Els científics de Google Research han publicat recentment un article presentant GameNGen, un motor de joc basat en IA que genera jugabilitat original de Doom utilitzant una xarxa neuronal. GameNGen utilitza Stable Diffusion, una tecnologia d'avantguarda desenvolupada pels científics Dani Valevski, Yaniv Leviathan, Moab Arar i Shlomi Fruchter. Aquest motor basat en IA aprofita els fotogrames anteriors i l'entrada del jugador actual per produir nous fotogrames que mostren una fidelitat visual i una coherència remarcables. Un dels assoliments destacats de GameNGen és la seva capacitat per generar un motor de joc complet amb lògica consistent. Els jugadors poden experimentar la jugabilitat de Doom amb funcions com girar, esquivar, disparar armes i danys precisos dels enemics i perills ambientals. A mesura que els jugadors exploren el joc, els nivells es construeixen dinàmicament en temps real, i el joc fins i tot manté el recompte de munició per les seves pistoles. Sorprenentment, la jugabilitat generada és tan autèntica que sovint és difícil distingir-la de la jugabilitat real de Doom en clips curts. El joc funciona a una fluïdesa de 20 fotogrames per segon (FPS). Per entrenar GameNGen de manera precisa en modelar els seus propis nivells de Doom, l'equip de Google va entrenar un agent d'IA per jugar a Doom a diferents dificultats i simular diferents nivells d'habilitat dels jugadors.

L'agent era recompensat per accions com recollir potenciadors i completar nivells, mentre que el dany sofert o la mort resultaven en càstig. Aquest procés d'entrenament va proporcionar centenars d'hores de dades visuals per al model GameNGen de referència i recreació. Una innovació clau en aquest estudi rau en la forma en què els científics van mantenir la coherència entre fotogrames durant períodes prolongats utilitzant Stable Diffusion. Stable Diffusion és un model d'IA generativa àmpliament utilitzat que genera imatges basades en indicacions d'imatges o text. No obstant això, sovint pateix una manca de continuïtat entre fotogrames consecutius i un deteriorament de la qualitat visual amb el temps, com es demostra en el curtmetratge Anime Rock Paper Scissors de Corridor. Per abordar aquests reptes, Google Research va millorar Stable Diffusion entrenant nous fotogrames utilitzant una seqüència més llarga d'entrades d'usuari i fotogrames precedents, introduint alhora soroll gaussià per corrompre els fotogrames de context. A més, es va utilitzar una xarxa neuronal separada però interconnectada per corregir i autocorregir constantment els fotogrames de context, donant lloc a imatges amb alts nivells d'estabilitat i coherència visual durant períodes prolongats. Tot i que els exemples actuals de GameNGen no són perfectes, hi ha ocasionalment instàncies d'artefactes visuals com taques, difuminats i elements parpellejants. Els enemics morts poden transformar-se en masses difuses, i el personatge de l'HUD, Doomguy, augmenta i baixa constantment les celles com The Rock a Monday Night Raw. A més, els nivells generats poden mostrar inconsistències, com es mostra en el vídeo incrustat de YouTube, on Doomguy deixa sobtadament de rebre danys al 4% i la disposició del nivell canvia completament després d'un gir de 360 graus dins d'un pou de verí.