用程序生成一个有趣的电子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，但障碍依然存在。Facebook、洛林大学和伦敦大学学院的研究人员利用基于文本的奇幻多人冒险游戏《LIGHT》中的内容，创建了一种能够组合安排位置和角色并动态生成新内容的模型，为 AI 自动和辅助创造游戏世界带来了突破。
“我们展示了算法如何学会装配……不同的元素，安排位置，并用角色和对象填充它们。”他们在其预印本论文中写道，“此外，还证明了这些……工具可以帮助人类交互式地设计新的游戏环境。”
《LIGHT》是由同一组科学家在 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，AI 和人类作为玩家角色进行交互。总的来说，它包括基于一组区域和生物群落的 663 个地点的众包自然语言描述，以及 3462 个物体和 1755 个角色。
在这项最新研究中，研究团队构建了一个用于生成游戏世界的模型，其中包含拟定位置名称和描述（包括背景信息）。他们使用划分为测试和验证集的示例相邻位置来训练它，以使每组的位置都不同。他们设想了两个排名模型——一个模型只能访问位置名称，另一个模型可以访问位置描述信息——并进行了架构设计，以便在测试构建新世界时，放置位置的是得分最高的几个候选。
为了为游戏创建新地图，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），并且一个位置不能在一个地图中出现多次。
一组单独的模型产生了可以与角色进行交互的对象或项目。（每个对象都有一个名称、描述和一组表示对象属性的能力）研究人员使用与《LIGHT》位置相关联的角色和对象，创建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）。
另一个从世界构建任务中获取语料库的模型家族，通过利用经过 20 亿 Reddit 评论预训练的 Transformer 架构，创建了新的游戏元素——位置、角色或对象，这些模型之所以被选中是因为它们“接近于自然的人类对话”，而且它们表现出“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。
那么这一切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，一个模型预测哪些角色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种人类辅助设计范例，其中的模型可以为放置哪些元素提供建议。如果人类设计师输入数据集中不存在的游戏元素的名称，则生成的模型将写出描述、角色。
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%的角色和对象是在完整的 5000 张地图之后生成的。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从众包内容创建内聚游戏世界的道路，既可以使用模型辅助的人工创建工具，也可以进行完全自动化的生成。” （编译自 venturebeat.com）
【数字叙事 原作：Kyle Wiggers；编译：黎雾】
