近年來，很多AI技術(shù)的突破都離不開游戲的影響，不論是古老的圍棋還是即時(shí)戰(zhàn)略類的星際爭霸都體現(xiàn)著這樣的交融。同時(shí)，游戲和AI的跨界合作，還在通過算法，生成新的游戲規(guī)則上有所展現(xiàn)，從而讓機(jī)器學(xué)習(xí)的算法，具有更強(qiáng)的泛化能力。8月3日的 Nature Machine Intelligence 推出的綜述論文，先介紹了游戲行業(yè)中的“過程生成”（Procedural content generation）這一概念，從現(xiàn)有應(yīng)用，和機(jī)器學(xué)習(xí)的關(guān)系，以及面臨的問題，全面闡述了這一新的跨學(xué)科研究方向。

1. 讓游戲每一次玩都不一樣

通過算法，產(chǎn)生游戲中的背景信息，例如游戲中的關(guān)卡，任務(wù)，環(huán)境等，在游戲界被稱為“過程生成”。自從1980年首次提出后，該技術(shù)在游戲界得到了廣泛地應(yīng)用。從最簡單的俄羅斯方塊，到我的世界Minecraft這樣的開放游戲，都能見到該技術(shù)的身影。

在著名的策略類游戲“席德梅爾的文明”系列中，每一局游戲的地圖，都會(huì)有所不同，正因如此，使得玩家愿意多次玩該游戲。為了保證每局地圖不一致，一種做法是在游戲中預(yù)設(shè)很多地圖，另一種做法是通過算法，每次開始時(shí)自動(dòng)生成地圖。顯然后者能減少游戲所需的計(jì)算機(jī)存儲(chǔ)空間。
?

圖1：游戲《文明6》產(chǎn)生的隨機(jī)地圖

如何在產(chǎn)生上述地圖時(shí)，既保證每一局游戲的開局都不同，又確保玩家不會(huì)由于開局的隨機(jī)因素，覺得游戲難度發(fā)生顯著變化。一種可能的生產(chǎn)方式是元胞自動(dòng)機(jī)，通過玩家給定的參數(shù)，算法能夠從某一點(diǎn)出發(fā)，逐步依據(jù)游戲設(shè)計(jì)者預(yù)設(shè)的規(guī)則，逐格擴(kuò)展，產(chǎn)生新的地圖。

2.數(shù)據(jù)增強(qiáng)，機(jī)器學(xué)習(xí)中的過程生成

在機(jī)器學(xué)習(xí)中，要想提升模型的泛化能力，一種常用的技巧是數(shù)據(jù)增強(qiáng)（data argumentation），即在有監(jiān)督學(xué)習(xí)范式下，通過加入基于現(xiàn)有訓(xùn)練數(shù)據(jù)集，經(jīng)過特定轉(zhuǎn)換的模擬數(shù)據(jù)集，從而擴(kuò)大訓(xùn)練數(shù)據(jù)集包含的多樣性，進(jìn)而提升訓(xùn)練得出模型的泛化能力。

具體來看，在貓狗圖像分類任務(wù)中，可以將原圖拉伸，翻轉(zhuǎn)，或者裁剪部分區(qū)域，再將新生成的數(shù)據(jù)和原數(shù)據(jù)一起進(jìn)行訓(xùn)練。如此訓(xùn)練出的模型，能夠更好的提取貓和狗的本質(zhì)特征，從而使得模型在新數(shù)據(jù)集上表現(xiàn)更優(yōu)，穩(wěn)健型更強(qiáng)。

在強(qiáng)化學(xué)習(xí)范式下，通過在訓(xùn)練環(huán)境中引入隨機(jī)因素，例如訓(xùn)練掃地機(jī)器人時(shí)，每次的環(huán)境都有所不同，也可以提升模型的泛化能力。而如果將掃地機(jī)器人執(zhí)行的任務(wù)看成一次游戲，那么機(jī)器學(xué)習(xí)中的數(shù)據(jù)增強(qiáng)，就相當(dāng)于游戲設(shè)計(jì)中的“過程生成”。兩者都是通過隨機(jī)數(shù)據(jù)，讓玩家能夠透過現(xiàn)象看到本質(zhì)。

3. 數(shù)學(xué)化的網(wǎng)絡(luò)科學(xué)

在未來會(huì)有哪些突破？

在機(jī)器學(xué)習(xí)成為主流之前，AI領(lǐng)域常用的方法是從一系列可能的解中，通過搜索找出（局部）最優(yōu)解。將該類方法，應(yīng)用到游戲生成中，下面是一個(gè)典型的案例[1]，即自動(dòng)生成超級馬里奧的關(guān)卡。

具體方法是將游戲的地圖分為微觀（mirco），中觀（meso）和宏觀（marco）模式，算法的目標(biāo)是根據(jù)不同的難度，設(shè)定需要得出的對應(yīng)宏觀模式，之后通過搜索中觀模式的組合，組成宏觀模式，再通過逐個(gè)搜索不同的微觀模式組合，得到對應(yīng)的中觀模式。
?

