Certains trouveraient cette douleur générée par l'IA délicieuse. D'autres voudraient crier sur leurs perruches. chercheurs en IA, comme discuté dans deux articles, explorent comment les réseaux accusatoires génératifs (GAN) peuvent créer de nouveaux niveaux pour deux jeux populaires.

Dans deux articles distincts sur arXiv, les équipes ont exploré les GAN pour proposer de nouveaux niveaux de jeux vidéo.

Super Mario et Doom sont les points focaux des chercheurs cherchant à ajouter de nouveaux niveaux de ténacité, comme "imaginez la frustration de jouer à un jeu où la difficulté peut changer constamment, " mentionné Le registre.

Pour les (une poignée) lecteurs qui ne savent pas qui est Super Mario, c'est "un jeu de plateforme populaire contrôlant un homme moustachu en salopette rouge pour collecter des pièces et éviter les ennemis pour atteindre une princesse, " a déclaré Katyanna Quach. Et Doom? Elle a dit, c'était le "jeu de tir à la première personne classique du début des années 90".

"DOOM Level Generation using Generative Adversarial Networks" est écrit par trois auteurs qui ont des affiliations avec Politecnico di Milano.

"Evolving Mario Levels in the Latent Space of a Deep Convolutional Generative Adversarial Network" est écrit par six auteurs avec des affiliations qui incluent l'Université Queen Mary de Londres, Université du Sud-Ouest (Texas), TU Université de Dortmund, Université de Californie à Santa Cruz et Université informatique de Copenhague.

Ils ont dit que même si le jeu spécifique dans cet article était Super Mario Bros, "la technique devrait se généraliser à tout jeu pour lequel un corpus de niveaux existant est disponible."

Réellement, si vous n'êtes toujours pas tout à fait convaincu de comprendre ce qui se passe ici, alors Examen de la technologie du MIT L'aperçu de DOOM sur "Emerging Technology from the arXiv" du 7 mai va très loin.

"Le jeu est un jeu de tir à la première personne dans lequel un space marine se bat pour survivre contre divers démons et zombies. Le jeu est remarquable car il a été le pionnier des graphismes 3D pour les PC exécutant MS-DOS, introduit le multiplay en réseau, et même permis aux joueurs de créer leurs propres niveaux de jeu."

Donc, Oui, il existe déjà des niveaux de DOOM. Mais maintenant, il y a cette torsion. « Est-il possible d'utiliser ces données pour entraîner un algorithme d'apprentissage en profondeur afin de créer ses propres niveaux de Doom qu'un humain trouverait convaincants ? »

Tony Palanco, Geek.com :"GANs est un système de deux réseaux appelés un générateur et un discriminateur. Le générateur construit de faux échantillons de données d'apprentissage tandis que le discriminateur discerne si les échantillons sont réels ou faux. Ces deux se font concurrence. Au fur et à mesure que le processus se poursuit, le générateur crée des échantillons de plus en plus réalistes pour tenter de tromper le discriminateur."

Ce ne serait pas la première fois qu'une approche de réseau accusatoire génératif (GAN) fait l'actualité. L'année dernière, il a été rapporté comment deux réseaux de neurones concurrents peuvent donner un visage photoréaliste, avec attention sur un papier NVIDIA. Dans ce papier, les chercheurs ont discuté d'un moyen de générer des visages via un GAN. Tom McKay dans Gizmodo avait décrit le GAN comme « une classe d'algorithmes où les chercheurs associent deux réseaux de neurones concurrents l'un contre l'autre ».

L'un des deux avait une fonction comme le rendu d'images ou essayer de résoudre un problème, tandis que l'autre s'est comporté en mode accusatoire, contester les résultats du premier.

Les auteurs du journal Mario actuel ont mentionné des images photographiques. Ils ont écrit, « Bien que les GAN soient connus pour leur succès à générer des images photo-réalistes (composées de pixels avec des valeurs de couleur pouvant être mélangées), leur application à des images en mosaïque discrètes est moins explorée."

Ils ont déclaré que les résultats de l'article montraient que "les GAN sont en général capables de capturer la structure de base d'un niveau Mario, c'est-à-dire un terrain traversable avec quelques obstacles."

Et après?

Quant au Super Mario GAN, sur GitHub, vous trouverez quelque chose appelé MarioGAN. Le modèle entraîné est capable de générer de nouveaux segments de niveau, dit la description, "avec l'entrée d'un vecteur latent, et ces segments peuvent être cousus ensemble pour faire des niveaux complets."

Dans une vue plus grande de tout cela dans Examen de la technologie du MIT :

"Les créateurs de jeux s'appuient sur l'expertise humaine et des tests approfondis pour créer de bons niveaux. Et parce que c'est si cher, beaucoup d'entre eux recherchent des moyens efficaces d'automatiser le processus ou d'aider le concepteur de jeu.

C'est peut-être ça. Trouver un moyen d'automatiser la création de niveaux, au moins en partie, est une réalisation importante. Cela devrait permettre aux concepteurs humains de se concentrer sur des problèmes plus vastes, tels que le type de niveau qu'ils souhaitent générer. "

© 2018 Tech Xplore