İnternette İstediğiniz Gibi Çevrimiçi Para Kazanma!

Seviye Artışı: GameGAN AI Nvidia, Altta yatan Oyun Motoru Olmadan Pac-Man Yaratıyor

Şu an okuyorsunuz: Seviye Artışı: GameGAN AI Nvidia, Altta yatan Oyun Motoru Olmadan Pac-Man Yaratıyor

Bu site, bu sayfadaki bağlantılardan ortaklık komisyonları kazanabilir. Kullanım Şartları. Level Up: GameGAN AI Nvidia Temel Oyun Motoru Olmadan Pac-Man Oluşturdu 1

Nvidia, altta yatan bir oyun motoru olmadan tamamen işlevsel video oyunları yapabilen ilk nesil ağı oluşturdu. Bu proje teoriyi test etmeye başladı: Bir AI, altta yatan oyun mantığına erişmeden bir oyunu çoğaltmak için yeterince iyi taklit etmeyi öğrenebilir mi?

Cevap, en azından bugün tesadüfen 40. yıldönümünü kutlayan Pac-Man gibi klasik bir başlık için. Bu, AI’nın genel yeteneklerinde dikkate değer bir ilerlemedir.

GameGAN, Generative Adversary Network adı verilen bir yapay zeka kullanıyor. GAN’da, her biri diğerini yenmeye çalışan iki AI rakibi birbiriyle yarışıyor.

İşte hipotez: Görüntünün gerçek mi yoksa yapay olarak mı yapıldığını belirlemek için sinir ağını eğitmek istediğinizi düşünün. Bu AI, gerçek olduğunu bildiği bir dizi kesin temel görüntü ile başlar ve sentetik görüntülerden ziyade gerçek işaretleri tanımlamak için eğitir. Kabul edilebilir bir doğruluk düzeyinde bunu yapan ilk AI modelini aldıktan sonra, genel bir düşman oluşturma zamanı.

Yapay zekanın ilk amacı, görüntünün gerçek veya sahte olup olmadığını belirlemektir. İkinci AI hedefi ilk AI’yı kandırmaktır. İkinci AI bir görüntü oluşturur ve ilk AI’nın reddedip reddetmediğini değerlendirir. Bu tip modelde, ilk AI ikincisini gerçekleştirir ve iki AI daha iyi olanları üretme (ve algılama) yeteneklerini güncellemek için periyodik olarak yeniden düzenlenir.

GameGAN modeli, Pac-Man video oyunlarını ve oyuncular tarafından aynı anda kullanılan ilgili klavye eylemlerini yutmasına izin verilerek eğitilir. Nvidia’nın GameGAN’ı çalıştıran temel yeniliklerinden biri, çeşitli statik unsurları değiştirme seçeneği ile kod çözücünün zaman içinde modelin statik ve dinamik bileşenlerini deşifre etmeyi öğrenmesiydi. Bu teorik olarak palet değişimi veya sprite gibi özellikleri mümkün kılar.

Yukarıda GameGAN’ın iş başında bir videosu var. Takım, grafik kalitesini bu seviyenin üzerinde artıran bir yaklaşıma sahiptir ve bunun nedeni büyük ölçüde oyunun altında yatan sorunlardan video çıkışını yakalama sınırlamalarıdır.

Bu oyunun doğrudan etkisinin ne kadar olduğundan emin değilim. Oyun, bazı AI eğitimi türleri için harikadır, çünkü AI modelleri tarafından öğrenilebilecek kadar basit ancak çok sofistike bir görevi temsil edecek kadar karmaşık basit girişler ve sonuçlar içerir.

Burada bahsettiğimiz şey, özünde, AI’nın gerçek Pac-Man’ı uygulamadan Pac-Man kurallarına uyan kendi oyununu üretmek için eğitildiği gözlemsel bir öğrenme uygulamasıdır. Bunu düşünürseniz, insanların oyun tarzına daha yakın.

Kılavuzu okumak ve okumak (oyun makinesine temel erişime eşdeğerdir) açık olsa da, birçok insan bilgisayar oyunlarını ve panolarını, kendileri denemek için atlamadan önce oynadıklarını izleyerek öğrenir. GameGAN gibi, ikinci bir düşünce olmadan statik varlık değiştirmeleri yapıyoruz. Klasik kırmızı ve siyah taşlarla veya az sayıda çakıl taşıyla satranç oynayabilirsiniz. Başkalarının birkaç kez satranç oynadığını gördükten sonra, oyunu daha önce oynamasalar bile arkadaşlarınızla paylaşabilirsiniz.

GameGAN gibi oyunların benim için ilginç olmasının nedeni, sadece AI’nın oyun oynamayı öğrenmeyi temsil etmediği için. AI aslında oyunun diğer insanların oynamasını izlemenin nasıl bir yol olduğunu öğrenir. Kavramsal olarak, insanların nasıl öğrendiklerine daha yakın – ve AI algoritmalarının, yaklaşımlarının ve kavramlarının yıllar içinde geliştiğini görmek heyecan verici.

Şimdi Oku: