近日，NVIDIA携手万代南梦宫宣布，为庆祝经典电子游戏《吃豆人》（PAC-MAN）诞生40周年，将运用人工智能（AI）对这款街机游戏进行改造。NVIDIA研究人员在5万个《吃豆人》（PAC-MAN）情节中训练出一个名为NVIDIA GameGAN的全新AI模型，并在没有游戏引擎支持的情况下，打造了一个功能齐全的新游戏版本。无中生有创造出一个游戏，NVIDIA是怎么做的？

说起《吃豆人》，相信老玩家们都不会陌生。作为游戏史上的经典之作，这款游戏最初出现在任天堂FC游戏机和街机上，伴随着略有些“魔性”的音乐，玩家们操控吃豆人PAC-MAN在随机生成的迷宫中吃完屏幕上的所有豆子，并要在过程中躲开鬼魂的干扰。

据不完全统计，仅在1981年一年时间里，美国人就往游戏机里投了几十亿个25美分硬币，也就是花在这款游戏上的金额超过10亿美金，总游玩时间达到75000小时。在之后的几十年中，这款热门游戏不断推陈出新，在电脑、游戏机和手机上推出了多个版本。

而如今，这款被列入世界游戏名作殿堂的经典游戏借助于NVIDIA AI技术再度重生。NVIDIA的研究人员经过5万个回合的游戏训练，已经能够在无需基础游戏引擎的情况下生成完整版的《吃豆人》游戏。也就是说，该AI即使没有游戏引擎和数据的支持，甚至在不了解游戏的基本规则前提下，也可以完美再现这款经典游戏。完成这一看起来不可思议的任务的，正是NVIDIA推出的用于学习游戏引擎的AI模型——GameGAN。

GameGAN，全球首款学习游戏引擎的AI模型

GameGAN是首个通过利用生成对抗网络（GAN）模仿计算机游戏引擎的神经网络模型。基于GAN的模型由两个相互对抗的神经网络，即生成器和判别器组成，能够生成足以以假乱真的逼真图像。不少玩家可能已经通过NVIDIA GauGAN体验过GAN这款深度学习模型，它由NVIDIA Research开发，能轻易地将随意涂鸦变成逼真的杰作，令人惊叹不已。

GameGAN能够加速游戏开发者的创作过程，因为它可以自动生成游戏新关卡。GameGAN还可以帮助AI研究人员更容易地开发出用于训练自主机器的模拟器系统，让AI在与现实世界中的物体交互之前，先学习环境规则。

▲NVIDIA GameGAN通过达到数万次的游戏过程学习，就能够在无须了解游戏引擎和设计数据的情况下，自主生成这款经典游戏的完整版。

GameGAN是首个利用生成式对抗网络（GAN）模仿计算机游戏引擎的神经网络模型。GAN模型由两个相互对抗的神经网络组成，一个生成器（generator）和一个鉴别器（discriminator），其能够学习创建足以媲美原版内容的新内容。

▲NVIDIA研究人员兼该项目的首席作者Seung-Wook Kim表示：“这是首个使用GAN神经网络模拟游戏引擎的研究。我们想看看AI是否可以仅通过观看游戏中智能代理的行为来学习领悟游戏环境规则。事实证明它做到了。”

当智能代理试玩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。在使用游戏不同等级或版本的游戏剧本进行训练后，GameGAN甚至可以生成从未有过的游戏关卡。

游戏开发人员可以利用此功能自动生成新的游戏等级关卡，AI研究人员则可以使用此功能更轻松地开发用于训练自主机器的模拟器系统。

GameGAN,重现经典PAC-MAN

▲通过不断的学习，GameGAN就能完全理解《吃豆人》的游戏规则，并生成一款几乎和原版一模一样游戏体验的“新”游戏。

无论是哪一款游戏，GAN都可以通过从过去的游戏中提取屏幕录像和智能代理的按键轨迹来学习其规则。游戏开发人员可以将原关卡中的游戏剧本作为训练数据，使用该工具为当前的游戏设计新的等级关卡。

利用万代南梦宫研究有限公司(BANDAI NAMCO)所提供的数据，NVIDIA研究人员及《吃豆人》GameGAN项目的首席作者Kim和他在多伦多NVIDIA AI 研究院的同事们一起在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。