Искусственный интеллект в видеоиграх

В видеоиграх неигровых искусственный интеллект (ИИ) используется для создания отзывчивого, адаптивного или интеллектуального поведения, в первую очередь у персонажей (NPC), аналогичного человеческому интеллекту . Искусственный интеллект был неотъемлемой частью видеоигр с момента их создания в 1948 году, впервые появившись в игре Nim . ИИ в видеоиграх — это отдельная область, отличающаяся от академического ИИ. Он служит для улучшения игрового опыта, а не для машинного обучения или принятия решений. В период золотого века аркадных видеоигр идея ИИ-противников была широко популяризирована в виде ступенчатых уровней сложности, различных моделей движений и внутриигровых событий, зависящих от действий игрока. Современные игры часто реализуют существующие методы, такие как поиск пути и деревья решений, для управления действиями NPC. ИИ часто используется в механизмах, которые не сразу видны пользователю, таких как интеллектуальный анализ данных и генерация процедурного контента . Один из самых печально известных примеров этой технологии NPC и постепенных уровней сложности можно найти в игре Punch-Out!!.

В общем, игровой ИИ не означает, как можно было бы подумать, а иногда и изображают, реализацию искусственного человека, соответствующего NPC, в духе теста Тьюринга или общего искусственного интеллекта .

Обзор

Термин «игровой ИИ» используется для обозначения широкого набора алгоритмов , которые также включают методы из теории управления , робототехники , компьютерной графики и информатики в целом, поэтому ИИ видеоигр часто может не представлять собой «настоящий ИИ», поскольку такой методы не обязательно способствуют компьютерному обучению или другим стандартным критериям, а представляют собой лишь «автоматические вычисления» или заранее определенный и ограниченный набор ответов на заранее определенный и ограниченный набор входных данных.

Многие отрасли и корпоративные голоса утверждают, что игровой ИИ прошёл долгий путь в том смысле, что он произвел революцию в том, как люди взаимодействуют со всеми формами технологий, хотя многие Эксперты-исследователи скептически относятся к таким заявлениям, и особенно к идее о том, что такие технологии соответствуют определению «интеллекта», стандартно используемому в когнитивных науках . Голоса отрасли выдвигают аргумент, что ИИ стал более универсальным в том, как мы используем все технологические устройства для целей, превышающих их прямое назначение, поскольку ИИ позволяет технологии работать разными способами, предположительно развивая свою собственную личность и выполняя сложные инструкции пользователя.

Люди в области ИИ утверждают, что ИИ в видеоиграх — это не настоящий интеллект, а рекламное модное словечко, используемое для описания компьютерных программ, которые используют простые алгоритмы сортировки и сопоставления для создания иллюзии разумного поведения, одновременно наделяя программное обеспечение обманчивой аурой научного или технологического характера. сложность и прогресс. Поскольку игровой ИИ для неигровых персонажей ориентирован на внешний вид интеллекта и хороший игровой процесс в условиях ограничений окружающей среды, его подход сильно отличается от подхода традиционного ИИ.

История

Игры были областью исследований ИИ с самого начала. примеров искусственного интеллекта является компьютеризированная игра «Ним» , созданная в 1951 году и опубликованная в 1952 году Одним из первых . регулярно выигрывать игры даже у высококвалифицированных игроков. В 1951 году, используя Ferranti Mark 1 машину Манчестерского университета , Кристофер Стрейчи написал программу для шашек , а Дитрих Принц написал программу для шахмат . Это были одни из первых когда-либо написанных компьютерных программ. Шашечная программа Артура Сэмюэля , разработанная в середине 50-х и начале 60-х годов, в конечном итоге достигла достаточного мастерства, чтобы бросить вызов респектабельному любителю. Работа над шашками и шахматами завершилась победой над Гарри Каспаровым с помощью IBM компьютера Deep Blue в 1997 году. Первые видеоигры были разработаны в 1960-х и начале 1970-х годов , такие как Spacewar!, ! , Pong и Gotcha (1973) были играми, реализованными на дискретной логике и основанными строго на соревновании двух игроков, без ИИ.

Игры с одиночным режимом с врагами начали появляться в 1970-х годах. Первые заметные аркадные игры появились в 1974 году: Taito игра Speed ​​Race ( гоночная видеоигра ) и Atari игры Qwak ( шутер с легким пистолетом для охоты на уток ) и Pursuit ( симулятор воздушных боев на истребителях ). У двух текстовых компьютерных игр, «Звездный путь» (1971) и «Охота на вампуса» (1973), тоже были враги. Движение противника основывалось на сохраненных закономерностях. Включение микропроцессоров позволит больше вычислений и случайных элементов, наложенных на модели движения.

Персонажи легкого велосипеда соревнуются за право ездить последними в GLtron .

Именно в золотой век аркадных видеоигр идея ИИ-противников получила широкое распространение благодаря успеху Space Invaders (1978), в котором уровень сложности увеличивался, были разные модели движения, а внутриигровые события зависели от хэша. функции, основанные на вводе игрока. Галаксиан (1979) добавил более сложные и разнообразные движения противника, включая маневры отдельных врагов, выходящих из строя. Pac-Man (1980) представил в играх-лабиринтах шаблоны искусственного интеллекта с добавлением различных личностей для каждого врага. Позже Karate Champ (1984) представил в файтингах модели искусственного интеллекта . First Queen (1988) — это тактическая ролевая игра , в которой персонажи, которыми может управлять компьютерный ИИ, следуют за лидером. В ролевой видеоигре Dragon Quest IV (1990) была представлена ​​система «Тактики», в которой пользователь может настраивать процедуры искусственного интеллекта неигровых персонажей во время битвы. Эта концепция позже была представлена ​​​​в жанре ролевых игр компанией Secret of Мана (1993).

