PAC-MAN’ın Japonya’da ilk kez küresel kapsamda birincilik kazandığı yolu açmaya başlamasından bu yana kırk yıl sonra, yapay zeka ile birlikte retro klasik yeniden doğdu.
Oyunun 50.000 bölümünde eğitilmiş olan NVIDIA Research tarafından oluşturulan ve NVIDIA GameGAN adı verilen yeni ve güçlü bir yapay zeka modeli , PAC-MAN’ın temelde çalışan bir motor olmadan tamamen işlevsel bir sürümünü üretebilir. Bu, bir oyunun temel kurallarını anlamadan bile, AI’nın ikna edici sonuçlarla oyunu yeniden oluşturabileceği anlamına geliyor.
GameGAN, üretken ağları ve ya GAN’ları kullanarak bir bilgisayar oyun motorunu taklit eden ilk sinir ağı modelidir . İki rakip sinir ağı, bir jeneratör ve bir ayırıcıdan oluşan GAN tabanlı modeller, orjinaline geçecek kadar ikna edici yeni içerik oluşturmayı öğrenir.
NVIDIA araştırmacısı ve projenin baş yazarı Seung-Wook Kim, “Bu, GAN tabanlı sinir ağlarını kullanarak bir oyun motorunu taklit eden ilk araştırma oldu” dedi . “AI’nın sadece oyun boyunca hareket eden bir ajanın senaryosuna bakarak bir çevrenin kurallarını öğrenip öğrenemeyeceğini görmek istedik. Ve oldu. ”
Yapay bir ajan GAN tarafından üretilen oyunu oynarken GameGAN, ajanın eylemlerine yanıt vererek gerçek zamanlı olarak oyun ortamının yeni karelerini oluşturur. GameGAN, birden fazla seviyeye veya versiyona sahip oyunlardan senaryolarda eğitilmişse, daha önce hiç görülmemiş oyun düzenleri bile oluşturabilir.
Bu yetenek, oyun geliştiricileri tarafından yeni oyun seviyeleri için otomatik olarak mizanpajlar oluşturmak için ve AI araştırmacıları tarafından özerk makinelerin eğitimi için daha kolay simülatör sistemleri geliştirmek için kullanılabilir.
Oyunun yayıncısı BANDAI NAMCO Entertainment’ın araştırma geliştirme şirketi olan BANDAI NAMCO Research Inc.’de bulunan Koichiro Tsutsumi, “Sonuçları gördüğümüzde, AI’nın ikonik PAC-MAN deneyimini bir oyun motoru olmadan yeniden oluşturabileceğine inanarak uçurduk” dedi. GameGAN’ı eğitmek için PAC-MAN verilerini sağlayan Inc. “Bu araştırma, oyun geliştiricilerin yeni ve üst seviye düzenleri, karakterler ve hatta oyunlar geliştirme sürecini hızlandırmalarına yardımcı olacak heyecan verici olanaklar sunuyor.”
PAC-MAN meraklıları bir zamanlar klasik labirent kovalamaca oynamak için paralarını en yakın oyun makinesine götürmek zorunda kaldılar. Pinball makinesinde sola dönerek ve PAC-MAN klasik film müziğini takip ederek ve Inky, Pinky, Blinky ve Clyde hayaletlerinden kaçınarak hava hokeyini geçmeye devam edin.
GameGAN sürümü, PAC-MAN ortamını oluşturmak için geleneksel bir oyun motoru yerine sinir ağlarına dayanır. Yapay zeka sanal dünyayı takip ederek, çerçeveden çerçeveye görsel tutarlılığı korumak için halihazırda yaratılmış olanları hatırlıyor.
Oyun ne olursa olsun, GAN kurallarını sadece geçmiş kayıtlardan ekran kayıtları ve ajan tuş vuruşlarını alarak öğrenebilir. Oyun geliştiricileri bu tür bir aracı, orijinal seviyelerdeki senaryoyu eğitim verileri olarak kullanarak mevcut oyunlar için otomatik olarak yeni seviye düzenleri tasarlamak için kullanabilirler.
