日前，谷歌旗下 AI 研究团队 DeepMind 发布了一款名为 GameNGen 的 AI 游戏引擎。据悉，这也是首个完全由神经网络模型驱动的游戏引擎，能够实时生成游戏画面、并且每一帧都由扩散模型预测。

据 DeepMind 方面透露，GameNGen 能够根据玩家操作和环境的交互，在单个 TPU 上以每秒超过 20 帧的速度实时预测、生成高质量且复杂的游戏画面。以经典射击游戏《毁灭战士（DOOM）》为例，GameNGen 所生成的画面质量与真实游戏非常接近，并且完全不需要游戏引擎的常规组件，其下一帧预测的峰值信噪比（PSNR）为 29.4、可与有损 JPEG 压缩相当。

据悉，GameNGen 的训练分为 2 个阶段，即首先通过一个 RL-agent（强化学习）代码学习如何玩游戏、并记录训练过程中的动作和结果。再通过训练一个小型的扩散模型（如 Stable Diffusion v1.4）、以过去帧和动作序列为条件来生成下一帧。随后在训练过程中向上下帧添加高斯噪声，从而使得模型能够在长时间生成过程中保持视觉稳定性。

对此有观点认为，除了节省成本和时间之外，AI 驱动的游戏引擎可能会促生全新的游戏类型，其中的环境、叙事和游戏机制会根据玩家的行为动态发展，这一创新可能会重塑游戏市场的格局，从而使得该行业从 " 以大片为核心 " 的模式、转向更加多样化的生态。

但同时也有业内人士表示，当前的 GameNGen 是针对特定游戏（即 DOOM）量身定制，开发能够运行多个游戏、更通用的 AI 游戏引擎可能仍然需要更强大的算力做支撑持。

此外，英伟达高级科学家 Jim Fan 也指出了 GameNGen 存在的一些限制，例如 " 在单个游戏上过拟合到了极致 "、" 无法想象新场景，无法合成新的游戏或交互机制 "，以及 " 无法实现用提示词创作可玩世界，或用世界模型训练更好的具身 AI" 等。

但 Jim Fan 也补充到，" 不管怎么说，GameNGen 仍是一个非常出色的概念验证。至少我们现在知道，9 亿帧是将高分辨率 DOOM 压缩到神经网络中的上限 "。

【本文图片来自网络】