【我們為什麼挑選這篇文章】任天堂的超級瑪利歐遊戲多年來都是是許多人心目中的經典遊戲，從過往的像素風格到現在的 3D 精緻立體風格，瑪利歐雖然已經過去了好幾代，推陳出新出各式各樣的版本與玩法，但紅白機仍然深植在多數人心中。而本篇文章所提到的開發者，或許也是其中一位充滿童年情懷的熱血工程師吧。（責任編輯：郭俐伶）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請連繫出處
作者：量子位
《超級瑪利歐》的重度玩家們可能已經發現，上圖這並不是原本 32 關裡面的遊戲關卡畫面。
不過，如果你以為這是《超級瑪利歐製造》的傑作，那你就猜錯了！這是 AI 利用 GAN （Generative Adversarial Network，簡稱GAN）做出來的！
利用 GAN 生成紅白機的遊戲畫面，並不是新鮮事，不過，這一次是可以無限延長的那種！
如何用 AI 做出永不破關的超級馬力歐？
首先，你需用到 4 個顏色通道表示物件，在遊戲中，關卡資料以壓縮格式存儲，通常，每個物件用兩個位元組來描述位置和類型。一個位元組指定 16×16 網格中的 xy 座標；第二個位元組指定物件的類型。比如在第一關的場景中，僅用了 12 個位元組來描述：
07 81 | 47 24 | 57 00 | 63 01 | 77 01 | C9 71
作者為了將關卡編碼為 16×16 的圖像，分別設置了 4 個獨立顏色通道：
比如，第一關的截圖，就可以表示成這樣：
這樣的編碼方式，既能夠涵蓋夠多物件，但又不會太過複雜。並且根據關卡中物件的排列方式進行分組，會利於模型進行學習並重現。比如，實心磚用來佈置樓梯、磚塊則通常水準放置。
此外，將所有物件組織成一個合理的方案，減少生成網路失誤對輸出結果的負面影響。
比如用硬幣代替磚塊，影響非常小；而如果用管道或庫巴來代替，就會出現問題。
開發者還找出了遊戲的一些特點：
管道可以連接地面或一排浮動塊；
方塊通常用來構建各種尺寸的樓梯；
磚塊和問題塊，大多排在第 3 位和第 7 位；
其他角色一般會分成兩三組。
接下來，作者使用 TensorFlow 作為後端，利用 Keras 來構建模型，並進行訓練。
生成器通過輸入的一組特徵向量，來生成新的樣本圖像；鑒別器則區分是訓練集中的真實圖像，還是生成器偽造的。隨著遍歷訓練集的次數增加，生成效果也逐漸改善
下面最終輸出的結果：
嗯，效果真的還不錯！
想做出永不通關的畫面？用cGAN 就對了
現在，只需把一張張「截圖」連接起來，然後你就會得到半個庫巴、半個管道，以及半個瑪利歐…..
如何做到無縫拼接，得到連貫的關卡呢？這就需要利用「有條件的 GAN」，把前一個場景作為後一個場景的邊界條件，就像這樣：
可以看出場景的左側部分，是以第一行圖像作為邊界條件生成的。
具體來說，首先要在之前的基礎上，向生成器輸入一組16×4的圖像，作為上一個場景的邊界部分。
網路架構是這樣的：
生成器在輸入條件的限制下，生成16×16的圖像，然後，把它們與16×4的輸入圖像進行拼接，再用拼接後的圖像來訓練鑒別器。
利用16×4圖像的不斷反覆運算，最終就能拼接成連續的場景，比如，經過40次反覆運算的結果：
「不想通關綜合症」可能有救了！開發者表示，雖然效果不是特別完美，但是已經具備了趣味性和可玩性。
是不是和那個「能玩一輩子的遊戲」——《瑪利歐製造》有點像？它同樣主打關卡製造，不過是玩家來手動設計。
這種方式在發佈關卡之前，作者必須通關一次，於是有些人就加入隱蔽的「作者通道」，偷個懶直接到達終點。
不少高手都曾被「馬造毒圖」難倒，當然如果玩家發現隱蔽通道，就能通關。
而這樣「有趣又有毒」的關卡，不知道 AI 能否構建出來呢？
（本文經 AI 新媒體量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈爷青回！GAN生成的超级马里奥关卡，可以永不通关的那种〉。）
你可能會有興趣
你玩「小朋友下樓梯」最高紀錄是幾層？當年遊戲開發者現已是超強工程師！
