Pac-Man comemora aniversário de 40 anos com visual atualizado por IA da NVidia

Por Rafael Arbulu | 22 de Maio de 2020 às 22h15
(Imagem: Divulgação/NVidia)
Tudo sobre

Nvidia

Saiba tudo sobre Nvidia

Ver mais

Pac-Man, o famoso “come-come” para os fãs brasileiros que cabulavam aula para jogar nos arcades, está fazendo 40 anos. E como “presente”, a Nvidia recriou o jogo por meio da inteligência artificial (IA). Parece algo bem simples, considerando o quão simples é Pac-Man: um game com cenário estático e movimentos lateralizados e uniformes entre cinco personagens. É até fácil imaginar um técnico alimentando uma rede neural com partidas-modelo para recriar uma partida.

Só que estamos falando da NVidia, então, é óbvio que não foi bem isso que ela fez: a empresa usou uma tecnologia própria, batizada de “GameGAN”. Basicamente, são duas redes neurais se comportando de forma oposta (uma “geradora” e uma “discriminadora”, ou “rede adversarial generativa”, na tradução da sigla “GAN”) para emular todos os aspectos de Pac-Man, desde a recriação visual, pixel por pixel, até comportamentos de gameplay. Tudo por meio da IA, sem intervenção humana, motores específicos, arquivos lógicos pré-criados ou rasterização de elementos.

"Esse é o primeiro projeto de pesquisa de emulação de um jogo usando redes neurais baseadas em GAN”, disse Seung-Wook Kim, um pesquisador da NVidia e autor do projeto. “Queríamos ver se a IA poderia aprender as regras de um ambiente somente ao ‘olhar’ para um agente se movendo pelo jogo na tela. E ela conseguiu”.

Basicamente, a rede estabelecida pela NVidia “assistiu” a 50 mil partidas de Pac-Man, a fim de aprender o comportamento do jogo inteiro — não apenas como conduzir, como também sua disposição visual, iconografia; o comportamento dos modelos, trajetórias e funções. Com esses dados, a GameGAN conseguiu estabelecer um senso lógico próprio de como o título funciona e quais comandos inseridos por um jogador trariam impacto na partida.

Aqui, você pensaria em algum louco com tempo demais nas mãos, mas não foi bem o caso: 50 mil partidas foram de fato jogadas, por outra IA, treinada pela NVidia com o intuito exclusivo de “ensinar” o a GameGAN. Isso, porém, não aconteceu sem erros: como já era de se esperar, a ferramenta aprendeu a lógica rápido demais, e conseguiu jogar diversas partidas sem morrer. A derrota também é um dado essencial no treinamento de uma IA, então, isso teve interferência humana no final do processo, para correção.

Com todos os dados memorizados, a GameGAN foi capaz de, essencialmente, “re-desenvolver” Pac-Man, ou pelo menos, a sua própria versão dele. Em uma conferência telefônica com acionistas, a NVidia disse que esse trabalho, embora passível de um ou outro erro de comportamento e interpretação, conseguiu refazer Pac-Man a um nível quase perfeito, montando o jogo do zero, desde o primeiro pixel de cada quadro. A versão GameGAN de Pac-Man roda a 20 ms, o que se traduz para 50 quadros por segundo. A empresa planeja “lançar” esse experimento como parte de sua iniciativa “AI Playground”, que publica seus feitos nesse campo.

Foco na economia

A empresa ainda diz que a GameGAN pode ser uma ferramenta de aprimoramento de recursos e gestão de tempo de desenvolvedores. Segundo Sanja Fidler, diretora do laboratório de pesquisa em IA da NVidia em Toronto, Canadá, a nova tecnologia pode, por exemplo, “aprender a imitar regras como direção de carros e leis da física, apenas ‘assistindo’ a vídeos e vendo agentes tomarem ações no ambiente estudado”. A grosso modo, a executiva quer dizer que a IA poderia aprender os elementos repetitivos de desenvolvimento de um jogo e criar seus próprios recursos, o que livraria o programador para conduzir outros trabalhos.

Essa percepção da economia de recursos é algo que a NVidia vem sinalizando já há algum tempo. Quando o Canaltech entrevistou Alexandre Ziebert, gerente de marketing técnico da NVidia, ele nos apresentou a tecnologia Deep Learning Super Sample 2.0 — ou, simplesmente, “DLSS 2.0” —, que faz uso da IA para reproduzir elementos visuais de um cenário em uma resolução maior do que a original: uma imagem criada em 1080p seria reproduzida pela DLSS 2.0 em 1440p, por exemplo.

O que Ziebert comentou é que, para isso, o desenvolvedor não precisaria escrever nenhuma linha extra de código. A aplicação do recurso seria feita na fase primária de desenvolvimento e qualquer atualização da tecnologia seria automaticamente aplicada ao jogo onde está instalada, sem que ele precisasse abrir o código-fonte, encontrar uma parte problemática, removê-la, reescrevê-la e reinstalá-la.

Com a DLSS 2.0, pequenas alterações como as da imagem abaixo seriam mais evidentes:

No jogo Control, note como a DLSS 2.0 da NVidia aprimora a qualidade visual do ventilador gigante ao fundo: no jogo, esse elemento está em movimento acelerado, e mesmo assim não há quebra de pixels (Imagem: Divulgação/NVidia)

A NVidia, porém, não informou quando a GameGAN começaria a ser aplicada comercialmente. Para todos os efeitos, esse recurso ainda está em fase de pesquisa de testes de campo, então, pode demorar um pouco. A DLSS 2.0 vem sendo aplicada em alguns jogos que já estão no mercado, como Control e Wolfenstein Youngblood.

Apresentação também serve para atestar as capacidades da rede neural da NVidia, chamada “GameGAN”, já que o projeto não possui nenhuma engine própria nem rasterização, sendo algo inteiramente interpretado pela inteligência artificial criada pela empresa

Fonte: NVidia (blog oficial); GameGAN (link para a pesquisa em inglês)

Gostou dessa matéria?

Inscreva seu email no Canaltech para receber atualizações diárias com as últimas notícias do mundo da tecnologia.