Facebook训练人工智能用文字创造电子游戏的世界

通过程序生成一个有趣的电子视频游戏环境不仅具有挑战性，而且非常耗时。利用机器学习生成场景的Promethean AI等工具有望在一定程度上减轻设计负担。但困难依然存在。

这就是Facebook、洛林大学和伦敦大学学院的研究人员在一份预印本论文中研究用AI方法创建游戏世界的原因。他们利用基于文本的奇幻多人冒险游戏《LIGHT》中的内容，设计了能够生成位置和角色并即时动态生成新内容的模型。

该论文中写道：“我们展示了机器学习算法如何学会组装不同的元素，安排位置，并用字符和对象填充它们。此外，我们证明了这些工具可以帮助人类交互式地设计新的游戏环境。”

让我们回顾一下，LIGHT是由同一组科学家在今年3月份发表的一篇论文中提出的，它是一个基于文本的游戏形式的研究环境，在这个游戏中，人工智能和人类作为玩家角色进行交互。大致来说，它包括基于一组区域和生物群落的663个位置的众包自然语言描述，以及3462个对象和1755个字符。

在这项最新的研究中，该团队构建了一个模型来生成游戏世界，这需要制作位置名称和包含背景信息的描述。他们使用划分为测试集和验证集的相邻位置的例子来训练模型，这样每个位置在集合中都是不同的。一个模型只访问位置的名字，另一个只访问位置描述信息，架构，在考虑了两个排名模型的基础上进行架构设计，以便在创建新世界时，得到几个评分较高的候选。

为了创建一款新游戏的地图，模型预测了每个现有位置的邻近位置，并为每个新添加的位置填充了周围环境。一个位置最多可以连接到四个相邻的位置(尽管不是所有的连接都需要填充)，并且位置不能在一个地图中出现多次。

一组单独的模型产生可以与角色交互的对象。每个对象都有一个名称、描述和一组表示对象相应属性的信息，如“能得到的”和“可饮用的”等。研究人员使用与LIGHT位置相关联的字符和对象，创建了数据集来训练放置算法位置中的对象和角色，以及对象中的对象（例如，钱包内的硬币）。

另一个从世界创建任务中获取语料库的模型库，通过利用20亿Reddit评论预训练Transformer架构，创建了新的游戏元素，如位置、角色、对象等。这些模型之所以被选中是因为它们的极舒适的类自然人类对话，因为它们表现出“创造力和讲故事的要素”。它根据位置名称预测了背景和描述；赋予对象名称的角色和描述；或给出对象名称的描述和启示。

那么它是如何协同工作的呢？首先，初始化一个空的地图网格来表示可能的位置数量，并将网格位置的一部分标记为不可访问，以使探索变得更有趣。中心位置是随机填充的，性能最好的模型迭代填充邻近位置，直到填充整个网格。然后，对于每个放置的位置，一个模型预测哪些字符和对象应该填充该位置，然后另一个模型预测是否应该将对象放置在现有对象中。

研究人员还提出了一个人类辅助设计范例，其中的模型可以提供建议，哪些元素放置。如果人类设计师输入数据集中不存在的游戏元素的名称，生成模型就会写出描述、角色和启示。

在实验中，该团队使用他们的框架生成了5000个世界，最大可容纳50个位置。数据集中大约65%和60%的字符和对象是在完整的5000张地图之后再生成的。最常被放置的位置是“国王的住所”(占生成世界的34%)，而最不常被放置的位置是“边缘运河”，80%的世界有超过30个位置。

尽管生成模型并没有充分利用现有的所有实体，但研究人员表示，他们生成的地图总体上是有凝聚力的、有趣的和多样化的。他们写道：“这些步骤展示了一条用众包内容创建有吸引力的游戏世界的道路，它既可以让人使用辅助模型来创建，也可以使用完全自动化的生成。”