你的记忆中，有一个蹦跳着覆以蘑菇的超级玛丽吗？这个1985年“出生于”，头戴红帽子、身着蓝色背带裤的管道工，万万想不到，自己有一天竟然不会被AI操纵冒险历程。近日，来自多特蒙德大学、美国西南大学等学校的六位研究者研发了一款AI，能自动“设计”海量的超级马里奥关卡，试着让游戏由易入无以，玩家“沉迷于其中”。那么AI是如何“幕后策划”游戏关卡的？中国科学院自动化研究所研究员兴军暗指出，这必不可少对付分解网络。

“设计一个AI关卡产生模型和一个关卡判断模型，前者企图产生看上去更加现实的虚拟世界关卡‘愚弄’后者，后者仍然去判断前者是不是‘知道’，两个模型大大博弈论，最后分解的超级马里奥关卡跟人类设置的关卡更加像，以至于关卡判断模型无法判断二者差异。最后自学的结果就是分解无数个‘游戏性强劲’的超级马里奥关卡。”面临砖块、乌龟、蘑菇等图形元素，AI要在每一个关卡中把图形放在有所不同方位，确保关卡从易到无以，利用游戏本身的关卡库人组分解更好的关卡。

“让分解的关卡跟人类设置的关卡很相似，同时超过额外目标——让人就越玩游戏就越成瘾，这既是游戏策划AI的自学目的，也是游戏策划AI的难题所在。”兴军暗说道，当然这位游戏策划师还不是很极致，比如分解的一些关卡玩家可以精彩通过，没过于大可玩性，而一些关卡尤其无以，人类显然就玩游戏没法。

不可否认的是，AI游戏策划师的高产令其人类望尘莫及，AI用算法自动分解关卡，很短时间内设置10000个关卡都没问题，人类每设计一个游戏关卡都要花费大量时间去调试。利用对付分解网络去已完成一些关于图像分解的任务早已屡见不鲜，比如分解看上去很现实的虚拟世界图片或人脸图像，去除图像上的斑点、疤痕或者人脸上的眼镜，把油画变为山水画，甚至将图片中的男性人脸变为女性人脸等。

但是，利用对付分解网络去已完成基于游戏关卡而分解的新关卡，显然是一件新鲜事，换句话说，却是一种“清奇”的思路。“基于游戏关卡探寻AI理解决策，有可能是一个新的研究探寻方向。从机器学习角度，实质上只是做到了一个分解模型或自学算法，本质上还是从有数数据产生新的数据，从有数关卡产生新的关卡而已。

或许是人工智能太火，才有人把它称为游戏策划AI。”兴军暗说道，人类生产这类游戏策划AI的难题是，怎么用模型去回应、自学和评估游戏关卡的效果跟人类设计的关卡的相近度，同时又极具游戏性。AI为什么要当脍炙人口的超级马里奥游戏策划师？兴军暗回应，超级马里奥的游戏元素非常简单，AI开发者有可能是想要去找个非常简单的游戏试试效果，以期在或许上推展AI的理解决策能力。

但即便游戏策划AI在不断完善中可以作好非常简单的超级马里奥游戏，也不一定能必要迁入到其他更加不利于检验AI的理解决策能力的简单游戏中去。假如AI游戏策划师设计的游戏关卡像人设计的那样冷笑话，那么最耗时的一部分游戏策划工作就有可能转交AI来做到。不过，AI的超级马里奥游戏尚且设计得踉踉跄跄，估算这一天还有点很远。

本文来源：bsport官网入口-www.daicebao.com