两年前，Nvidia 研究人员详细介绍了可以生成视觉效果并将其与游戏引擎结合在一起的 AI，以创建一个交互式可导航的环境。作为这项工作的后续措施，该公司，Vector 研究所，麻省理工学院和多伦多大学的科学家本周发表了一篇论文，描述了 GameGAN 该系统可以在没有底层引擎的情况下合成游戏的功能版本。尽管从表面上看游戏生成似乎不是 AI 的最实际应用，但 GameGAN 之类的算法可能有一天被用来生产用于训练机器人系统的模拟器。在将机器人控制的 AI 部署到现实世界之前，通常会在模拟环境中进行广泛的测试，其中包括程序模型，这些模型综合了场景和行为树，这些树指定了模拟中代理的行为。编写这些模型和树需要时间和熟练的领域专家，这意味着希望将模型转移到现实机器人中的公司的支出会增加。值得一提的是，GameGAN 并不是第一个旨在解决游戏生成问题的系统。由 Google Brain 研究人员合著的最新论文描述了一种算法，该算法使用视频预测技术在 Atari 游戏的学习模型中训练游戏 AI。佐治亚理工学院的一项研究提出了一种算法，该算法吸收游戏画面并概率性地绘制游戏中对象之间的关系以及它们如何变化。(VentureBeat)