人工神经网络复现游戏
常见的人工神经网络，有 大型语言模型，能生成各种文字；生成对抗网络、扩散模型 等算法，能够生成各种图片以及音乐。那么用神经网络生成它见过的游戏怎么样？
2020年12月，NVIDIA、多伦多大学向量研究所和 MIT 研究者开发了 GameGAN。这是个能记录游戏游戏，然后仿真为游戏的生成对抗网络。原作者给出了吃豆人以及 Doom 的演示，但效果还有很大提升空间。
差不多是同一时间，有人基于 GameGAN 开发了 GANTheftAuto，将 GTAV 里的一座大桥作为训练场景，AI 控制车辆随机移动。最终实现了阳光反射、物理和阴影，有些像梦境的 GTAV 仿真。
2022年9月，Ollin Boer Bohan 用神经网络复现了《精灵宝可梦 钻石／珍珠》的地图，甚至能直接在浏览器里游玩。有趣的是进入、离开建筑物也被复现，但该仿真的记忆仅有一帧画面，所以场景没有连续性，出门后再进门会来到新的场景。
2024年，Google 开发了实时游戏引擎 GameNGen，需要使用 128 个 TPU-v5e 训练，然后就能运行在单个 TPU-v5 上。虽然硬件要求确实苛刻，但效果显著，画面接近原版 Doom，复现的地图也具有连续性。这可能是记忆达到了 3 秒的缘故，甚至能根据当前血量、护甲值，判断是否击败了某一区域的敌人。
如今的游戏是由人类编写的程序，但 GameNGen 作为概念验证，展示了人工神经网络也能模拟出机制复杂的游戏。那么未来也许能用提示词、素材等，直接生成基于神经网络的游戏，而不是代码。虽然目前对硬件要求很高，但在多边形、光照和物理十分复杂的情况下，神经网络还会有性能优势。
就像自然语言处理（NLP）研究各种算法，但精度一直不高，机器翻译就是糟糕翻译的代名词。直到深度学习、大型语言模型这些神经网络杀死了比赛。
#游戏 #杂谈
常见的人工神经网络，有 大型语言模型，能生成各种文字；生成对抗网络、扩散模型 等算法，能够生成各种图片以及音乐。那么用神经网络生成它见过的游戏怎么样？
2020年12月，NVIDIA、多伦多大学向量研究所和 MIT 研究者开发了 GameGAN。这是个能记录游戏游戏，然后仿真为游戏的生成对抗网络。原作者给出了吃豆人以及 Doom 的演示，但效果还有很大提升空间。
差不多是同一时间，有人基于 GameGAN 开发了 GANTheftAuto，将 GTAV 里的一座大桥作为训练场景，AI 控制车辆随机移动。最终实现了阳光反射、物理和阴影，有些像梦境的 GTAV 仿真。
2022年9月，Ollin Boer Bohan 用神经网络复现了《精灵宝可梦 钻石／珍珠》的地图，甚至能直接在浏览器里游玩。有趣的是进入、离开建筑物也被复现，但该仿真的记忆仅有一帧画面，所以场景没有连续性，出门后再进门会来到新的场景。
2024年，Google 开发了实时游戏引擎 GameNGen，需要使用 128 个 TPU-v5e 训练，然后就能运行在单个 TPU-v5 上。虽然硬件要求确实苛刻，但效果显著，画面接近原版 Doom，复现的地图也具有连续性。这可能是记忆达到了 3 秒的缘故，甚至能根据当前血量、护甲值，判断是否击败了某一区域的敌人。
如今的游戏是由人类编写的程序，但 GameNGen 作为概念验证，展示了人工神经网络也能模拟出机制复杂的游戏。那么未来也许能用提示词、素材等，直接生成基于神经网络的游戏，而不是代码。虽然目前对硬件要求很高，但在多边形、光照和物理十分复杂的情况下，神经网络还会有性能优势。
就像自然语言处理（NLP）研究各种算法，但精度一直不高，机器翻译就是糟糕翻译的代名词。直到深度学习、大型语言模型这些神经网络杀死了比赛。
#游戏 #杂谈
