近期，AI 技術在游戲開發領域取得了令人矚目的進展。

繼谷歌的 GameNGen AI 模型展示了使用圖像擴散技術生成可玩版《毀滅戰士》（Doom）的能力后，一個新研究項目又將目光投向了另一款經典游戲——任天堂的《超級馬里奧兄弟》（Super Mario Bros）。

這個項目展示了 AI 如何通過視頻生成技術來模擬這款 1985 年發行的經典游戲，為未來的游戲開發開辟了新的可能性。

公開資料顯示，MarioVGG 項目主要由 GitHub 用戶歐尼·周（Ernie Chew）和布瑞恩·林（Brian Lim）管理，其相關論文由加密貨幣相關的 AI 公司 Virtuals Protocol 發表。

該項目主要利用機器學習技術，通過研究游戲視頻和輸入數據，來推斷游戲的物理規則和游戲動態。

研究人員使用了一個包含 280 個游戲關卡的公開數據集，游戲畫面超過 737000 幀。

為了簡化游戲情況，他們只關注兩種潛在輸入：向右跑和向右跑并跳躍。經過約 48 小時的訓練（使用單塊 RTX 4090 顯卡），模型就能夠從靜態的初始游戲圖像和文本輸入生成新的視頻幀序列。

MarioVGG 采用了文本到視頻生成的方法來重現《超級馬里奧兄弟》。模型通過學習游戲畫面，能夠根據玩家的文本輸入（“跑”或“跳”）生成相應的游戲畫面序列。

具體來說，模型只需要接收一個初始的游戲畫面幀和所需動作的文本描述（例如“跳躍”），然后學習生成一系列可視化描述所需動作的幀。

為了提高效率，研究人員將輸出幀的分辨率從原始 NES（注：Nintendo Entertainment System，是任天堂生產的第一代家用游戲機）的 256×240 降低到了 64×48 或 128×96。

此外，他們將 35 幀的視頻時間壓縮為僅 7 個生成幀，這些幀以均勻的間隔分布，從而創造出比實際游戲畫質更粗糙的游戲視頻。

盡管采用了這些方法，MarioVGG 模型仍然面臨著接近實時視頻生成的挑戰。研究人員只用了一張 RTX 4090 顯卡，需要大約 6 秒鐘才能生成 6 幀視頻序列，視頻長度僅僅超過半秒，這還是在極其有限的幀率下。

研究人員承認這“對于交互式視頻游戲來說既不實用也不友好”，但他們希望未來的優化可以改善這一速率。

盡管存在上述限制，MarioVGG 仍然展現出了一些令人印象深刻的特性。

首先，模型能夠純粹從訓練數據中學習游戲的物理規則，包括馬里奧從懸崖邊跌落時的重力效果，以及在遇到障礙物時停止前進。

其次，雖然 MarioVGG 主要關注模擬馬里奧的動作，但它也能有效地為馬里奧生成新的障礙物，這些障礙物“與游戲的圖形語言相一致”。

此外，MarioVGG 能夠生成獨特的馬里奧關卡，只有第一幀輸入來自真實游戲狀態。

然而，MarioVGG 也面臨著一些顯著的挑戰，比如研究人員觀察到，輸入動作文本并不總是被模型所遵守。

有時還會出現明顯的視覺問題，如馬里奧有時會穿過障礙物和敵人、顏色閃爍、在幀之間縮小/增大，或在多個幀中完全消失后又重新出現。

模型并不懂得游戲邏輯，即使在馬里奧死掉之后，它還是會繼續渲染視頻幀，而不是回到最后的檢查點。此外，關卡和物體的生成也不可控，只能通過程序化生成。

MarioVGG 項目為未來游戲開發開辟了新的可能性，展示了 AI 如何通過學習視頻數據來理解和重現復雜的游戲機制。

研究人員希望這代表著“產生和展示可靠和可控的視頻游戲生成器”的第一步，甚至可能在未來“完全使用視頻生成模型取代游戲開發和游戲引擎”。

然而，要實現這一愿景，還需要解決諸如實時性能、畫面質量、游戲邏輯一致性等一系列挑戰。例如，如何在生成的游戲中決定終止狀態，這仍然是一個開放的研究問題。

盡管如此，考慮到 MarioVGG 項目僅使用了相對較小的訓練數據集和單個消費級圖形處理器（GPU，Graphics Processing Unit），其取得的成果已經相當令人印象深刻。

Virtual Protocols 公司在推特上樂觀地表示：“無限交互世界的時代已經到來。”

總的來說，雖然視頻生成制作游戲的方法還無法完全替代傳統的游戲開發方法，但它為游戲產業注入了新的活力，讓我們得以一窺 AI 驅動的游戲未來。

這些新項目為游戲設計和開發提供了新的思路，展示了 AI 如何通過學習視頻數據來理解和重現復雜的游戲機制。

未來，我們可能會看到，隨著技術的發展有望出現更多 AI 輔助的游戲開發工具，甚至是完全由 AI 生成的游戲世界。