游戏开发者可能很快就会有一个新的工具，来加快游戏开发不同风格的游戏了。

佐治亚理工学院的研究人员开发了一种新的方法，使用人工智能来学习一个完整的游戏引擎，这个游戏的克隆软件，可以用于控制从角色移动到图形可视化的一切。

该研究在八月的澳大利亚墨尔本举行的，国际人工智能联合会议上提出。

副教授兼项目联合调查员mark riedl表示：“该技术依赖于一种相对简单的搜索算法，可以搜索以最好地预测，一组帧转换的规则集。“

据我们所知，这是首个学习游戏引擎的ai技术，并用游戏画面模拟游戏世界。

研究人员的ai系统，只需观看不到两分钟的游戏视频，然后通过研究框架和对未来事件进行预测，建立自己的游戏运作模式，例如角色将选择什么路径或敌人如何反应。

为了让ai代理商，创建一个准确的预测模型，可以解释2d平台风格游戏的所有物理学，该团队在一个单一的“speedrunner”视频中训练了ai，玩家能直接攻击目标。

他们先克隆了超级玛丽，首先使用ai和mario bros.的游戏视频，来创建独特的游戏级设计。正在尝试实验克隆洛克人和刺猬索尼克系列。

上图为原游戏视频，下图为克隆视频

首席研究员和博士matthew guzdial表示：“我们的ai创建了预测模型，无需访问游戏的代码，并使得比卷积神经网络可以更准确的预测未来事件。

previous frame、 引擎预测和cnn之间的像素误差比较

“一个视频不会产生完美的游戏引擎克隆，但通过在几个附加视频中，进行人工智能训练，你会得到一个很接近的结果。”

他们接下来，测试了克隆引擎在实际游戏中的表现。他们雇用了二名ai代理商，来玩游戏通关，并确保游戏的主角，不会从坚实的地板掉落，或者如果被敌人击中，则不会受伤。

结果：与使用原始游戏引擎的ai相比，使用克隆引擎的人工智能无法区分。

一部分游戏视频（左）由原始的超级玛丽引擎制作，克隆引擎（右）演示了准确预测动画状态的能力。

首先，系统会扫描每个输入视频帧，以确定存在的对象集合，如图所示：超级玛丽引擎中的帧解析过程的可视化。

首先一个框架被解析，在一个框架中找到spritesheet元素，然后将其转换成事实帧列表。

其次，我们在两个相邻帧之间，运行贪婪匹配算法，以确定对象在帧之间如何变化。

最后，当第二帧与预测的下一帧不同，而超过一些设定的阈值时，我们解析每个帧并运行引擎搜索算法。

目前的克隆技术，对于在屏幕上发生大量动作的游戏很有效。guzdial表示，clash of clans或其他类似游戏的动作，可能会在屏幕外发生，这对于他们的系统来说可能是困难的。

他说：“如果智能代理商，要履行推进不同技术应用的承诺，智能代理商就需要对其环境做出预测。” “我们的模式，可以用于训练或教育场景中的各种任务，我们认为这项研究，将可能扩展到各种类型的游戏。

以上是网络信息转载，信息真实性自行斟酌。