昨天借着全球最大的游戏开发大会 GDC17 的机会，英伟达宣布推出最新款游戏用显卡 GeForce GTX 1080 Ti。新显卡采用 16纳米制程 Pascal 架构，具备 3584 个 CUDA 核心以及高达 11GB 的显存，从纸面参数上新核弹比上一代游戏/通用计算多用途显卡 Titan X 性能稍强一些，比自己的前辈产品 GTX 1080 也强了 35%。

　　但在新核弹的喧嚣之余，PingWest品玩（微信公众号：wepingwest）关注到了英伟达在游戏开发方面的更多主张和尝试。这家称自己 “All about AI” 的计算技术公司，正在快速改变游戏和 AI 的关系。

　　此 AI 非彼 AI。在过去，游戏 AI 可以指所有非玩家角色 (NPC)，比如剧情中的配角、Boss 和商人等，也可以再进一步，泛指所有游戏的非玩家内容，比如作战机制和商业系统等等。它是由人设计的。

　　但英伟达觉得，游戏行业即将进入一个新的 AI 时代——用 AI 来辅助设计和开发游戏，而且质量并不逊于人工制作。

　　“简单来说，过去的 AI 就是规则和脚本，让 AI 照着你的设计行动，再到后来有了决策树，更先进一些。”英伟达应用深度学习研究部 (Applied Deep Learning Research) 副总裁布莱恩·卡坦萨罗称。但他认为，随着深度学习技术突飞猛进式发展，AI 可以帮助开发者生成音画素材，甚至剧情、任务等机制性的内容。

　　过去两年，英伟达已经带来了多项基于机器学习和神经网络的工具，以解决游戏开发者面临的棘手难题。举个例子，大型游戏的一大特点是画面精美，但这需要美工画师和视觉设计师巨大的精力去创作材质。受制于人员和财力，中小开发者往往在视觉质量上打了折扣，更多人选择了矢量化，甚至更粗糙的视觉风格。

　　英伟达高级开发技术经理安德鲁·艾德斯登展示了一项名叫2Shot 的技术，让开发者更轻松地从真实世界中提取材质，应用到游戏中：只需分别打开和关闭闪光灯，用手机拍摄两张对象材质的照片，计算机将对它们进行自动处理，几分钟后即可生成素材文件。

　　2Shot 极大降低了开发者优化材质的技术门槛，但它仍有很大的提升空间。英伟达在去年又提出了 1Shot 技术，采用更强大的神经网络进行计算，只需一张照片就能生成素材，时间也降低到了数秒的时间。2Shot 的生成素材质量已经达到了工业级，而 1Shot 的质量还有待提高，但它们已经证明了机器学习和神经网络在游戏开发方面的应用前景。

　　布莱恩·卡坦萨罗

　　英伟达还展示了另外两种技术，分别名为 Texture Multiplier 和 Super-Resolution。

　　Texture Multiplier（材质复制器）类似于视觉特效人员常用的“材质增生”(texture mutation) 技术，最大的不同是采用了经过了大量训练的卷积神经网络 (Convolutional Neural Network) 作为生成器，生成的效果高度接近真实，达到了肉眼难以分辨的水平。Texture Multiplier 将使得美工人员可以快速制作美观的大片面积材质，不再给人一种“你这材质复制粘贴的吧！”的感觉……

　　而 Super-Resolution（超分辨率）则听起来更为科幻。记不记得《谍影重重5》里的情节：CIA 特工在雅典宪法广场上寻找伯恩，用模糊的定格画面，“放大、增强！”(Zoom, enhance)，然后就获得了一张特别清晰的照片，确定了目标？

　　其实过去根本没有这种高科技……至少在《谍影重重5》拍摄期间还没有，直到最近才有类似的出来。前不久 Google 的大脑团队实现了将 8×8 像素分辨率的，极度粗糙和颗粒化头像，还原成比较清晰的，达到了 32×32 分辨率的头像，而英伟达也在做类似的事情。

　　该公司研究者采用的具体训练方法（注意：和其他机构方法类似，可作参考），是先把大量的高清晰度照片“缩小”(downscale) 到非常低的清晰度，仅保留非常有限的特征，同时另外把这个降级过程中损失的特征保存下来。

　　采用这种方式处理了大量的高清图片之后，研究者获得了海量损失掉的特征。他们将这些特征整理合成一个“特征规律库”，就像辞典一样，意图在于告诉神经网络：再去“放大” (upscale) 图片的时候，按照这个辞典去操作。当然，具体操作起来比这个口头叙述的流程复杂得多，这个卷积神经网络模型需要数天的时间才能完成训练。