Sztuczna inteligencja generuje nowe poziomy Zagłady, w które mogą grać ludzie

Jedną z najdłużej działających i odnoszących największe sukcesy serii gier wideo jest seria Doom, wydana w 1993 roku i wciąż ciesząca się popularnością z ponad 10 milionami sprzedanych egzemplarzy. Gra jest strzelanką z perspektywy pierwszej osoby, w której kosmiczny marine walczy o przetrwanie z różnymi demonami i zombie.

Gra jest godna uwagi, ponieważ była pionierem grafiki 3D dla komputerów PC z systemem MS-DOS, wprowadziła rozgrywkę sieciową, a nawet umożliwiła graczom tworzenie własnych poziomów gry. Rzeczywiście, duża liczba poziomów Dooma — zarówno oficjalnych, jak i stworzonych przez graczy — jest teraz swobodnie dostępna online, tworząc potężny korpus do nauki i badań.

A to rodzi interesującą możliwość. Czy można wykorzystać te dane do wytrenowania algorytmu głębokiego uczenia się do tworzenia własnych poziomów Zagłady, które człowiek uzna za przekonujące?

Dziś otrzymujemy odpowiedź dzięki pracy Edoardo Giacomello i kolegów z Politecnico di Milano we Włoszech. Ci faceci twierdzą, że rzeczywiście możliwe jest tworzenie fascynujących poziomów Dooma w ten zautomatyzowany sposób i że technika ta ma znaczny potencjał, aby zmienić sposób, w jaki tworzona jest zawartość gry.

Podejście zespołu jest stosunkowo proste. Zaczynają się od 1000 poziomów Dooma pobranych z repozytorium publicznie dostępnych gier, które obejmuje wszystkie oficjalne poziomy z Doom i Doom 2, a także ponad 9000 poziomów stworzonych przez społeczność graczy.

Następnie zespół przetworzył każdy poziom, aby wygenerować zestaw obrazów przedstawiających jego najważniejsze cechy, takie jak obszar, po którym można chodzić, ściany, wysokość podłogi, przedmioty itd. Stworzyli również wektor, który uchwycił ważne cechy poziomu w postaci liczbowej, takie jak wielkość, powierzchnia i obwód pomieszczeń, liczba pomieszczeń i tak dalej.

Następnie wykorzystali technikę głębokiego uczenia się, zwaną generatywną siecią adwersarzy, aby zbadać dane i nauczyć się, jak generować nowe poziomy.

Wyniki pokazują, jak potężna jest ta technika. Po około 36 000 iteracji sieci głębokiego uczenia były w stanie stworzyć poziomy dobrej jakości. Nasze wyniki pokazują, że generatywne sieci przeciwników mogą uchwycić wewnętrzną strukturę poziomów DOOM i wydają się być obiecującym podejściem do generowania poziomów w grach FPS, mówią Giacomello i spółka.

Naukowcy przetestowali nowe poziomy i twierdzą, że są interesujące do odkrywania i zabawy, z typowymi cechami Dooma, takimi jak wąskie tunele i duże pokoje. Tutaj możesz obejrzeć jeden z rozgrywanych poziomów.

Oczywiście poziomy nie są idealne. Na przykład sieci głębokiego uczenia mają trudności z uzyskaniem drobnych szczegółów, prawdopodobnie z powodu zaszumionych danych, które nieuchronnie są generowane przy tego rodzaju podejściu.

Niemniej jednak nawet ten poziom automatyzacji może mieć znaczące implikacje dla projektantów gier. Poziomy mają ogromne znaczenie, zwłaszcza w strzelankach FPS i grach platformowych, ponieważ mają ogromny wpływ na wrażenia gracza, mówi Gicomello i spółka. Ale tworzenie treści jest jedną z najbardziej czasochłonnych i kosztownych części procesu rozwoju.

Twórcy gier polegają na ludzkiej wiedzy i szeroko zakrojonych testach, aby tworzyć dobre poziomy. A ponieważ jest to tak drogie, wielu z nich poszukuje skutecznych sposobów na zautomatyzowanie procesu lub pomoc projektantowi gry.

Być może to to. Znalezienie sposobu na zautomatyzowanie przynajmniej częściowego tworzenia poziomów jest znaczącym osiągnięciem. Powinno to pozwolić ludzkim projektantom skupić się na szerszych kwestiach, takich jak rodzaj poziomu, który chcą wygenerować. Projektanci mogą skupić się na funkcjach wysokiego poziomu, włączając określone typy map lub funkcji do zestawu szkoleniowego, powiedzmy Giacomello i spółka.

W ciągu ostatnich kilku lat informatycy pokazali, w jaki sposób maszyny do głębokiego uczenia się mogą nauczyć się grać w gry wideo od zera, a następnie szybko przewyższyć ludzi. Nie jest więc niespodzianką, że mogą nauczyć się projektować również niektóre aspekty gier.

Ważniejszym pytaniem jest, w jakim stopniu mogą pomóc w bardziej kreatywnym procesie tworzenia historii dla postaci, generowania atrakcyjnej fabuły dla całej gry lub opracowywania oryginalnej rozgrywki. Pod tym względem ludzie nie są jeszcze zbędni.

Nr ref.: arxiv.org/abs/1804.09154 : Generowanie poziomów DOOM przy użyciu generatywnych sieci adwersarzy

ukryć