Facebook訓練人工智慧用文字創造電子遊戲的世界

通過程序生成一個有趣的電子視頻遊戲環境不僅具有挑戰性，而且非常耗時。利用機器學習生成場景的Promethean AI等工具有望在一定程度上減輕設計負擔。但困難依然存在。

這就是Facebook、洛林大學和倫敦大學學院的研究人員在一份預印本論文中研究用AI方法創建遊戲世界的原因。他們利用基於文本的奇幻多人冒險遊戲《LIGHT》中的內容，設計了能夠生成位置和角色並即時動態生成新內容的模型。

該論文中寫道：「我們展示了機器學習算法如何學會組裝不同的元素，安排位置，並用字符和對象填充它們。此外，我們證明了這些工具可以幫助人類交互式地設計新的遊戲環境。」

讓我們回顧一下，LIGHT是由同一組科學家在今年3月份發表的一篇論文中提出的，它是一個基於文本的遊戲形式的研究環境，在這個遊戲中，人工智慧和人類作為玩家角色進行交互。大致來說，它包括基於一組區域和生物群落的663個位置的眾包自然語言描述，以及3462個對象和1755個字符。

在這項最新的研究中，該團隊構建了一個模型來生成遊戲世界，這需要製作位置名稱和包含背景信息的描述。他們使用劃分為測試集和驗證集的相鄰位置的例子來訓練模型，這樣每個位置在集合中都是不同的。一個模型只訪問位置的名字，另一個只訪問位置描述信息，架構，在考慮了兩個排名模型的基礎上進行架構設計，以便在創建新世界時，得到幾個評分較高的候選。

為了創建一款新遊戲的地圖，模型預測了每個現有位置的鄰近位置，並為每個新添加的位置填充了周圍環境。一個位置最多可以連接到四個相鄰的位置(儘管不是所有的連接都需要填充)，並且位置不能在一個地圖中出現多次。

一組單獨的模型產生可以與角色交互的對象。每個對象都有一個名稱、描述和一組表示對象相應屬性的信息，如「能得到的」和「可飲用的」等。研究人員使用與LIGHT位置相關聯的字符和對象，創建了數據集來訓練放置算法位置中的對象和角色，以及對象中的對象（例如，錢包內的硬幣）。

另一個從世界創建任務中獲取語料庫的模型庫，通過利用20億Reddit評論預訓練Transformer架構，創建了新的遊戲元素，如位置、角色、對象等。這些模型之所以被選中是因為它們的極舒適的類自然人類對話，因為它們表現出「創造力和講故事的要素」。它根據位置名稱預測了背景和描述；賦予對象名稱的角色和描述；或給出對象名稱的描述和啟示。

那麼它是如何協同工作的呢？首先，初始化一個空的地圖網格來表示可能的位置數量，並將網格位置的一部分標記為不可訪問，以使探索變得更有趣。中心位置是隨機填充的，性能最好的模型迭代填充鄰近位置，直到填充整個網格。然後，對於每個放置的位置，一個模型預測哪些字符和對象應該填充該位置，然後另一個模型預測是否應該將對象放置在現有對象中。

研究人員還提出了一個人類輔助設計範例，其中的模型可以提供建議，哪些元素放置。如果人類設計師輸入數據集中不存在的遊戲元素的名稱，生成模型就會寫出描述、角色和啟示。

在實驗中，該團隊使用他們的框架生成了5000個世界，最大可容納50個位置。數據集中大約65%和60%的字符和對象是在完整的5000張地圖之後再生成的。最常被放置的位置是「國王的住所」(佔生成世界的34%)，而最不常被放置的位置是「邊緣運河」，80%的世界有超過30個位置。

儘管生成模型並沒有充分利用現有的所有實體，但研究人員表示，他們生成的地圖總體上是有凝聚力的、有趣的和多樣化的。他們寫道：「這些步驟展示了一條用眾包內容創建有吸引力的遊戲世界的道路，它既可以讓人使用輔助模型來創建，也可以使用完全自動化的生成。」