Энтузиасты показали версию GTA V, которую в реальном времени генерирует нейросеть
YouTube-блогер Харрисон Кинсли поделился видео, демонстрирующим GAN Theft Auto, нейронную сеть, которая может самостоятельно генерировать игровую часть мира Grand Theft Auto V. Работа GAN Theft Auto основана на нейросети Nvidia GameGAN.
Ранее исследователи в области искусственного интеллекта из Intel Labs уже продемонстрировали систему машинного обучения, которая позволяет сделать GTA V более фотореалистичной. Они использовали датасет с фотографиями реальных городов и алгоритмам обработки, которые убирают артефакты изображения.
GameGAN представляет собой порождающую враждебную сеть. Каждая GAN состоит из двух конкурирующих нейронных сетей: генератора и дискриминатора. Генератор обучается на образце набора данных, а затем получает команду создать контент на основе увиденного. Тем временем дискриминатор сравнивает выходные данные генератора с исходным набором данных.
«Каждый пиксель, который вы видите здесь, генерируется нейронной сетью, пока я играю», — говорит Кинсли на видео. — «Здесь нет правил, написанных нами или движком».
Для обучения GAN Nvidia предоставила Кинсли систему DGX Station A100. Она имеет четыре графических процессора A100 и 64-ядерный серверный процессор AMD. Эту вычислительную мощность задействовали для одновременного запуска 12 систем на ИИ. Эти программы проходят один и тот же участок дороги в игре, собирая данные, необходимые нейросети для создания собственного игрового мира. Система на ИИ с суперсэмплингом обеспечивает более чистый вывод, чтобы картинка не была пиксельной.
Как видно из видео, сеть моделирует фотореалистичное изображение. По мере движения автомобиля тень под ним и отражение солнца на его заднем лобовом стекле меняются, а горы приближаются.
В игровом процессе возникают и новые ситуации. Например, при столкновениях могут быть проблемы. Кинсли говорит, что однажды он увидел, как приближающаяся полицейская машина развалилась на две части перед столкновением с автомобилем героя.
Код GAN Theft Auto разместили на GitHub.
