wook是什么意思中文翻译,wook是什么梗

　　

　　近日，英伟达和万代南梦宫宣布，为庆祝经典电子游戏《吃豆人》 (PAC-MAN)诞生40周年，将使用人工智能(ai)来改造这款街机游戏。英伟达研究人员在33，360，010-30，000(吃豆人)的50，000个剧情中训练了一个全新的AI模型，命名为NVIDIA GameGAN，在没有游戏引擎支持的情况下，创造了一个功能完整的新游戏版本。从无到有创造一个游戏。英伟达是怎么做到的？ 　　

　　

　　 　　

　　

　　说到《吃豆人》，相信老玩家都不会陌生。作为游戏史上的经典，这款游戏最早出现在任天堂FC游戏机和街机上，伴随着略带“魔幻”的音乐。玩家操纵PAC-MAN在随机生成的迷宫中吃掉屏幕上的所有豆子，并在此过程中避免幽灵的干扰。 　　

　　

　　据不完全统计，仅在1981年，美国人就向游戏机投入了数十亿个25美分的硬币，也就是说，在这个游戏上花费的金额超过了十亿美元，总的游戏时间达到了75000个小时。在随后的几十年里，这款热门游戏不断创新，在电脑、游戏机、手机上推出了多个版本。 　　

　　

　　 　　

　　

　　如今，这款被列入世界著名游戏厅的经典游戏，在英伟达AI技术的帮助下再次重生。经过50，000轮游戏训练，英伟达的研究人员已经能够在没有基本游戏引擎的情况下生成《吃豆人》游戏的完整版本。也就是说，即使没有游戏引擎和数据的支持，甚至不知道游戏的基本规则，AI也能完美重现这款经典游戏。完成这个看似不可思议的任务的，是――英伟达推出的学习游戏引擎的AI模型GameGAN。 　　

　　

　　GameGAN，全球首个学习游戏引擎的AI模型。GameGAN是第一个利用生成对抗网络(GAN)模仿计算机游戏引擎的神经网络模型。基于GAN的模型由两个神经网络组成，即一个生成器和一个鉴别器，它们彼此相对，可以生成足以以假乱真的逼真图像。很多玩家可能都体验过通过英伟达GauGAN的深度学习模型GAN。它是NVIDIA Research开发的，它可以轻松地将随意涂鸦变成逼真的杰作，非常神奇。 　　

　　

　　GameGAN加快了游戏开发者的创作进程，因为它可以自动生成新的游戏关卡。GameGAN还帮助AI研究人员更容易地开发用于训练自主机器的模拟器系统，以便AI在与现实世界中的对象交互之前学习环境规则。 　　

　　

　　 　　

　　

　　NVIDIA GameGAN可以在不了解游戏引擎和设计数据的情况下，通过数万次游戏流程学习，独立生成这款经典游戏的完整版本。 　　

　　

　　GAME是第一个使用生成对抗网络(GAN)模仿计算机游戏引擎的神经网络模型。GAN模型由两个神经网络组成，一个生成器和一个鉴别器，可以学习创建与原内容相当的新内容。 　　

　　

　　 　　

　　

　　NVIDIA研究员、该项目的主要作者Seung-金旭表示：“这是首次使用GAN神经网络模拟游戏引擎的研究。我们想看看AI是否可以通过观察智能代理在游戏中的行为来学习理解游戏环境的规则。事实证明确实如此。” 　　

　　

　　当智能代理尝试GAN生成的游戏时，GameGAN会对代理的行为做出响应，从而实时生成新的游戏环境框架。在用不同等级或版本的游戏脚本训练后，GameGAN甚至可以生成前所未见的游戏等级。 　　

　　

　　游戏开发者可以使用该功能自动生成新的游戏关卡关卡，而AI研究人员可以使用该功能更轻松地开发用于训练自主机器的模拟器系统。 　　

　　

　　游戏，重现经典吃豆人 　　

　　

　　 　　

　　

　　GameGAN通过不断的学习，能够充分理解《吃豆人》的游戏规则，生成一款游戏体验与原版几乎相同的“新”游戏。 　　

　　

　　无论是哪一款游戏，GAN都可以通过从过往游戏中提取屏幕视频和智能特工的关键轨迹来学习其规则。游戏开发者可以使用原关卡中的游戏脚本作为训练数据，并使用该工具为当前游戏设计新的关卡关卡。 　　