圖2：超級馬里奧中，不同的微觀模式，中觀及宏觀模式示例圖

通過逐層的自下而上的搜索，該算法能夠根據(jù)最初的游戲地圖，生成在統(tǒng)計(jì)上呈現(xiàn)出相同特征，進(jìn)而具有相近游戲難度的全新關(guān)卡地圖。下圖是超級馬里奧原版的第一關(guān)，和由算法生成的第一關(guān)。
?

圖3：真實(shí)和生成的游戲地圖對比

未來，研究人員和具有科學(xué)頭腦的政策制定者或許可以利用這些進(jìn)展，對尚未觀測到的復(fù)雜網(wǎng)絡(luò)現(xiàn)象進(jìn)行定量預(yù)測。


4 通過深度學(xué)習(xí)生成新游戲：

對抗生成網(wǎng)絡(luò)的例子

對抗生成網(wǎng)絡(luò)（GAN）是近五年來，深度學(xué)習(xí)中進(jìn)展最快的領(lǐng)域之一。如果將生成新的超級馬里奧的任務(wù)交給GAN，它會(huì)怎樣完成？18年的ACM論文給出了回答[2]。
?

圖4：深度卷積對抗生成網(wǎng)絡(luò)結(jié)構(gòu)示意圖

該文采用深度卷積對抗神經(jīng)網(wǎng)絡(luò)，使用已有游戲地圖的一部分，作為訓(xùn)練數(shù)據(jù)，通過生成器，產(chǎn)生新的游戲地圖，再通過判別器，判斷生成的游戲地圖，是不是和真實(shí)地圖類似。之后通過在最初的圖片中進(jìn)行修改，據(jù)此迭代，不斷改進(jìn)生成器。
?

圖5：從最左的圖，隨機(jī)變化，生成右圖的幾種可能地圖，并隨機(jī)選一個(gè)進(jìn)行下一輪迭代

由此，使得生成的地圖中，先不會(huì)諸如出現(xiàn)QQ號(hào)碼拍賣平臺(tái)無法跳過的溝等影響可玩性的特征，再逐漸模仿不同難度的游戲關(guān)卡中所會(huì)出現(xiàn)的障礙物，使得生成的游戲地圖具有相近的難度。

相比傳統(tǒng)的方法，基于GAN的關(guān)卡生成，能夠在玩家游戲的過程中，根據(jù)玩家的操作，動(dòng)態(tài)地改變下一關(guān)游戲的難度，這是傳統(tǒng)的基于搜索的方法無法實(shí)現(xiàn)的。除此之外，還能按照特定的目標(biāo)，設(shè)計(jì)關(guān)卡。

圖6：最大化和最小化跳躍的關(guān)卡

例如，如果想要玩家在游戲中盡可能多的跳躍，通過修改GAN的約束條件，可以生成左圖的地圖，而若想要最小化跳躍，則可以生成類似右圖的關(guān)卡。

5 通過強(qiáng)化學(xué)習(xí)生成游戲

另一類生成游戲關(guān)卡的方式，是強(qiáng)化學(xué)習(xí)。如果要用強(qiáng)化學(xué)習(xí)生成超級馬里奧的地圖，算法需要一個(gè)估值函數(shù)，計(jì)算不同游戲圖片，距離理想的關(guān)卡有多遠(yuǎn)。和GAN類似，強(qiáng)化學(xué)習(xí)范式下，同樣是從隨機(jī)的關(guān)卡開始，不斷改進(jìn)，通過迭代完善設(shè)計(jì)。不同的是，由于估值函數(shù)的存在，每一次的改變不是隨機(jī)的，而是有方向的。
?

圖7：強(qiáng)化學(xué)習(xí)生成游戲的流程圖

上圖中[3]，關(guān)鍵的一點(diǎn)是如何對游戲的設(shè)計(jì)進(jìn)行表征，不同的表征，決定了設(shè)計(jì)出的游戲關(guān)卡會(huì)具有不同的特征。上圖中的估值函數(shù)，除了判斷相比上一次，本次生成的游戲關(guān)卡是不是更優(yōu)，還會(huì)判斷生成的關(guān)卡是否是“可玩的”，如果是，則停止迭代。
?

