Alguns achariam deliciosa essa dor gerada por IA. Outros gostariam de gritar com seus periquitos. Pesquisadores de IA, conforme discutido em dois artigos, estão explorando como as redes adversárias geradoras (GANs) podem criar novos níveis para dois jogos populares.

Em dois artigos separados sobre arXiv, as equipes exploraram GANs para fornecer novos níveis de videogame.

Super Mario e Doom são os pontos focais dos pesquisadores que buscam adicionar novos níveis de resistência, como "imagine a frustração de jogar um jogo em que a dificuldade pode mudar constantemente, " disse O registro.

Para aqueles (poucos) leitores que não sabem quem é Super Mario, este é "um popular jogo de plataforma que controla um homem bigodudo de macacão vermelho para coletar moedas e evitar que os inimigos alcancem uma princesa, "disse Katyanna Quach. E Doom? Ela disse, este foi o "jogo de tiro em primeira pessoa clássico do início dos anos 1990".

"DOOM Level Generation using Generative Adversarial Networks" é de três autores que têm afiliações com o Politecnico di Milano.

"Evoluindo os níveis de Mario no espaço latente de uma rede convolucional generativa Adversarial profunda" é escrito por seis autores com afiliações que incluem a Queen Mary University of London, Southwestern University (Texas), TU Dortmund University, University of California at Santa Cruz e IT University of Copenhagen.

Disseram que, embora o jogo específico neste artigo fosse Super Mario Bros, "a técnica deve generalizar para qualquer jogo para o qual um corpus existente de níveis está disponível."

Na realidade, se você ainda não está muito convencido de que entende o que está acontecendo aqui, então MIT Technology Review A visão geral do DOOM em "Tecnologia Emergente do arXiv" de 7 de maio é longa.

"O jogo é um jogo de tiro em primeira pessoa no qual uma marinha espacial luta para sobreviver contra vários demônios e zumbis. O jogo é notável porque foi pioneiro em gráficos 3-D para PCs com MS-DOS, introduziu o modo multijogador em rede, e até permitia que os jogadores criassem seus próprios níveis de jogo. "

Então, sim, já existem níveis de DOOM. Mas agora, existe essa reviravolta. "É possível usar esses dados para treinar um algoritmo de aprendizado profundo para criar seus próprios níveis de Doom que um humano consideraria atraente?"

Tony Palanco, Geek.com :"GANs é um sistema de duas redes chamadas de gerador e discriminador. O gerador cria amostras de dados de treinamento falsas enquanto o discriminador discerne se as amostras são reais ou falsas. Essas duas competem entre si. Conforme o processo continua, o gerador cria amostras cada vez mais realistas na tentativa de enganar o discriminador. "

Esta não seria a primeira vez que uma abordagem de rede adversarial gerativa (GAN) virou notícia. Ano passado, foi relatado como duas redes neurais concorrentes podem resultar em um rosto fotorrealista, com atenção em um papel da NVIDIA. Nesse papel, pesquisadores discutiram uma maneira de gerar faces por meio de um GAN. Tom McKay em Gizmodo descreveu o GAN como "uma classe de algoritmo em que os pesquisadores emparelham duas redes neurais concorrentes entre si".

Um dos dois tinha uma função como renderizar imagens ou tentar resolver um problema, enquanto o outro se comportou de modo adversário, desafiando os resultados do primeiro.

Os autores do atual artigo de Mario mencionaram imagens fotográficas. Eles escreveram, "Embora os GANs sejam conhecidos por seu sucesso na geração de imagens foto-realistas (compostas de pixels com valores de cores que podem ser misturados), sua aplicação a imagens em mosaico discretas é menos explorada. "

Eles disseram que os resultados do artigo mostraram que "os GANs em geral são capazes de capturar a estrutura básica de um nível de Mario, ou seja, um terreno percorrível com alguns obstáculos. "

Qual é o próximo?

Quanto ao Super Mario GAN, no GitHub você encontrará algo chamado MarioGAN. O modelo treinado é capaz de gerar novos segmentos de nível, disse a descrição, "com a entrada de um vetor latente, e esses segmentos podem ser costurados juntos para formar níveis completos. "

Em uma visão mais ampla de tudo isso em MIT Technology Review :

"Os criadores de jogos confiam na experiência humana e em testes extensivos para criar bons níveis. E, como isso é muito caro, muitos deles estão procurando maneiras eficazes de automatizar o processo ou auxiliar o designer do jogo.

Talvez seja isso. Encontrar uma maneira de automatizar a criação de níveis, pelo menos em parte, é uma conquista significativa. Deve liberar designers humanos para se concentrarem em questões mais amplas, como o tipo de nível que desejam gerar. "

© 2018 Tech Xplore