AI’nın oyunlarda ne için kullanılabileceğini hiç merak ettiniz mi? Kesinlikle var. Çok fazla. Oyun geliştirmede makine öğrenimi ve yapay zeka için binlerce olmasa da yüzlerce olası kullanım durumu vardır. Yine de hayal gücümüzün çılgınca çalışmasına izin vermiş olsak da, Nvidia’daki bir araştırma ekibinin bugün başardığı şey karşısında hâlâ şaşkınız: Pac-Man’i yalnızca pikseller ve düğmelerle kopyalayabilen çalışan bir yapay zeka.
GameGAN olarak adlandırılan araştırma makalesinde açıklanan üretken çekişmeli ağ (GAN), bir video oyunundan piksel alma ve veri girişi yapma ve özdeş bir karbon kopyasını yeniden oluşturma yeteneğine sahiptir. o yapar olmadan Altta yatan bir motor: AI aslında, ekrandaki her olay için kendisinden önce gelenlere, oyuncu hareketine ve bir çevresel rastgelelik ipucuna dayalı olarak yeni bir çerçeve oluşturur.
İlk görevi, bugün video oyununun 40. yıldönümünü kutlayan video oyunu klasiği Pac-Man’i yaratmaktı. Sade görünümüne de aldanmayın. Günümüzün AAA oyunlarının karmaşıklığından uzak Pac-Man gibi bir oyun bile göz korkutucu bir iştir. Bunun nedeni, oyunu inşa etmek için AI’nın önce kurallarını anlaması gerektiğidir.
Bunu yapmak için oyun verilerine ihtiyacı var. Nvidia, yeterli malzeme toplamak için Pac-Man’i tekrar tekrar oynayabilecek ikinci bir yapay zeka geliştirdi. GameGAN’ı temel oyun mantığını çoğaltmak için yeterli bilgiyle beslemek için 50.000 oyun “bölümü” (toplamda birkaç milyon kare) gerekti.
Bu da sadece temel bilgiler. GameGAN, sadece oyun sırasında kaydedilen ekrandaki piksel bilgileri ve tuşlara basılarak öğrenir.Oyunu oluşturmak veya çalıştırmak için gerekli olan temel kodların hiçbiri yapay zekaya iletilmez.
Oradan GameGAN (birkaç Nvidia DGX sisteminde) kendi taklit oyunu için bir dizi kural üretmeyi öğrendi. Örneğin, oyuncuların her turda oyunu bozmasını önlemek için duvarların Pac-Man’in hareketini engellediğini öğrenmelidir.
Sinir ağı içindeki üç ana modül, Pac-Man’in gerçekleştirilmesine yardımcı olur:
- NS dinamik motor geçmiş oyun geçmişine erişimi vardır ve kaynak oyunla eşleşen tutarlı bir simülasyon sağlamak için bu bilgi zenginliğini kullanır.
- NS Hafıza modülü çevreyi takip eder ve bu durumda Pac-Man ortamı ve arka planı ile tutarlılığı korur.
- NS işleme motoru çıktı görüntüsünün fiilen üretilmesinden sorumludur. Dinamik motor tarafından kendisine sağlanan tüm bilgilere ve bellek modülü tarafından çevrimiçi olarak tutulan statik ve tutarlı bilgilere dayanır. Ayrıca, statik ve dinamik bileşenleri değiştirmek için de kullanılabilen karışık olmayan sahneler üretmek için özel bir oluşturucu mimarisi kullanır. Bu daha sonra karakterleri ve/veya arka planları istediğiniz zaman değiştirmek için kullanılabilir.
Tam eğitimli modelin ortaya çıkan oyunu, gerçek hayattaki bir Pac-Man deneyimidir. Ayrıca, Pac-Man’in ön planda olduğu ve haritanın etrafında sınırlı bir görünürlükle hareket ettiği “egocentric” adlı başka bir oyun moduna da sahiptir.
“Bunun, AI destekli oyun yaratmanın birçok farklı kullanımının tohumu olduğuna inanıyoruz.” Nvidia’nın simülasyon teknolojisi başkan yardımcısı Rev Lebaredian, ön brifing görüşmesi sırasında söyledi. “Bunlardan herhangi birini yapmadan önce, temel kuralları anlayacak kadar akıllı bir yapay zekaya ihtiyacınız var. Kuralları anladıktan sonra, yapı seviyeleri gibi başka şeyler yapmak için yapay zekayı kullanabilirsiniz.”
GameGAN, mevcut bilgileri kullanarak yeni seviyeler ve ortamlar bile üretebilir ve araştırmacılar, bir gün geliştiriciler ve kullanıcılar tarafından oluşturulan seviyelerin ve karakterlerin geliştirilmesine ve basitleştirilmesine yardımcı olabileceğine bile inanıyor.
Nvidia’nın AI direktörü Sanja Fidler, “Sadece oyun geliştiricilerine değil, son kullanıcılara da yardım edilebilir” dedi. “… sinir ağı, oyunu nasıl yeniden yaratacağını öğrenmek için, bileşenleri ayırmalı ve bu farklı bileşenler hakkında bilgi sahibi olmalıdır. Son kullanıcının oyunu gerçekten bu şekilde değiştireceği düşünülebilir.”
GameGAN’ın arkasındaki araştırma ekibi Nvidia, Toronto Üniversitesi, Vektör Enstitüsü ve MIT’den geliyor. Tam araştırma makalesi burada mevcuttur. Araştırmaları, fotogerçekçi görüntüler üretme uygulaması olan GauGAN gibi Nvidia tarafından yönetilen diğer projelerin saflarına katılıyor; Image Inpainting, bir fotoğraf rekonstrüksiyon aracı; ve bir evcil hayvan yüz takas uygulaması olan GANimal. Evet, AI oldukça garip olabilir.
GameGAN için sırada ne var, soruyorsunuz? Nvidia araştırmacıları henüz 3D video oyunlarını dışlamadı. Bize “Bu 2D teknolojisini temelde sınırlayan hiçbir şey yok” deniliyor. Ve misyonu, tek başına video oyunlarının çok ötesine geçiyor. Araştırmacılar ayrıca, sanal kural kümelerini öğrenebilen gelişmiş yapay zekanın, gerçek dünya uygulamalarıyla yapay zekanın geliştirilmesi için önemli olabileceğine ve gerçekçi bir simülasyon oluşturmak için gereken emeği en aza indireceğine inanıyorlar.
Oyun geliştirme ve yapay zeka için olasılıklar neredeyse sınırsız ve birbirleri için mükemmel bir uyum gibi görünüyorlar. GameGAN, AI’nın video oyunlarıyla ilişkisinin sadece başlangıcıdır. Gelecekte daha karmaşık ve gelişmiş AI algoritmalarıyla nelerin mümkün olacağına dair heyecan verici (ve sadece biraz korkutucu) bir bakış.
GameGAN’ı kendiniz denemek istiyorsanız, bunu bu yıl içinde Nvidia’nın AI Playground’unda yapabilirsiniz. Burası aynı zamanda yukarıda bahsedilen ve istediğiniz zaman denemeye hazır olan diğer AI destekli uygulamaları bulacağınız yerdir.
