游戏工作室和爱好者可能很快就会拥有一个新工具来加速游戏开发并尝试不同风格的游戏。佐治亚理工学院的研究人员开发了一种新方法，使用人工智能来学习完整的游戏引擎，游戏的基本软件管理从角色移动到渲染图形的所有内容。
他们的AI系统观看不到两分钟的游戏视频，然后通过研究帧并预测未来事件，例如角色将选择的路径或敌人的反应，建立自己的游戏运作模式。
为了让他们的AI代理能够创建一个可以解释2D平台式游戏的所有物理特性的准确预测模型，该团队在单个“speedrunner”视频上训练AI，其中玩家直接前往目标。这使得“人工智能的培训问题尽可能困难”。
他们目前的工作使用超级马里奥兄弟，他们也开始用Mega Man和Sonic the Hedgehog复制实验。同一团队首先使用AI和Mario Bros.游戏视频来创建独特的游戏关卡设计。
研究人员发现，与神经网络上的相同测试相比，他们的游戏引擎预测视频帧与原始游戏中的视频帧显着更相似。这为他们提供了仅使用视频素材的准确，一般的游戏模型。
“我们的AI创建了预测模型，无需访问游戏代码，并且比卷积神经网络更准确地预测未来事件预测，”首席研究员兼博士Matthew Guzdial说。计算机科学的学生。“单个视频不会产生完美的游戏引擎克隆，但通过仅在几个额外的视频上训练AI，你会获得非常接近的东西。”
接下来他们测试了克隆引擎在实际游戏中的表现。他们使用第二个人工智能来玩游戏关卡并确保游戏的主角不会掉落坚固的地板，或者如果被敌人击中则不会受损。
结果：与播放原始游戏引擎的AI相比，与克隆引擎一起玩的AI无法区分。
“该技术依赖于一种相对简单的搜索算法，该算法可以搜索可以最好地预测一组帧过渡的可能规则集，”交互计算副教授兼该项目联合研究员Mark Riedl说。“据我们所知，这代表了第一个学习游戏引擎并用游戏画面模拟游戏世界的人工智能技术。
当前的克隆技术适用于大部分操作都在屏幕上发生的游戏。Guzdial表示Clash of Clans或其他在屏幕外采取行动的游戏可能对他们的系统来说很难。
“智能代理需要能够预测他们的环境，如果他们要实现推进不同技术应用的承诺，”他说。“我们的模型可以用于培训或教育场景中的各种任务，我们认为随着我们前进，它将扩展到许多类型的游戏。”
该研究于8月19日至25日在澳大利亚墨尔本举行的国际人工智能联合会议上发表。该论文“ 视频中的游戏引擎学习 ”由Matthew Guzdial，Boyang Li和Mark Riedl撰写。