İçbükey tapınaktan Guo Yipu
Qubit Raporu | Genel Hesap QbitAI
AI oyun oynamak yeni bir şey değil. "Şımartın" Dota 2, StarCraft ve LOL AI birbiri ardına görünür.
Ancak bu "oyun oyuncusu" YZ'lerle karşılaştırıldığında, doğrudan bir "oyun planlayıcısı" olarak hareket eden ve iyi bilinen "Süper Mario" yu yapan mükemmel bir YZ olduğunu bilmiyor olabilirsiniz.
Bu "planlayıcı", Dortmund Üniversitesi, Southwestern Üniversitesi, Queen Mary University of London, California Üniversitesi ve Kopenhag IT Üniversitesi'nden altı araştırmacıdan oluşan bir ekipte doğdu. Generative Adversarial Networks (GAN) kullanabilir. Otomatik olarak büyük Süper Mario seviyelerini "tasarlayın".
Buna ek olarak, bu Super Mario seviye planlama yapay zekası, yeni seviyelerin oynanabilirliğini tam olarak garanti edebilir, her seviyeyi başlangıçta nispeten basit hale getirebilir ve ardından zorluğu kademeli olarak artırarak oyuncuların "oyuna düşkün olmalarını ve kendilerini kurtaramamalarını" sağlar.
Mario GAN İş akışı kabaca şu şekildedir:
Mario GAN şematik
İlk olarak, GAN mevcut Super Mario seviyelerini (resimdeki sarı kısım) öğrenir, Seviye planlama Bu beceriden sonra, üretim ağı seviyeleri oluşturmaya başlar ve ardından "iş" durumunu ayrımcılık ağına gönderir ve ayrımcılık ağı "iş" in nitelikli bir Mario seviyesi olup olmadığını kontrol eder.
Niteliksiz "ev ödevi" geri çekilecek ve seviye uygun olana kadar yeniden yapılacaktır.
Bir sinir ağı oyunları nasıl tanır?
GAN'ın öğrendiği şey, her seviyenin resmi değil, tescilli bir sembol sistemiyle temsil edilen "oyun haritası" dır. Harita "bloklar" a dayanmaktadır - altın paralı bloklar, kırılabilen tuğlalar, zemin tuğlaları, boru tuğlaları vb. Oyun haritasındaki her bloğun canavar bloklar gibi benzersiz bir temsili vardır. Sayı 5'tir ve büyük E ile belirtilir.
Oyun haritası küp karşılaştırma tablosu
Bu şekilde, tüm oyun haritaları, örneğin aşağıdaki oyun haritasında bir semboller matrisiyle temsil edilebilir:
Her bir öğeyi kareye göre böler ve farklı şekillerde ifade ederiz:
Zemin 0 , Canavar 0 Sağdaki "dağ", "merdiven" ile yok edilebilir. 1 . Ek olarak, boru birden fazla kareyi kapladığından, boru ağzının sol ve sağ yarımları sırasıyla tek tırnakla belirtilir. 6 , 7 Ortalamalar ve boru gövdesinin sol ve sağ yarımları köşeli parantezlerle belirtilmiştir. 8 , 9 Dedim. Izgara havaysa ve hiçbir şey yoksa, 2 Dedim.
Tüm öğrenme ve üretme sistemleri böyle bir matrise dayanmaktadır. Bu sistem aynı zamanda Video Oyunu Düzey Kitaplığı (VGLC) , Her kare, görüntü işlemede bir sinir ağı tarafından ayrıştırılabilen veya oluşturulabilen bir piksel gibidir.
Dafa-LVE'yi Yükseltmede Zorluk
Normal seviyeli bir oyunun bir özelliği vardır: Her seviye bir öncekinden biraz daha zor .
Super Mario bir istisna değildir. İnsan oyun planlayıcıları her seviyenin genel zorluğunu kontrol edebilir, ancak AI bunu nasıl kontrol eder? Bu, gizli değişken evrimi (LVE) yöntemine bağlıdır.
