Sube de nivel: GameGAN AI de Nvidia crea Pac-Man sin un motor de juego subyacente

Nvidia ha creado la primera red generativa capaz de crear un videojuego completamente funcional sin un motor de juego subyacente. El proyecto se inició para probar una teoría: ¿podría una IA aprender a imitar un juego lo suficientemente bien como para duplicarlo, sin acceder a ninguna de las lógicas subyacentes del juego?

La respuesta es sí, al menos para un título clásico como Pac-Man, que también está celebrando hoy su 40 aniversario. Ese es un avance impresionante en la capacidad general de IA.

GameGAN utiliza un tipo de IA conocida como Red Adversarial Generativa. En un GAN, hay dos IA adversarios que compiten entre sí, cada uno tratando de vencer al otro.



Aquí hay una hipótesis: imagina que quieres entrenar una red neuronal para determinar si una imagen es real o se ha generado artificialmente. Esta IA comienza con un conjunto básico de imágenes precisas que sabe que son reales y se entrena para identificar los signos reveladores de una imagen real frente a una sintética. Una vez que tenga su primer modelo de IA haciendo eso con un nivel aceptable de precisión, es el momento de construir el adversario generativo.

El objetivo de la primera IA es determinar si una imagen es real o falsa. El objetivo de la segunda IA ​​es engañar a la primera IA. La segunda IA ​​crea una imagen y evalúa si la primera IA la rechaza. En este tipo de modelo, es el rendimiento de la primera IA lo que entrena a la segunda, y ambas IA se propagan periódicamente hacia atrás para actualizar su capacidad de generar (y detectar) mejores falsificaciones.

El modelo GameGAN se entrenó permitiéndole ingerir tanto el video de las jugadas de Pac-Man como las acciones de teclado asociadas utilizadas por el jugador en el mismo momento en el tiempo. Una de las principales innovaciones de Nvidia que hace que GameGAN funcione es un decodificador que aprende a desenredar los componentes estáticos y dinámicos dentro del modelo con el tiempo, con la opción de intercambiar varios elementos estáticos. En teoría, esto permite funciones como intercambios de paleta o sprites.

Arriba hay un video de GameGAN en acción. El equipo tiene un enfoque que mejora la calidad de los gráficos en este nivel, y las sacudidas se deben supuestamente a las limitaciones en la captura de la salida de video y no a un problema fundamental del juego.

No estoy seguro de cuánta aplicabilidad directa tiene esto para los juegos. Los juegos son excelentes para ciertos tipos de entrenamiento de IA porque combinan entradas y resultados limitados que son lo suficientemente simples para que un modelo de IA aprenda, pero lo suficientemente complejos como para representar una tarea bastante sofisticada.

De lo que estamos hablando aquí, fundamentalmente, es de una aplicación de aprendizaje observacional en la que la IA se ha entrenado para generar su propio juego que se ajusta a las reglas de Pac-Man sin tener nunca una implementación real de Pac-Man. Si lo piensas, eso se acerca mucho más a cómo juegan los humanos.

Si bien es obvio que es posible sentarse y leer el manual (que sería el equivalente aproximado de tener acceso subyacente al motor del juego), mucha gente aprende tanto los juegos de computadora como los de mesa al ver a otras personas jugarlos antes de saltar para probarlos ellos mismos. Al igual que GameGAN, realizamos una sustitución de activos estática sin pensarlo dos veces. Puedes jugar a las damas con piezas clásicas rojas y negras o un puñado de guijarros. Una vez que hayas visto a otra persona jugar a las damas varias veces, puedes compartir el juego con un amigo, incluso si nunca antes lo ha jugado.

La razón por la que avances como GameGAN me parecen importantes es que no solo representan una IA que aprende a jugar. La IA en realidad está aprendiendo algo sobre cómo se implementa el juego simplemente al ver a otra persona jugarlo. Eso está más cerca, conceptualmente, de cómo aprenden los humanos, y es interesante ver cómo los algoritmos, enfoques y conceptos de IA mejoran a medida que pasan los años.

Copyright © Todos Los Derechos Reservados | 2007es.com