圖8：推箱子游戲地圖的二維表征

例如推箱子這個(gè)游戲，玩家通過上下左右，操縱小人行動(dòng)，推動(dòng)箱子到指定的位置，則算通關(guān)，上圖是推箱子地圖的二維矩陣表示。每輪迭代，修改的就是左圖的矩陣。

設(shè)計(jì)游戲關(guān)卡的智能體（agent），需要在給定箱子和目標(biāo)的距離時(shí)，讓小人走的步數(shù)盡可能多，從而提升游戲的難度，這就是前文提到的獎(jiǎng)勵(lì)函數(shù)。

而如何判斷每張地圖需要多少步才能走完，則需要智能體通過搜索完成。如果搜索時(shí)，智能體只能記住這一步所走格子和改變的那個(gè)格子狀態(tài)，那么稱之為狹窄表征；如果能記住運(yùn)行方向上的每個(gè)格子以及自己改變了那些格子的狀態(tài)，稱之為Turtle式的表征；而如果能記住當(dāng)前格子周圍所有格子的狀態(tài)，稱為寬表征。
?

圖9：相同初始條件下，不同表征生成的游戲關(guān)卡難度不同

上圖中，最左列是初始的隨機(jī)游戲地圖；之后的三列，分別是不同表征下，生成的游戲關(guān)卡。如果將18部以內(nèi)就能完成的關(guān)卡定義為簡單難度，那么不同的表征下，產(chǎn)生的簡單關(guān)卡的比例分別是86.7%，88.3%，以及67.5%，由此說明不同的表征方式會(huì)設(shè)計(jì)出游戲的難度。

在強(qiáng)化學(xué)習(xí)的框架下進(jìn)行游戲設(shè)計(jì)，該文指出了3條經(jīng)驗(yàn)，一是需要初始條件不同，二是需設(shè)定合適的估值函數(shù)，三是每次迭代變化的比例要小，以免算法收斂到相近的解，使得生成的關(guān)卡大同小異。

6 提升走路機(jī)器人的可靠性，讓它玩游戲通關(guān)

與通過機(jī)器學(xué)習(xí)，提升游戲中關(guān)卡生成相對應(yīng)的，是利用生成的關(guān)卡，來提升機(jī)器學(xué)習(xí)模型的魯棒性。下面的例子，來自Uber的AI實(shí)驗(yàn)室[4]，該研究的目標(biāo)是訓(xùn)練一個(gè)能夠雙足站立行走的機(jī)器人操控算法。
?

圖10：雙足行走的機(jī)器人面對的不同類型的環(huán)境，例如深谷，斜坡，障礙物等。

傳統(tǒng)上，通過進(jìn)化算法，能夠訓(xùn)練操控算法適應(yīng)不同的環(huán)境。但是通過生成一組包含大量斜坡的訓(xùn)練環(huán)境，再生成一組包含大量深谷的環(huán)境，可以定向地訓(xùn)練操控算法在特定環(huán)境下，該如何行走，從而使得算法能夠逐個(gè)攻克不同環(huán)境中面對的障礙。
?

圖11：訓(xùn)練能夠持續(xù)下臺(tái)階，跳過行進(jìn)路線中深谷的算法示意圖

在訓(xùn)練過程中，如果在某類障礙中遇到困難，訓(xùn)練算法，會(huì)生成類似的環(huán)境副本，讓智能體先在該環(huán)境副本中學(xué)習(xí)如何越過障礙，之后，再在原環(huán)境中行走。

通過引入環(huán)境副本，在相同的計(jì)算量下，由于智能體采取了更好的，在環(huán)境副本中學(xué)到的走路姿勢，能夠獲得更高的得分，并有更大的幾率，在挑戰(zhàn)更高的路段上走完全程。由此提升了算法的泛化能力。
?

圖12：機(jī)器手玩魔方的過程示意圖

另一個(gè)通過游戲來提升AI泛化能力的例子，來自馬斯克的openAI實(shí)驗(yàn)室，是訓(xùn)練機(jī)器手玩魔方[5]，通過強(qiáng)化學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)，借助玩魔方這樣一個(gè)封閉環(huán)境下的任務(wù)，研究者提升了對機(jī)械手的控制和手眼協(xié)調(diào)能力，提升了機(jī)械手在實(shí)際應(yīng)用場景下的泛化能力。

