世界上永远不嫌马里奥太多。经典 NES 游戏虽耳熟能详，但研究人员已创造出一种能生成无限马里奥关卡的方法，让你每天都能体验全新内容。
更新：该关卡生成器现已推出网页应用，支持通过提示词生成并游玩关卡，欢迎体验。
MarioGPT：基于 GPT-2 的关卡生成新范式
哥本哈根 IT 大学团队发布了预印本论文及 GitHub 页面，展示了一种名为 MarioGPT 的新方法，用于编码和生成《超级马里奥兄弟》关卡。
MarioGPT 基于 GPT-2 而非新型对话式 AI。这类大型语言模型本质上是通用模式识别与复制机器，不仅能接收句子并生成相似内容，还能处理其他序列数据。
论文第一作者 Shyam Sudhakaran 表示：“我们选择较小的模型验证可行性。对于小数据集，GPT-2 比 GPT-3 更轻量、易训练。未来随着数据量和提示词复杂度增加，可能会采用更复杂的模型。”
文本化渲染与可玩性验证
由于大语言模型无法原生理解马里奥关卡，研究人员先将关卡渲染为类似《矮人要塞》风格的文本形式：
一旦关卡被转化为普通字符序列，模型便能像处理自然语言或代码一样进行输入和学习。当模型掌握特定特征相关的模式后，即可复现这些模式。
输出中包含由小写字母 x 组成的“路径”，表明关卡在技术上可玩。测试显示，250 个生成关卡中有 90% 能被 A* 算法代理完成。
为避免生成过于简单的关卡（如平坦地面加少量管道），团队引入了衡量路径复杂度的函数，并与现有数据集对比。高新颖性和有趣的路径轨迹意味着关卡既具备可玩性，又不同于现有关卡，避免玩家简单走过场。
自然语言提示与当前局限
带标签的输入使模型能够理解自然语言提示，例如生成“有很多管道和敌人”或“许多方块、高海拔、无敌人”的关卡：
目前的一个局限是，源数据 Video Game Level Corpus 仅用一个符号代表“敌人”，未区分 goomba、库巴等具体类型。不过这一限制可以改进——核心概念在于证明高质量关卡生成的可行性。（注：因数据集缺乏相关表示，目前暂不支持水下关卡生成。）
Sudhakaran 表示：“未来我们将探索更丰富的数据集。”
感谢阅读！以下是一些 A* 代理享受 MarioGPT 生成关卡的视频。玩得开心！😄
技术延伸与版权风险提示
纽约大学游戏实验室 Julian Togelius 团队近期也发表了针对“推箱子”类谜题游戏的类似研究。两种方法在不同题材上的成功表明，其可能适用于其他复杂度相近的游戏类型——虽然难以无限生成《时空之轮》，但 AI 驱动的 2D 索尼克并非不可能。
需注意，此前已有非生成式 AI 的马里奥关卡生成工具，它们从预创建图块集组装关卡，仅在屏幕层面有所不同，缺乏图块级别的原创性。而 MarioGPT 实现了真正的生成式创新。
作为首个版本，MarioGPT 纯属实验性质。尽管无限马里奥令人兴奋，但原版游戏的魅力源于精心设计的难度与主题，这难以轻易重现。同时需警惕任天堂对知识产权项目的严格审查风险。