Νέα παιχνίδια για το ιστορικό, κλασικό βιντεοπαιχνίδι Doom έφτιαξε μια τεχνητή νοημοσύνη- σε μια εξέλιξη που, σύμφωνα με τους δημιουργούς της, μπορεί να ανοίξει τον δρόμο για τη γρηγορότερη, ευκολότερη και φθηνότερη δημιουργία βιντεοπαιχνιδιών.
Νέα παιχνίδια για το ιστορικό, κλασικό βιντεοπαιχνίδι Doom έφτιαξε μια τεχνητή νοημοσύνη- σε μια εξέλιξη που, σύμφωνα με τους δημιουργούς της, μπορεί να ανοίξει τον δρόμο για τη γρηγορότερη, ευκολότερη και φθηνότερη δημιουργία βιντεοπαιχνιδιών.
Όπως αναφέρει το BBC, η τεχνητή νοημοσύνη «εκπαιδεύτηκε» να φτιάχνει νέα επίπεδα βλέποντας επίπεδα που είχαν σχεδιαστεί από ανθρώπους για το δημοφιλές παιχνίδι δράσης πρώτου προσώπου, το οποίο είχε κυκλοφορήσει το 1993 και θεωρείται σημαντικό ορόσημο στην ιστορία των ηλεκτρονικών παιχνιδιών.
Οι ερευνητές του Politecnico di Milano στην Ιταλία χρησιμοποίησαν μια τεχνική deep learning γνωστή ως Gan (generative adversarial network). Δύο νευρωνικά δίκτυα- ένα γνωστό ως generator (παραγωγός/ γεννήτρια), και ένα γνωστό ως discriminator (διευκρινιστής/ αυτός που κάνει διακρίσεις) βρέθηκαν αντίπαλα, με το πρώτο να προσπαθεί να ξεγελάσει/ παραπλανήσει το δεύτερο.
Οι ερευνητές χρησιμοποίησαν δεδομένα από 1.000 «επίσημα» επίπεδα του Doom και από 9.000 επίπεδα που είχαν δημιουργηθεί από μέλη της gaming κοινότητας για να εκπαιδεύσουν την τεχνητή νοημοσύνη. Δίνοντας εικόνες από το κάθε επίπεδο στην τεχνητή νοημοσύνη της έδειξαν σε ποιες περιοχές μπορούσε να κινείται ο παίκτης, τους τοίχους, τα αντικείμενα κ.α., ενώ επίσης της έδωσαν πληροφορίες για το μέγεθος του επιπέδου. Τελικά τα δίκτυα χρειάστηκαν 36.000 επαναλήψεις/προσπάθειες για να δημιουργήσουν κάτι που μπορούσε να παιχτεί.
«Τα αποτελέσματά μας δείχνουν πως τα Gans μπορούν να “συλλάβουν” την ουσιαστική δομή των επιπέδων του Doom και εμφανίζονται πολλά υποσχόμενη προοπτική ως προς την παραγωγή επιπέδων σε παιχνίδια δράσης πρώτου προσώπου» είπε ο επικεφαλής ερευνητής, Εντοάρντο Τζιακομέλο- προσθέτοντας ωστόσο πως υπάρχει και πάλι περιθώριο για ανθρώπινη συμμετοχή, καθώς οι άνθρωποι σχεδιαστές μπορούν να επικεντρώνονται σε πιο εξελιγμένα χαρακτηριστικά.
Σημειώνεται ότι ερευνητές του University of California έχουν αναπτύξει μια παρόμοια προσέγγιση για τη δημιουργία επιπέδων για ένα άλλο εξαιρετικά δημοφιλές και ιστορικό παιχνίδι, το Super Mario.