“这是一项很酷的工作，”阿尔伯塔大学(University of Alberta)的人工智能研究员马修·古兹戴尔(Matthew Guzdial)说，他在几年前开发了一个类似的游戏生成器。
Genie接受了来自互联网的数百个2D平台游戏的3万小时视频的训练。Guzdial说，以前也有人采用过这种方法。他自己的游戏生成器从视频中学习制作抽象的平台游戏。英伟达使用视频数据来训练一个名为GameGAN的模型，该模型可以复制《吃豆人》(Pac-Man)等游戏。
但所有这些例子都是通过输入动作(游戏邦注:如按下控制器上的按钮)和视频片段来训练模型的:显示马里奥跳跃的视频帧与跳跃动作配对，等等。用输入动作标记视频片段需要大量的工作，这限制了可用的训练数据量。
相比之下，Genie只接受视频片段的训练。然后，它学习八种可能的动作中哪一种会导致视频中的游戏角色改变其位置。这将无数小时的现有在线视频变成了潜在的训练数据。
谷歌DEEPMIND
Genie会根据玩家采取的行动动态生成游戏的每一帧新帧。按跳跃键，精灵更新当前图像显示游戏角色跳跃;按下“左”键，图像改变，显示角色移动到左边。游戏一个动作接一个动作地进行，玩家在游戏过程中从头开始生成每个新帧。
未来版本的Genie可能运行得更快。“没有根本的限制阻止我们达到每秒30帧，”谷歌DeepMind的研究科学家蒂姆Rockt?schel说，他领导了这项工作背后的团队。“Genie使用了许多与当代大型语言模型相同的技术，在提高推理速度方面取得了重大进展。”
Genie学习了一些平台游戏中常见的视觉特性。许多这类游戏都使用了视差，即前景比背景移动得更快。Genie经常将这种效果添加到它所生成的游戏中。
虽然Genie是一个内部研究项目，不会发布，但Guzdial指出，谷歌DeepMind团队表示，有一天它可能会变成一个游戏制作工具——这也是他正在研究的。他说:“我很想看看他们建造了什么。”
