術可以實現在沒有明確指令的情況下從現有內容生成更多內容。然而，遊戲關卡的內容生成更加困難，因為一點微小的更改都可能會使遊戲無法運行，例如，一堵位置錯誤的牆可能回封住關鍵通道。

一種新的方法可以模仿人類的創造水平並且允許用戶個性化定製。這個方法有兩個階段。首先，生成式對抗網路（GAN）在嘗試和反饋中學習，轉換數字串的水平與人工轉換差異不大。第二階段幫助找到一連串的數字，這些數字不僅是合理的，而且符合某些特定要求-比如要有很多敵人或跳躍。七月在日本京都舉行的遺傳和進化計算會議上發表的一篇論文提出，他們精確地控制了關卡的難度並相信這個方法也適用於其他遊戲。

另一種方法是用GAN為經典的第一人稱射擊遊戲Doom製作新地圖。 Arxiv上的一篇論文稱，該文章中的演算法所創建的Doom地圖不僅在視覺上與人類創造的地圖相媲美，而且在某些高層次功能上也能達到人類的水平，比如控制大房間和小房間的平衡。用程序生成內容不僅可以節省遊戲設計者的時間，它還可以幫助遊戲適應玩家的技能水平。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！