谷歌推出GameNGen，可以实时生成游戏图像，并以每秒20帧的速度实时模拟。

谷歌研究人员发表论文称，他们创建了一个名为GameNGen 的AI 神经网络，并直接使用AI 生成了整个《Doom》 游戏！

最令人惊讶的是，他们没有使用传统的游戏引擎，而是在单个张量处理单元Google Cloud TPU（谷歌定制的AI加速芯片）上运行GameNGen。

所有游戏帧均通过扩散模型预测，以超高效率处理3D环境和动作模拟，以每秒20帧的速度成功创建《Doom》个游戏内容。

这是人工智能领域的一个重要里程碑，标志着人工智能首次完全模拟复杂的交互游戏。

视频加载中.

研究人员在论文中表示：“这是第一个完全由神经模型驱动的游戏引擎，能够在长轨迹上以高质量与复杂环境进行实时交互。”

论文地址：https://arxiv.org/abs/2408.14837

自1993年发布以来，许多玩家都利用了《Doom》，并尝试在各种设备上玩《Doom》：电视、相机，甚至微波炉。

这一次，GameNGen直接带来了突破性的进展。

GameNGen没有依靠编码软件来管理游戏状态，也没有传统的游戏引擎来渲染视觉效果，而是使用AI生成扩散模型，并成功自动模拟了整个游戏内容的《Doom》。

要知道电脑上的游戏是软件系统，需要围绕以下循环手动制作：

（1）识别玩家操作的内容； (2)更新游戏状态； (3) 将其渲染到屏幕上。游戏需要高帧率来运行上述循环以创建交互式虚拟世界效果。

3.5 研究与测试：hujiaoai.cn4 研究与测试：askmanyai.cnClaude-3 研究与测试：hiclaude3.com

然而，互动游戏需要的不仅仅是非常快速的视频生成。对游戏复杂度、模拟速度、长期稳定性、视觉质量都有极高的要求。

那么，实时运行的神经模型能否生成高质量的复杂游戏呢？

谷歌研究人员给出了肯定的答案。在他们的研究中，他们成功地在神经网络GameNGen上自动生成游戏内容，并实时运行《Doom》，并实现了与原始游戏内容相同的视觉质量。

与2018年World Models生成的图片相比，这六年的进步可以说是飞速的：

为了达到这个效果，研究人员对GameNGen进行了两个阶段的训练：

使用代理模型“玩游戏”，观察游戏操作并记录学习；训练扩散模型来预测下一帧并实现稳定的自回归帧生成。

研究人员首先使用Stable Diffusion v1.4模型来训练生成代理agent，记录游戏内容，并生成训练数据集。

第二阶段，研究人员重新使用了Stable Diffusion v1.4，并使用教师强制和自回归采样两种方法来训练模型。同时，为了避免错误，研究人员还添加了高斯噪声来优化输出质量，以达到训练效果。

经过训练，在图像质量方面，GameNGen的长期模拟质量与原始游戏质量相当。

在视频质量方面，通过自回归评估，预测帧的轨迹在内容和图像质量上也可以与实际游戏相似：

在人类评估方面，研究人员准备了130个1.6秒和3.2秒的模拟短片，提供给10名评估者。研究人员将模拟内容和原始游戏内容一起玩，并要求评估者判断哪一个是原始游戏内容。

在1.6秒的项目中，准确率为58%；在3.2秒的项目中，准确率为60%。

我根本分不清哪一个是AI做的！

另外，如何有效训练神经游戏引擎；以及如何微调和优化，这些都是潜在的研究问题。无论如何，这个新范式已经足够令人兴奋了。

从传统游戏引擎到GameNGen，人工智能可能会导致游戏行业发生重大变革。通过消除手动编程游戏逻辑的需要，人工智能可能成为减少开发时间和成本的代名词。

但《Doom》的游戏品质已经不能代表21世纪大型游戏的品质。对于图形更加密集和复杂的现代游戏来说，实现AI模拟可能需要更大的计算能力支持。但对于小游戏来说，这种技术转变可以降低游戏创作的门槛，让更多的小作坊能够创作出以前难以想象的复杂游戏内容。

除了节省成本和时间之外，AI游戏引擎还可以为其他各个领域打开新的大门。这一创新或将重塑虚拟世界格局，让我们看到未来世界：更加多元化的虚拟生态系统。