在強(qiáng)化學(xué)習(xí)中，通過生成新的游戲關(guān)卡，也可以提升訓(xùn)練的游戲AI的可泛化性[6]，對比在單一難度，人類設(shè)計(jì)的關(guān)卡，以及由算法設(shè)計(jì)的關(guān)卡上訓(xùn)練的游戲AI，結(jié)果顯示，基于算法設(shè)計(jì)的關(guān)卡，需要更少的訓(xùn)練時(shí)間，能取得更高的訓(xùn)練精度。

7 過程生成面臨的六個(gè)挑戰(zhàn)與機(jī)遇

該綜述的最后一部分，討論游戲規(guī)則生成相關(guān)研究目前面臨著那些挑戰(zhàn)。

首先是相比傳統(tǒng)的機(jī)器學(xué)習(xí)問題，訓(xùn)練數(shù)據(jù)集偏小，例如超級馬里奧中，只有36個(gè)由人手工設(shè)計(jì)的關(guān)卡。

其次是相比生成游戲中的某個(gè)組成部分，由算法產(chǎn)生完整的游戲還相對困難。目前較為成熟的生成完整游戲的案例，是基于生成語言模型CPT-2，產(chǎn)生完整的文本式冒險(xiǎn)游戲。這是由于一個(gè)好的游戲，本身就會(huì)相當(dāng)復(fù)雜，并難以使用一個(gè)簡單的公式來衡量可玩性。

第三點(diǎn)是通過持續(xù)的生產(chǎn)新的游戲關(guān)卡，讓智能體實(shí)現(xiàn)終身學(xué)習(xí)。通過不斷改進(jìn)已學(xué)到的策略，過程生成可以讓智能體不斷適應(yīng)越來越復(fù)雜的環(huán)境。

第四點(diǎn)是如何在強(qiáng)化學(xué)習(xí)范式下，基于過程生成，產(chǎn)生標(biāo)準(zhǔn)的數(shù)據(jù)集和對應(yīng)任務(wù)金標(biāo)準(zhǔn)。之前的強(qiáng)化學(xué)習(xí)任務(wù)，大多是人類設(shè)計(jì)的電子游戲。未來，可以讓算法設(shè)計(jì)出新的任務(wù)，這些任務(wù)會(huì)模擬動(dòng)物及人類在真實(shí)環(huán)境下所遇到的問題，從而更加準(zhǔn)確地能夠考察強(qiáng)化學(xué)習(xí)模型是否學(xué)到了人類認(rèn)知能力的本質(zhì)。

第五是如何讓游戲中的關(guān)卡設(shè)計(jì)，能夠不止應(yīng)用到模擬環(huán)境，還能應(yīng)用到真實(shí)場景中。一個(gè)腦洞的例子是：通過算法生成類似極品風(fēng)車的游戲環(huán)境，讓算法在游戲環(huán)境中，先做到盡可能安全的駕駛，之后在訓(xùn)練真實(shí)無人駕駛的算法時(shí)，借鑒模擬算法所具有的特征。

第六點(diǎn)則是，如何將過程生成的本質(zhì)，即通過讓學(xué)習(xí)環(huán)境多樣化，提升智能體的泛化能力，應(yīng)用到諸如人類學(xué)習(xí)，神經(jīng)科學(xué)等其他領(lǐng)域。例如未來的智能課堂中，要想做到因材施教，就可以通過自動(dòng)設(shè)計(jì)的游戲化交互，提升學(xué)生的學(xué)習(xí)效率。

總結(jié)來看，對于應(yīng)對復(fù)雜系統(tǒng)帶來的挑戰(zhàn)，仿真建模與試錯(cuò)，一個(gè)是高屋建瓴的重構(gòu)出全局特征，另一個(gè)是自下而上的生成相應(yīng)的認(rèn)知地圖。而游戲領(lǐng)域的過程生成，則是打通了上述兩條路，通過模仿多主體之間已有的模式，產(chǎn)生更多樣化的環(huán)境，從而避免試錯(cuò)過程變成了管中窺豹井底觀天。

不論對于強(qiáng)化學(xué)習(xí)，還是有監(jiān)督學(xué)習(xí)，引入過程生成，都可以作為一種升級版的數(shù)據(jù)增強(qiáng)技巧，提升模型的泛化能力。另一方面，在使用機(jī)器學(xué)習(xí)，產(chǎn)生游戲的過程中，所應(yīng)用的技術(shù)，所展現(xiàn)的能力，不止能用于游戲相關(guān)的問題，對眾多其他機(jī)器學(xué)習(xí)領(lǐng)域的任務(wù)都有借鑒意義。

總結(jié)

以上是生活随笔為你收集整理的Nature 机器智能综述：AI如何自动生成游戏的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。