LVE, 2017 yılında Philip Bontrager ve New York Üniversitesi'nden diğerleri tarafından önerildi. Özellikle arXiv: 1705.07386'ya atlayabilirsiniz.
LVE'nin yardımıyla, makine, örneğin aşağıdaki resimdeki gibi gittikçe daha zor seviyeler oluşturabilir (seviye biraz daha uzundur, lütfen telefonun karşısına bakın):
Bunun gibi, "One Horse Pingchuan" ın başlangıcından boruların, dağ geçitlerinin, tepelerin ve canavarların ortaya çıkmasına kadar, canavarlar yoğun bir şekilde vadilerle kaplanıncaya kadar tüm süreç gittikçe zorlaşıyor.
DCGAN eğitimine gönder
Eğitim süreci kullanır Derin Evrişimli Üretken Çekişmeli Ağ (Derin Evrişimli GAN, DCGAN) , kullan WGAN Algoritma eğitildi.
DCGAN nesil ağ mimarisi
DCGAN, ağ mimarisini ayırt eder
Eğitimli GAN'ın sonucu nedir?
İyi ve kötü.
Bazı yıllar sessizdir, bazı küçük zorluklar dışında oyuncular kolaylıkla geçebilir:
Bununla birlikte, aşağıda çok güzel araziler de var ve Shu'ya giden yolu gökyüzüne tırmanmak zor!
İnsanları geri çekmeye iten gizemli kanallar bile olacak:
Guan Zijun'a başka bir boyuttan sorabilir miyim?
Olmaz, GAN her zaman çok zayıf olmuştur. Bu nedenle, araştırmacılar gelecekte GAN'ın üretilebileceği umuduyla daha fazla optimizasyon yapmaya hazırlanıyor. Hiç bitmeyen Süper Mario .
Mario GAN'ın sonucu mükemmel olmasa da, bu ödül kazanmasını engellemez.
Sonuçta, bu, Mario oyun seviyelerini oluşturmak için bilgisayar kullanan insanların tarihinde büyük bir atılımdır.
Mario AI Şampiyonası (Http://www.marioai.org/) Mario seviyelerini oluşturmak için 2009-2012 yılları arasında birkaç kez düzenlenen bir yarışmadır. Bu olayda, bilim adamları otomatik olarak Mario seviyelerini oluşturmak için en iyi algoritmayı oluşturmaya kararlı olsalar da, çoğu durumda katılımcıların bazı parametreleri manuel olarak ayarlamaları gerekir.
GAN'ın yükselmesinden sonra, AI nesil Mario seviyelerinin artık manuel olarak yapılması gerekmiyor.Programcılar, parametreleri manuel olarak ayarlamak için güle güle diyebilirler.
Bu nedenle, bu makale aynı zamanda GECCO 2018'in en iyi kağıdını da aldı.
Mario GAN açık kaynaklı, kübitler her zamanki gibi arXiv ve github adresleri ile iliştirildi, lütfen onları al ~
Makale: Derin Evrişimli Üretken Tartışmalı Ağın Gizli Alanında Evrimleşen Mario Seviyeleri
Yazar: Vanessa Volz, Jacob Schrum, Jialin Liu, Simon M.Lucas, Adam Smith, Sebastian Risi
GECCO 2018 En İyi Bildiri Ödülü
arXiv:
https://arxiv.org/abs/1805.00728
veri:
https://github.com/TheVGLC/TheVGLC
github:
https://github.com/TheHedgeify/DagstuhlGAN
- Bitiş -
Stajyer işe alım
Qubit, etkinlik operasyonu stajyerlerini işe alıyor, AI yıldız şirketlerinin CEO'larını ve yöneticilerini içeren çevrimiçi / çevrimdışı etkinlikleri planlıyor ve yürütüyor ve AI sektör liderleriyle doğrudan iletişim kurma fırsatına sahip. Çalışma yeri Pekin, Zhongguancun'da. Lütfen özgeçmişinizi quxin@qbitai.com adresine gönderin.
Ayrıntılar için lütfen QbitAI diyalog arayüzünde "Stajyer" yazarak yanıt verin.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin