Trang web này có thể kiếm được hoa hồng liên kết từ các liên kết trên trang này. Điều khoản sử dụng. 
Nvidia đã tạo ra mạng thế hệ đầu tiên có thể tạo ra các trò chơi video đầy đủ chức năng mà không cần một công cụ trò chơi cơ bản. Dự án này đã bắt đầu thử nghiệm lý thuyết: một AI có thể học cách bắt chước đủ tốt để sao chép một trò chơi mà không đạt được logic trò chơi cơ bản không?
Câu trả lời là, ít nhất, cho một tựa game kinh điển như Pac-Man, người đang vô tình kỷ niệm 40 năm thành lập. Đây là một tiến bộ đáng chú ý trong khả năng tổng thể của AI.
GameGAN sử dụng trí thông minh nhân tạo có tên là Generative Adversary Network. Trong GAN, hai đối thủ AI, mỗi người cố gắng đánh bại người kia, cạnh tranh với nhau.
Đây là giả thuyết: Xem xét liệu bạn muốn đào tạo mạng lưới thần kinh để xác định xem hình ảnh được làm thật hay giả tạo. AI này bắt đầu với một loạt các hình ảnh cơ bản chính xác mà nó biết là thật và huấn luyện nó để xác định các dấu hiệu thực hơn là hình ảnh tổng hợp. Đã đến lúc tạo ra một kẻ thù chung sau khi nhận được mô hình AI đầu tiên thực hiện điều này với độ chính xác chấp nhận được.
Mục đích chính của trí tuệ nhân tạo là xác định xem hình ảnh là thật hay giả. Mục tiêu AI thứ hai là đánh lừa AI đầu tiên. AI thứ hai tạo ra một hình ảnh và đánh giá xem AI đầu tiên có từ chối hay không. Trong loại mô hình này, AI đầu tiên thực hiện lần thứ hai và hai AI được định kỳ sắp xếp lại để cập nhật khả năng sản xuất (và phát hiện) những thứ tốt hơn.
Mô hình GameGAN được đào tạo bằng cách cho phép Pac-Man nuốt các trò chơi video và các hành động bàn phím liên quan được người chơi sử dụng đồng thời. Một trong những cải tiến quan trọng của Nvidia khi chạy GameGAN là bộ giải mã đã học cách giải mã các thành phần tĩnh và động của mô hình theo thời gian, với tùy chọn thay đổi các yếu tố tĩnh khác nhau. Về mặt lý thuyết này cho phép các tính năng như thay đổi pallet hoặc sprite.
Có một video của GameGAN tại nơi làm việc ở trên. Nhóm nghiên cứu có một cách tiếp cận để cải thiện chất lượng đồ họa trên mức này và điều này phần lớn là do những hạn chế của việc thu video đầu ra từ các vấn đề tiềm ẩn trong trò chơi.
Tôi không chắc hiệu ứng trực tiếp của trò chơi này là bao nhiêu. Trò chơi này rất phù hợp với một số loại hình đào tạo AI vì nó chứa các đầu vào đơn giản và kết quả đủ đơn giản để học theo mô hình AI nhưng đủ phức tạp để thể hiện một nhiệm vụ rất tinh vi.
Về bản chất, điều chúng ta đang nói ở đây là, một ứng dụng học tập quan sát trong đó AI được đào tạo để sản xuất trò chơi của riêng mình tuân theo quy tắc Pac-Man mà không cần thực hành Pac-Man thực sự. Nếu bạn nghĩ về nó, nó gần với cách mọi người chơi hơn.
Trong khi đọc và đọc hướng dẫn (tương đương với quyền truy cập cơ bản vào máy trò chơi), nhiều người tìm hiểu các trò chơi và bảng trên máy tính bằng cách xem họ chơi trước khi nhảy để tự mình thử. Giống như GameGAN, chúng tôi thay thế thực thể tĩnh mà không cần suy nghĩ thứ hai. Bạn có thể chơi cờ với các quân cờ đỏ và đen cổ điển hoặc một vài viên sỏi. Sau khi thấy những người khác đã chơi cờ nhiều lần, bạn có thể chia sẻ trò chơi với bạn bè ngay cả khi họ chưa chơi trước đó.
Lý do tại sao các trò chơi như GameGAN thú vị với tôi chỉ vì AI không đại diện cho việc học chơi trò chơi. AI thực sự học được những gì trò chơi giống như để xem người khác chơi. Về mặt khái niệm, nó gần với cách mọi người học hơn – và thật thú vị khi thấy các thuật toán, phương pháp tiếp cận và khái niệm AI phát triển qua nhiều năm.
Đọc ngay:
