记者
彭新1
“吃豆人”（PAC-MAN）角色近年来依然不时活跃在电影银幕和游戏主机上，不时触发人们的怀旧感：这个“缺了一角的黄色披萨饼”在迷宫中吃豆子、躲避鬼魂的设计成为游戏史上不灭的经典。如今，它已经40岁了。
热衷于用AI讲故事的英伟达也不愿意错过这个热点，在刚刚的技术发表中，英伟达宣布使用5万局游戏训练出的人工智能模型重建了这个40年前的经典游戏——不用写代码、不用构建游戏引擎渲染图像，仅仅通过神经网络“看”原版《吃豆人》的运行状况，自行理解游戏规则，最终完成了游戏制作。
复刻《吃豆人》的程序被称为GameGAN，这是一个利用生成对抗网络（GenerativeAdversarialNetwork，GAN）模仿计算机游戏引擎的神经网络模型，它由一个生成器和一个鉴别器组成，生成器尝试输入数据，而鉴别器将其与原版游戏数据源进行比较。如果它们不匹配，则生成的数据将被拒绝，之后生成器将调整其工作并重新提交新数据。这两个神经网络会相互竞争，并学习建立出全新内容。
同时，GameGAN通过动态引擎、渲染引擎和存储模块三个部分生成游戏实际运行画面，其中动态引擎用于根据玩家行为变化更新当前的状态，存储模块则来记住游戏地图，使游戏画面更加一致化和稳定。最后，渲染引擎根据动态引擎的状态，对输出图像的进行解码和输出。
用AI制作的《吃豆人》图像有点糊，但游戏已经包含原版游戏的所有的规则。英伟达模拟技术副总裁RevLebaredian在媒体发布会中告诉现场记者：“它通过观看就能了解所有东西。这种方法类似于人类程序员在YouTube上看《吃豆人》视频，就能推断出游戏规则并重新构建它们。”
为了制作这个复刻版的《吃豆人》，英伟达共计准备了5万局游戏视频，这些视频共有上百万帧玩家操作吃豆人的游戏画面，而GameGAN就观看这些影片，从中学习游戏规则，比如蓝色墙不可穿越、吃豆获得分数、吃豆人吃到大豆子时，幽灵会变色逃开等。
用AI来复刻《吃豆人》的工作是英伟达在8个月前开始准备的。实际上，类似《吃豆人》这样采用固定、有规律的玩法，同时可在短时间内结束、操作过程包含大量决策判断的游戏，非常适合用于人工智能系统训练需求。
最终，通过和万代南梦宫（《吃豆人》的游戏开发商）的合作，使用英伟达的TeslaV的GPU计算系统训练后的GameGAN，仅花四天的时间即从无到有完成了游戏制作。
通过GPU系统训练GameGAN，观看5万局游戏后，仅四天时间就产生了重制版的《吃豆人》。英伟达称，《吃豆人》的复刻工作指明了未来人工智能在游戏设计上的方向，开发人员可以将游戏规则输入到AI中，并使用AI来创建游戏的变体版本或设计新关卡。英伟达多伦多研究实验室主任SanjaFidler对记者说：“使用人工智能将不同的游戏玩法融合在一起，给游戏开发人员提供了更多的选择。”
不过，这次AI复刻的《吃豆人》并非完美，研究团队表示，目前还无法在复刻版游戏中完全还原原版《吃豆人》的音乐音效。
有趣的是，英伟达的研究还找到了用AI还原《吃豆人》的一个小“BUG”：由于短时间生成大量游戏视频不大现实，因此团队使用计算机来玩《吃豆人》生成画面。但是，用于模拟玩游戏的AI在游戏中太出色了，这使GameGAN难以理解游戏中“死亡”的概念，所以最初产生的《吃豆人》，游戏中几乎都不会输。这显示了AI训练中，训练数据的重要性。
GameGAN可用于训练机器人理解现实规则。当然，GameGAN的作用不只是游戏用途而已。英伟达介绍，这种通过观察环境互动、理解规则、最终实现模仿还原的模式，在未来的机器人模拟用途中有相当大的作用。
在过去，开发人员通常使用仿真器来训练机器人的AI，由于仿真器必须编写大量互动规则，相当费时费力。“仿真器是训练机器人系统的核心，但开发仿真器非常耗时。”SanjaFidler解释，在仓库机器人、自动驾驶汽车、送货机器人等应用中，机器人需要学习现实世界的物理定律，因此开发者要写许多规则来打造仿真器，比如学习物体互动等。而GameGAN的出现意味着未来可能通过简单的神经网络训练，就可以取代复杂的编程工作。
英伟达计划今年下半年在自家的NVIDIAAIPlayground平台，向外开放这个完全由AI制作的《吃豆人》游戏。