未来， AI会取代传统游戏引擎吗？

谷歌的研究人员发表论文称，他们创建了一个名为GameNGen的AI神经网络，直接用AI生成了整个《Doom》游戏！

最令人惊讶的是，他们并没有使用传统的游戏引擎，而是在单张张量处理单元Google Cloud TPU（谷歌定制的AI加速器芯片）上，运行GameNGen。

由扩散模型预测生成所有游戏帧，以超高效率处理3D环境和动作模拟，成功以每秒20帧的速度创造出《Doom》的游戏内容。

这是人工智能领域的一项重要的里程碑，标志着人工智能首次完全模拟出一款复杂的互动式游戏。

研究人员在论文中表示：“这是第一个完全由神经模型驱动的游戏引擎，能够在长轨迹上，以高质量与复杂环境进行实时交互。”

论文地址：https://arxiv.org/abs/2408.14837

自1993年发布以来，很多玩家把《Doom》玩出了花，尝试在各种设备上游玩《Doom》：如电视、摄像机，甚至还有人在微波炉上运行。

这次，GameNGen直接带来了突破式的进展。

不依赖编码软件来管理游戏状态，不需要传统游戏引擎来渲染视觉效果，GameNGen使用AI生成扩散模型，成功自动模拟《Doom》整个游戏内容。

要知道，计算机上的游戏，是需要围绕以下循环，手动制作的软件系统：

（1）识别玩家操作的内容；

（2）更新游戏状态；

（3）将其渲染到屏幕上。

游戏需要高帧率运行上述的循环，以创造互动式的虚拟世界的效果。

研究人员的灵感，来源于最近一年多模态AI的盛行，如Stable Diffusion、Dall-E、Runway等AI生成模型，在多模态图像和视频方面取得了重大进展。谷歌的研究人员设想，或许可以利用视频生成模型，直接完成互动式游戏的制作。

然而，互动式游戏不仅仅需要非常快速的视频生成。在游戏的复杂性、模拟速度、长时间稳定性，以及视觉质量方面都有极高的要求。

所以，实时运行的神经模型能否高质量地生成复杂的游戏？

谷歌的研究人员给出了肯定的答案，他们在研究中，成功在神经网络GameNGen上，自动生成游戏内容，实时运行《Doom》，并达到了与原本游戏内容相同的视觉质量。

与2018年World Models生成的画面相比，这六年间的进步可以说是日新月异：

为了实现这种效果，研究人员针对GameNGen进行了两个阶段训练：

利用代理模型“玩游戏”，观测游戏操作并记录学习；

训练扩散模型预测下一帧，实现稳定的自回归生成帧。

研究人员首先采用了Stable Diffusion v1.4模型，训练了一个生成式代理智能体，对游戏内容进行记录，并生成训练数据集。

第二阶段，研究人员重新利用了Stable Diffusion v1.4，使用教师强制与自回归采样两种方法，对模型进行训练。 同时，为了避免误差，研究人员还加入了高斯噪声来优化输出质量，以达到训练效果。

经训练，图像质量方面，GameNGen长线的模拟质量，能与原始游戏质量相当。

在视频质量上，通过自回归评估，预测帧的轨迹在内容和图像质量上也能与实际游戏相仿：

而在人类评价方面，研究人员准备了130个1.6秒和3.2秒的模拟短片，提供给10名评估人员。研究人员将模拟内容和原游戏内容一并播放，请评估员判断，哪个才是原游戏内容。

1.6秒项目中，正确率为58%；3.2秒项目中，正确率为60%。

根本分不清，到底哪个才是AI制作的啊！

此外，如何有效的训练神经游戏引擎；以及如何进行微调优化，这些是研究潜在的问题。但无论如何，这种新的范式已经足以令人兴奋了。

从传统游戏引擎到GameNGen，人工智能可能会导致游戏产业大换血。消除手动编程游戏逻辑的需要，AI可能会成为减少开发时间和成本的代名词。

但《Doom》的游戏质量已经不能代表21世纪大型游戏的质量了。对于图形密集程度、精细度更高的现代游戏，想实现AI模拟，可能需要更大的计算能力支持。但在小型游戏方面，这种技术转变可以降低游戏创作的门槛，使更多小作坊能够创造出以前难以想象的复杂游戏内容。

除了节省成本和时间之外，AI游戏引擎还可以为各种其他领域打开新的大门，这项创新可能会重塑虚拟世界格局，为我们提供对未来世界的一瞥：更加多样化的虚拟生态系统。

参考资料

 [1]https://venturebeat.com/ai/googles-gamengen-ai-breaks-new-ground-by-simulating-doom-without-a-game-engine/