Alcuni troverebbero delizioso questo dolore generato dall'intelligenza artificiale. Altri vorrebbero urlare contro i loro parrocchetti. ricercatori di intelligenza artificiale, come discusso in due documenti, stanno esplorando come le reti avversarie generative (GAN) possono creare nuovi livelli per due giochi popolari.

In due articoli separati su arXiv, i team hanno esplorato i GAN per offrire nuovi livelli di videogiochi.

Super Mario e Doom sono i punti focali dei ricercatori che cercano di aggiungere nuovi livelli di resistenza, come "immagina la frustrazione di giocare a un gioco in cui la difficoltà può cambiare costantemente, " disse Il registro.

Per quei (pochi) lettori che non sanno chi sia Super Mario, questo è "un popolare gioco di piattaforma che controlla un uomo baffuto in tuta rossa per raccogliere monete ed evitare che i nemici raggiungano una principessa, " ha detto Katyanna Quach. E Doom? Ha detto, questo era il "classico sparatutto in prima persona dei primi anni '90".

"DOOM Level Generation using Generative Adversarial Networks" è di tre autori che hanno affiliazioni con il Politecnico di Milano.

"Evolving Mario Levels in the Latent Space of a Deep Convolutional Generative Adversarial Network" è di sei autori con affiliazioni che includono la Queen Mary University di Londra, Southwestern University (Texas), TU Dortmund University, Università della California a Santa Cruz e IT University of Copenhagen.

Hanno detto che anche se il gioco specifico in questo articolo era Super Mario Bros, "la tecnica dovrebbe essere generalizzata a qualsiasi gioco per il quale è disponibile un corpus di livelli esistente".

In realtà, se non sei ancora abbastanza convinto di aver capito cosa sta succedendo qui, poi Revisione della tecnologia del MIT La panoramica di DOOM su "Emerging Technology from the arXiv" del 7 maggio fa molta strada.

"Il gioco è uno sparatutto in prima persona in cui un marine spaziale combatte per sopravvivere contro vari demoni e zombi. Il gioco è notevole perché ha aperto la strada alla grafica 3D per PC con MS-DOS, introdotto il multiplayer in rete, e ha persino permesso ai giocatori di creare i propri livelli di gioco."

Così, sì, ci sono già livelli di DOOM. Ma ora, c'è questa svolta. "È possibile utilizzare questi dati per addestrare un algoritmo di deep learning per creare i propri livelli di Doom che un essere umano troverebbe avvincente?"

Tony Palanco, Geek.com :"GAN è un sistema di due reti chiamate generatore e discriminatore. Il generatore crea falsi campioni di dati di addestramento mentre il discriminatore discerne se i campioni sono reali o falsi. Questi due competono tra loro. Mentre il processo continua, il generatore crea campioni sempre più realistici nel tentativo di ingannare il discriminatore."

Questa non sarebbe la prima volta che un approccio di rete adversarial generativa (GAN) fa notizia. L'anno scorso, è stato riportato come due reti neurali in competizione possono risultare in un volto fotorealistico, con attenzione su un documento NVIDIA. In quel foglio, i ricercatori hanno discusso un modo per generare volti tramite un GAN. Tom McKay in Gizmodo aveva descritto GAN come "una classe di algoritmi in cui i ricercatori accoppiano due reti neurali in competizione l'una contro l'altra".

Uno dei due aveva una funzione come il rendering di immagini o il tentativo di risolvere un problema, mentre l'altro si è comportato in modo contraddittorio, sfidare i primi risultati.

Gli autori dell'attuale articolo di Mario hanno menzionato le immagini fotografiche. Scrissero, "Sebbene i GAN siano noti per il loro successo nella generazione di immagini fotorealistiche (composte da pixel con valori di colore sfumabili), la loro applicazione a immagini piastrellate discrete è meno esplorata."

Hanno detto che i risultati nel documento hanno mostrato che "i GAN sono generalmente in grado di catturare la struttura di base di un livello di Mario, cioè un terreno attraversabile con alcuni ostacoli."

Qual è il prossimo?

Per quanto riguarda il Super Mario GAN, su GitHub troverai qualcosa chiamato MarioGAN. Il modello addestrato è in grado di generare nuovi segmenti di livello, ha detto la descrizione, "con l'input di un vettore latente, e questi segmenti possono essere cuciti insieme per creare livelli completi."

In una visione più ampia di tutto questo in Revisione della tecnologia del MIT :

"I creatori di giochi si affidano all'esperienza umana e a test approfonditi per creare buoni livelli. E poiché questo è così costoso, molti di loro sono alla ricerca di modi efficaci per automatizzare il processo o assistere il game designer.

Forse questo è. Trovare un modo per automatizzare la creazione di livelli, almeno in parte, è un traguardo significativo. Dovrebbe consentire ai designer umani di concentrarsi su questioni più ampie, come il tipo di livello che vogliono generare. "

© 2018 Tech Xplore