BANDAI NAMCO Research’ten alınan verilerle Kim ve Toronto’daki NVIDIA AI Araştırma Laboratuvarı’ndaki ortak çalışanları , PAC-MAN bölümlerindeki sinir ağlarını (toplamda birkaç milyon kare) eğitmek için NVIDIA DGX sistemlerini kullandılar.
Eğitimli GameGAN modeli daha sonra tutarlı bir labirent şekli, noktalar ve Güç Peletleri gibi çevrenin statik elemanlarını ve ayrıca düşman hayaletleri ve PAC-MAN’ın kendisi gibi hareketli elemanları üretir.
Hem basit hem de karmaşık olan oyunun temel kurallarını öğrenir. Orijinal oyunda olduğu gibi, PAC-MAN labirent duvarlarından geçemez. Hareket ederken noktalar yer tükettiğinde hayaletler maviye döner ve kaçar. PAC-MAN labirentten bir taraftan çıktığında, karşı tarafa ışınlanır. Bir hayaletle karşılaşırsa, ekran yanıp söner ve oyun sona erer.
Model arka planı hareketli karakterlerden ayırabildiğinden, oyunu açık bir çit labirentinde yer alacak şekilde yeniden ayarlamak veya en sevdiğiniz emoji için PAC-MAN’ı değiştirmek mümkündür. Geliştiriciler bu yeteneği yeni karakter fikirlerini veya oyun temalarını denemek için kullanabilirler.
Otonom robotlar tipik olarak yapay zekanın gerçek dünyadaki nesnelerle etkileşime girmeden önce bir çevrenin kurallarını öğrenebileceği bir simülatörde eğitilir. Bir simülatör oluşturmak, nesnelerin birbirleriyle nasıl etkileşime girdiği ve ışığın ortam içinde nasıl çalıştığı ile ilgili kuralları kodlaması gereken geliştiriciler için zaman alıcı bir süreçtir.
Simülatörler, nesneleri nasıl kavrayacağını ve hareket ettireceğini öğrenen depo robotları veya yiyecek veya ilaç taşımak için kaldırımlarda gezinmesi gereken teslimat robotları gibi her türlü otonom makineleri geliştirmek için kullanılır.
GameGAN, bir gün bu gibi görevler için bir simülatör yazma işinin yerini sadece bir sinir ağı eğiterek değiştirebilme olasılığını tanıttı.
Bir araca bir kamera taktığınızı varsayalım. Direksiyon simidini çevirmek veya gaza basmak gibi yol ortamının nasıl göründüğünü veya sürücünün ne yaptığını kaydedebilir. Bu veriler, bir insan sürücü – veya özerk bir araba – frenleri vurmak gibi bir eylemde bulunursa, gerçek dünyada neler olacağını tahmin edebilen derin bir öğrenme modelini eğitmek için kullanılabilir.
NVIDIA’nın Toronto araştırma laboratuvarı müdürü Sanja Fidler, “Sonunda, sürüş videolarını, fizik yasalarını taklit etmeyi öğrenebilecek bir yapay zekaya sahip olabiliriz. GameGAN buna doğru ilk adım.”
NVIDIA Research, yapay zeka, bilgisayarla görme, kendi kendini süren otomobiller, robotik ve grafik gibi alanlara odaklanmış 200’den fazla bilim insanına sahiptir.
GameGAN, NVIDIA araştırmacısı Jonah Philion, Toronto Üniversitesi öğrencisi Yuhao Zhou ve MIT profesörü Antonio Torralba tarafından yazılan Fidler, Kim tarafından yazılmıştır. Bildiri Haziran ayında prestijli Bilgisayarla Görme ve Örüntü Tanıma Konferansı’nda sunulacak.
PAC-MAN TM & © BANDAI NAMCO Eğlence A.Ş.