　　

　　使用BANDAI NAMCO提供的数据，NVIDIA研究员Kim(《吃豆人》 GameGAN项目的主要作者)和他在多伦多NVIDIA AI研究所的同事们在一起。 　　

NVIDIA DGX系统上使用《吃豆人》游戏对该神经网络进行了总计数万帧的训练，同时加入了AI代理在游玩这款游戏时的键盘轨迹。

　　

NVIDIA表示，经过训练后的GameGAN模型能够生成静态环境元素，例如统一的迷宫形状、豆子和强化道具，以及作为敌人的幽灵和吃豆人本身等移动元素。该模型能够学习简单和复杂的关键性游戏规则。例如，和原版游戏一样，吃豆人无法穿过迷宫墙。他需要一边四处移动，一边吃豆。当他吃到强化道具后，鬼魂会变成蓝色并四处逃窜。当吃豆人从一侧离开迷宫时，他会被传送到迷宫的另一侧。一旦吃豆人碰到鬼魂，屏幕就会闪烁并结束游戏。

　　

　　

▲用GameGAN AI生成的吃豆人游戏拥有和原版几乎一样的游戏规则与体验

　　

由于该模型可以区分背景与活动的角色，因此其可以将游戏中的迷宫替换成绿篱墙式的迷宫，还可以将吃豆人换成你最喜欢的表情符号。同时，开发人员也可以使用这项功能尝试新的角色创意或游戏主题，从而开创出更多、无限的游戏可能性。

　　

万代南梦宫公司的Koichiro Tsutsumi表示，“在看到这个结果时，我们都感到震惊，大家都无法相信可以在没有游戏引擎的情况下再现了南梦宫的经典游戏《吃豆人》。这项研究将帮助游戏开发人员加快新关卡、角色甚至游戏的开发。一想到这一点，我们就感到十分兴奋。”

　　

　　

▲GameGAN版本依靠神经网络而非传统的游戏引擎来生成《吃豆人》环境。AI持续追踪这个虚拟世界，记录已生成的内容以保证帧与帧之间的视觉一致性。

　　

GameGAN，不止于游戏其实，自主行动的AI机器人通常也需要在模拟器中接受训练，模拟器中的AI可以在与现实世界中的目标进行交互之前，学习环境规则。对于开发人员而言，创建模拟器是一个相当耗时的过程。开发人员必须编写有关如何与目标互动，以及及光在环境中如何表现等规则。

　　

　　

▲模拟器的AI行为学习是一个非常复杂的过程

　　

模拟器被广泛用于开发各种自主机器，例如学习如何抓握和移动物体的仓库机器人、或是需要在人行道上运输食物或药品的物流机器人等。而GameGAN的出现，为其带来了一种可能性――在未来的某一天，神经网络训练将能取代此类任务中编写模拟器的工作。

　　

比如你在汽车上安装一个摄像头。该摄像头可以记录道路环境或驾驶员的行为，例如转动方向盘或踩下油门等。这些数据可被用于训练一个深度学习模型，其能够预测在现实世界中，人类驾驶员（或自动驾驶汽车）在做出猛踩刹车等动作时会发生什么后果。

　　

正如NVIDIA多伦多研究实验室主任Sanja Fidler所说，“我们最终将训练出一个AI，其只需通过观看视频和观察目标在环境中所采取的行动，就能模仿驾驶规则或物理定律。GameGAN是朝这一目标所迈出的第一步。”

　　

所以，我们也完全相信，GameGAN的作用绝不仅仅是训练出一个完整的《吃豆人》游戏，也绝不会仅仅面向游戏应用，它的未来，或许将是星辰大海，拭目以待！而作为游戏玩家，我们当然也希望GameGAN能得到广泛的应用并进一步深入拓展，让游戏的世界更有趣、更好玩、更有挑战性。

　　

最后，据NVIDIA最新公布的消息显示，NVIDIA将于今年晚些时候在AI Playground上发布这款由AI再现的《吃豆人》。届时，所有玩家都可以在DEMO中亲身体验这一研究演示结果。

　　

注释：本文翻译参考资料来源NVIDIA官方资料。

以上就是帮企客小编为大家带来的全部内容，希望可以帮助到大家。