NVIDIA GameGAN: AI rekonstruuje PAC-MANa bez użycia silnika

Wydaje się chyba oczywiste, że każda gra musi zostać stworzona na jakimś silniku. Upraszczając opis konstrukcji gry, można powiedzieć, że w takiej produkcji występuje jakiś model (bohater) oraz otaczające go środowisko. Bez znaczenia, czy mamy do czynienia z Kingdom Come: Deliverance czy... obchodzącym właśnie 40-lecie PAC-MANem. Zawsze mamy centralny model i otaczające go środowisko (powód przytaczania tego trywialnego opisu, stanie się jasny w następnych akapitach). Wszystko to budowane przez programistów zabiera niesłychaną ilość czasu i wymaga ogromnych mocy przerobowych. Dlatego ciekawym rozwiązaniem jest zaprezentowana właśnie technologia NVIDIA GameGAN (generative adversarial networks), która pozwoliła na stworzenie nowej wersji klasycznego PAC-MANa bez użycia jakiegokolwiek silnika. Za wszystkim stoją sieci neuronowe oraz inżynieria wsteczna.

NVIDIA GameGAN to model, który pozwolił na stworzenie nowej wersji klasycznego PAC-MANa bez użycia jakiegokolwiek silnika. Za wszystkim stoją sieci neuronowe oraz inżynieria odwrotna.

Nowe karty graficzne NVIDIA GeForce i AMD Radeon we wrześniu

GameGAN to pierwszy model sieci neuronowej, który naśladuje silnik gry komputerowej poprzez wykorzystanie sieci GAN (generative adversarial networks). Modele na niej oparte, złożone są z dwóch konkurencyjnych sieci neuronowych, generatora i dyskryminatora, i uczą się tworzyć nowe treści. Tak właśnie powstała najnowsza wersja PAC-MANa. Sztuczna inteligencja użyta w modelu GameGAN obserwowała 50 tysięcy rozegranych w PAC-MANie rund, śledząc dokładnie zachowania modelu centralnego (PAC-MANa) i jego środowiska (labiryntu, przeciwników), by ostatecznie odtworzyć własną wersję hitu z lat 70. ubiegłego wieku, bez konieczności wspierania się jakimkolwiek silnikiem.

NVIDIA Tesla A100 - specyfikacja najmocniejszej karty na świecie

Model GameGAN jest o tyle ważny, że może przyspieszyć proces tworzenia wielu innych gier, ponieważ można go użyć do automatycznego generowania kolejnych poziomów, podczas gdy programiści zajęci będą zupełnie innymi zadaniami. GameGAN może być również wykorzystywany przez badaczy zajmujących się sztuczną inteligencją, by w łatwiejszy sposób opracowywać systemy symulatorów do szkolenia autonomicznych maszyn, w których AI może nauczyć się zasad panujących w otoczeniu, jeszcze przed interakcją z obiektami w prawdziwym świecie. Więcej informacji na temat NVIDIA GameGAN znajduje się w TYM artykule oraz na oficjalnej stronie projektu.