Źródło: sentdex / YouTube

Sztuczna inteligencja w grach komputerowych zazwyczaj kojarzy się z logiką stojącą za funkcjonowaniem wirtualnych przeciwników oraz opisującą wpływ naszych działań na cyfrowe środowisko. Klasyczne algorytmy tego typu zazwyczaj są zaprogramowane na sztywno, brakuje im inteligencji z prawdziwego zdarzenia. Nie potrafią na szeroką skalę analizować ruchów gracza, uczyć się jego zagrywek i w czasie rzeczywistym korygować zachowania w taki sposób, aby skutecznie uprzykrzyć nam życie.

Ale wraz z postępującym rozwojem technologii uczenia maszynowego generatywne sieci przeciwstawne (GAN) zaczynają przesuwać granice tego, co jest w stanie wykonać algorytm sztucznej inteligencji. Youtuber Harrison Kinsley postanowił zaprezentować, jak zaawansowana sieć GAN poradzi sobie ze zrekonstruowaniem modelu rozgrywki Grand Theft Auto V.

GAN Theft Auto powstało we współpracy Kinsleya z Danielem Kukiełą, a sercem projektu jest sztuczna inteligencja GameGAN, którą w 2020 roku wykorzystano do zrekonstruowania modelu rozgrywki klasycznego Pac-Mana. Proces ten przebiegał kilkuetapowo. W pierwszej fazie algorytm oglądał i analizował, jak inna instancja SI ogrywa kolejne etapy. Pozyskane dane analityczne posłużyły do nauczenia GameGAN zasad rozgrywki, sztuczna inteligencja pojęła główną ideę gry wyłącznie poprzez obserwację kolejnych partii. W następnym kroku algorytm własnoręcznie generował treści, a na końcu efekt jego pracy był porównywany z modelem wyjściowym.

Po przeprowadzeniu tysięcy przebiegów porównawczych udało się z powodzeniem zrekonstruować grę od zera. Programiści nie wytłumaczyli GameGAN, na czym polega Pac-Man, algorytm doszedł do tego doszedł metodą prób i błędów. W ten sam sposób udało się odtworzyć model jazdy z GTA V.

Oto jak GAN Theft Auto prezentuje się w pełnej krasie:

W trakcie procesu szkoleniowego wykorzystano stację roboczą DGX Station A100 wyposażoną w 64-rdzeniowy procesor serwerowy od AMD oraz cztery karty graficzne A100. Wysoka moc obliczeniowa platformy pozwoliła uruchomić jednocześnie 12 instancji sztucznej inteligencji, które wykorzystano w procesie gromadzenia danych szkoleniowych, do generowania świata czy skalowania obrazu do wyższej rozdzielczości, aby poprawić wizualne aspekty rozgrywki.

I choć GAN Theft Auto wygląda okropnie oraz odtwarza wyłącznie mechanikę jazdy samochodem, stanowi spory krok na drodze tworzenia inteligentnych algorytmów wykorzystywanych w środowisku gamingowym. Warto zwrócić uwagę na takie detale, jak odbijanie się pojazdu od barierek, odblaski słoneczne generowane na szybach oraz karoserii czy powiększające się góry w tle, kiedy gracz się do nich zbliża. Te wszystkie elementy zostały dostrzeżone oraz automatycznie zaimplementowane przez algorytm GameGAN. W obecnej odsłonie GAN Theft Auto największy problem ma ze zrekonstruowaniem modelu kolizji, który nie działa tak, jak powinien. Jednak wraz z kolejnymi przebiegami szkoleniowymi niedoskonałe mechaniki powinny być sukcesywnie poprawiane.

Sieci neuronowe pokroju GameGAN nie zagrożą oczywiście ludzkim twórcom, gdyż potrafią jedynie rekonstruować, a nie tworzyć od zera modele rozgrywki. Jednak wykorzystanie potencjału sztucznej inteligencji w procesie projektowania gier może ułatwić automatyzację części zadań m.in. w zakresie dopasowywania taktyki wirtualnych przeciwników do naszych poczynań.

A jeśli ktoś chciałby sprawdzić, jak GAN Theft Auto sprawdza się w boju, może pobrać bibliotekę z grą z githubowego repozytorium projektu.

Zobacz także:

-

NVIDIA nauczyła sztuczną inteligencję, jak odtworzyć Pac-Mana

-

Sztuczna inteligencja Intela zamieniła GTA V w fotorealistyczną grę