在過(guò)去的十年里，讓我們播放視頻 - 哪些文件游戲玩法 - 已經(jīng)大受歡迎。菲利克斯·凱爾伯格(Felix Kjellberg)以其網(wǎng)上筆名PewDiePie而聞名，現(xiàn)在他的Let's Play內(nèi)容已經(jīng)在YouTube上超過(guò)1億用戶。最近的一份報(bào)告估計(jì)，Let's Play視頻和直播的觀眾現(xiàn)在可以與HBO，Netflix，ESPN和Hulu的付費(fèi)內(nèi)容相媲美。

但是制作高質(zhì)量的Let's Play視頻需要時(shí)間，其中大部分用于編寫腳本。為了減輕創(chuàng)作者的負(fù)擔(dān)，佐治亞理工學(xué)院和阿爾伯塔大學(xué)的團(tuán)隊(duì)最近調(diào)查了一個(gè)可以自動(dòng)生成評(píng)論的AI系統(tǒng)。他們表示，他們的方法優(yōu)于現(xiàn)有工作，為未來(lái)的研究奠定了基礎(chǔ)。

“我們玩電子游戲代表了游戲中實(shí)驗(yàn)性人工智能的一個(gè)相對(duì)未開發(fā)的領(lǐng)域......有很多原因可以讓游戲AI研究人員感興趣，”該論文的共同作者解釋道。“首先，Let's Play評(píng)論的一部分側(cè)重于解釋游戲，這與游戲教程生成，游戲評(píng)論和游戲中的可解釋人工智能廣泛相關(guān)。其次，讓我們重點(diǎn)介紹引人入勝的評(píng)論。因此，如果我們可以復(fù)制Let's Play評(píng)論，我們可以擴(kuò)展此類工作以改進(jìn)NPC對(duì)話和系統(tǒng)提示。最后，讓我們玩的是重要的文物，因?yàn)樗鼈兪呛芏嗳藚⑴c視頻游戲的主要方式。“

通常用于分析視覺圖像的AI架構(gòu)，作為系統(tǒng)的框架：卷積神經(jīng)網(wǎng)絡(luò)(CNN)。收集了三個(gè)25分鐘的YouTube視頻 - 分別來(lái)自三個(gè)流行的Minecraft Let's Play頻道 - 并提取相關(guān)的成績(jī)單以構(gòu)建評(píng)論語(yǔ)料庫(kù)。然后將視頻分成每幀1幀的幀，每個(gè)幀 - 總共4,840幀，其中3,600個(gè)用于訓(xùn)練，其余用于測(cè)試 - 與一個(gè)已轉(zhuǎn)換為矢量的句子配對(duì)(數(shù)學(xué)表示)CNN可以處理和理解。

研究人員指出，所產(chǎn)生的評(píng)論(“你可以看到我們可能真的很接近”;“它太像我說(shuō)我們要開始”)并不是一貫的連貫或精確，但他們指出它優(yōu)于三次定量測(cè)試的基線。更重要的是，他們表示，鑒于該模型缺乏背景知識(shí)，它證明了手頭任務(wù)的難度。

研究人員寫道：“我們預(yù)計(jì)這項(xiàng)工作的未來(lái)發(fā)展將更加密切地與這些領(lǐng)域的獎(jiǎng)學(xué)金相結(jié)合。”“由于背景和評(píng)論高度依賴于特定游戲的規(guī)則和設(shè)計(jì)，因此對(duì)其他類型的游戲進(jìn)行通用本身會(huì)帶來(lái)獨(dú)特的挑戰(zhàn)。盡管如此...... [我們]希望通過(guò)抽象低級(jí)細(xì)節(jié)并專注于跨游戲共享的更高級(jí)別主題，將這個(gè)項(xiàng)目擴(kuò)展到Let's Plays的其他流行游戲。

他們留待將來(lái)的工作增加數(shù)據(jù)集的大小和所包含的游戲數(shù)量。