如果你是有在關注AI技術，那或許你有聽過GameGAN的大名。這個由Nvidia和麻省理工學院等單位研發而成的模擬器技術，能夠單純透過視覺學習遊戲的架構和設計，並自行模擬出一套相似的環境。在去年《小精靈》30周年時，就曾以一套純AI撰寫的《小精靈》技驚四座。
我是廣告 請繼續往下閱讀
但如果讓這個技術應用在複雜度明顯更高的《GTA 5》上，又能得到幾分成果呢？
這個基於類神經系統的模擬器，可以透過從DGX站點蒐集而來的大量遊戲影片來觀察遊戲的架構，並自行設計出與影片中類似的遊戲。他按照這個邏輯逐步增加AI需要學習的事情，而其成果意外的很理想。
在一開始AI只學會設計駕駛和轉彎的功能，而在他添加了擦撞牆壁的素材後，AI也學到了車輛碰撞牆壁應該被矯正方向的概念。且隨著有背景的素材畫面越來越多，AI也注意到可以將背景圖片拉近，來營造車輛正在前進的感覺。即便與真正的遊戲設計理論多少有點差異，畫面表現也很糟，但的確能讓讓人看到該技術的可能性。
我是廣告 請繼續往下閱讀
一開始，AI只知道要讓這坨黑色的東西，在這樣的畫面下自由移動多次模擬後不只輪廓變清晰了，也學習到了牆壁物件碰撞的概念有趣的是，由於他不像官方展示那樣可以長時間應用功能強大的Nvidia DGX系統來蒐集AI學習用的素材，所以他只好自己寫了12個簡單的BOT，讓這些BOT在《GTA 5》內完全相同的路段上開車，所以AI版遊戲的擦撞反應，也只會與他的素材畫面相同，而非原始遊戲那複雜的物理碰撞。
雖然這整段過程嚴格來說仍與完成相去甚遠，但目前GameGAN已經成功地還原了駕駛和碰撞的概念，甚至能夠模擬出車輛的反光，且遊戲也真的可以實際運作。而該作者也已經將本例的示範分享到了
Github上。有技術和興趣的玩家，不妨試著去見證看看這神奇的技術吧！