Harrison Kinsley / Daniel Kukiela

靠着机器学习和各种不同的训练方式，AI 已经可以做到不少令人叹为观止的事情，但如果是完全不用 3D 引擎，只靠着神经元网络来运算出一个 3D 游戏呢？YouTuber Harrison Kinsley 在视频中分享了由他和 Daniel Kukiela 等一群人工智能爱好者一同製作的「GAN Theft Auto」，将《侠盗猎车手 V》英文原名（Grand Theft Auto V）的第一个字由生成对抗网络（Generative Adversarial Networks）的缩写所取代。顾名思义，这是个以生成对抗网络「模拟」出来的《侠盗猎车手》世界。

生成对抗网络由两个相对抗神经元网络组成，一个负责生成，另一个负责判别。在这个例子当中，AI 被丢到了 《侠盗猎车手》世界中的一条高速公路上进行学习，了解当使用者按下加速、煞车、左转、右转时，画面应该如何变化。生成网络会产生出一个它「猜测」应该正确的画面，而判别网络则会与实际的游戏画面进行比较，来「指导」生成网络怎样的画面才是对的。

这结果，就是一个虽然模煳，但大致可以辨别的世界，裡面所有的元素都是 AI 神经元网络依照「经验」生成的，完全没有用到任何 3D 绘图或是物理运算。即便如此，AI 依然相当不可思议地学到了车辆影子的角度该随着转动变化，车体上的太阳反光也是正确的。如果车子撞到障碍物（例如两侧的围篱时），AI 懂得让画面停住，随后视撞击的角度向左或右滑，而后来更是加入了其他路上的车辆，AI 也能（大致上）正确的进行反应，甚至连远方的山都会随着「远近」而有大小变化。

训练这样的 GAN 是个非常花费 GPU 运算力的工作，因此 NVIDIA 出借了一台内建 64 核 AMD CPU 及四张 A100 显卡的 DGX Station A100 给 Kinsley，可以同时在机器上执行 12 个 AI 训练模型。这些模型持续反復在这段公路上奔跑之外，Kinsley 也用 AI 来平滑画面，让它看起来不要太像素化，最后的结果就是好像在梦中开车的场景了。

不过可惜的是，由于时间不足，Kinsley 和 Kukiela 无法扩大实验的范围。最主要的，是他们不确定可以将这个「世界」扩大到多大，AI 才会开始送出奇怪的结果；又或是对于与其他车辆间的互动，能进行到什麽程度。就目前来说，与车辆间的互动大多以对方被撞后就消失告终，但也发生过撞上时对方一分为二的事情，在少数情况下，AI 可以产生出正确的互动，例如有车辆挡在左方时，会让左转失效，但想要更精确的表示与其他车辆的互动，恐怕还要很长时间的训练才行了。

文章来源：《理科爱好者》 网址: http://www.lkahzzzs.cn/zonghexinwen/2021/0620/1267.html