Такие игры, как Madden Football , Earl Weaver Baseball и Tony La Russa Baseball, основывают свой искусственный интеллект на попытке воспроизвести на компьютере тренерский или управленческий стиль выбранной знаменитости. Мэдден, Уивер и Ла Русса проделали большую работу с этими командами разработчиков игр, чтобы максимизировать точность игр. Более поздние спортивные игры позволяли пользователям «настраивать» переменные в ИИ для создания определяемой игроком управленческой или тренерской стратегии.

Появление новых игровых жанров в 1990-е годы побудило к использованию формальных инструментов искусственного интеллекта, таких как конечные автоматы . Стратегические игры в реальном времени обременяют ИИ множеством объектов, неполной информацией, проблемами поиска пути, принятием решений в реальном времени и экономическим планированием, среди прочего. Первые игры этого жанра имели печально известные проблемы. Herzog Zwei (1989), например, имел почти неработающую систему поиска пути и очень простые машины с тремя состояниями для управления юнитами, а Dune II (1992) атаковала базу игроков по прямой линии и использовала многочисленные читы. Более поздние игры этого жанра демонстрировали более совершенный искусственный интеллект.

В более поздних играх использовались восходящие методы искусственного интеллекта, такие как возникающее поведение и оценка действий игрока в таких играх, как Creatures или Black & White . Фасад (интерактивная история) был выпущен в 2005 году и в качестве основного аспекта игры использовал интерактивные многосторонние диалоги и искусственный интеллект.

Робот ловит мяч и участвует в Робокубке.

Игры предоставили среду для разработки искусственного интеллекта с потенциальными приложениями, выходящими за рамки игрового процесса. Примеры включают Watson , Jeopardy! -игровой компьютер; и турнир RoboCup , где роботов обучают соревноваться в футболе.

Просмотры

Многие эксперты жалуются, что термин «ИИ» в термине «игровой ИИ» преувеличивает свою ценность, поскольку игровой ИИ не связан с интеллектом и мало разделяет цели академической области ИИ. В то время как «настоящий ИИ» касается областей машинного обучения, принятия решений на основе произвольного ввода данных и даже конечной цели сильного ИИ , способного рассуждать, «игровой ИИ» часто состоит из полдюжины эмпирических правил или эвристик , которые этого достаточно, чтобы получить хороший игровой опыт. Исторически сложилось так, что академические проекты игрового ИИ были относительно отделены от коммерческих продуктов, поскольку академические подходы, как правило, были простыми и немасштабируемыми. Коммерческий игровой ИИ разработал собственный набор инструментов, которого во многих случаях достаточно для обеспечения хорошей производительности.

Растущая осведомленность разработчиков игр об академическом ИИ и растущий интерес к компьютерным играм со стороны академического сообщества приводят к тому, что определение того, что считается ИИ в игре, становится менее своеобразным . Тем не менее, существенные различия между различными областями применения ИИ означают, что игровой ИИ по-прежнему можно рассматривать как отдельную подобласть ИИ. возможность законного решения некоторых проблем ИИ в играх с помощью мошенничества В частности, важным отличием является . Например, определение положения невидимого объекта на основе прошлых наблюдений может оказаться сложной проблемой, когда ИИ применяется к робототехнике, но в компьютерной игре NPC может просто найти положение в графе игровой сцены . Такое мошенничество может привести к нереалистичному поведению и поэтому не всегда желательно. Но его возможность позволяет отличить игровой ИИ и приводит к новым проблемам, которые необходимо решить, например, когда и как жульничать.

Основным ограничением сильного ИИ является присущая ему глубина мышления и чрезвычайная сложность процесса принятия решений. Это означает, что, хотя теоретически было бы возможно создать «умный» ИИ, эта проблема потребовала бы значительных вычислительных мощностей.

Использование

В компьютерном моделировании настольных игр

• Компьютерные шахматы
• Компьютерные сёги
• Компьютер Го
• Компьютерные шашки
• Компьютер Отелло
• Игроки в компьютерный покер
• Акинатор
• Компьютер Аримаа
• Логистелло , играющий в Реверси
• Rog-O-Matic , играющий Роуга
• Компьютерные игроки в Scrabble
• Разнообразие настольных игр на Компьютерной олимпиаде
• Общая игра
• Решенные игры имеют компьютерную стратегию, которая гарантированно оптимальна и в некоторых случаях обеспечивает победу или ничью.

В современных видеоиграх

Дополнительная информация: Бот для видеоигр.

Игровые ИИ/эвристические алгоритмы используются в самых разных областях игры. Самое очевидное — в управлении любыми NPC в игре, хотя «скриптинг» ( дерево решений ) на данный момент является наиболее распространённым средством управления. Эти рукописные деревья решений часто приводят к «искусственной глупости», такой как повторяющееся поведение, потеря погружения или ненормальное поведение в ситуациях, которые разработчики не планировали.

Поиск пути , еще одно распространенное применение ИИ, широко встречается в в реальном времени стратегических играх . Поиск пути — это метод определения того, как доставить NPC из одной точки карты в другую, принимая во внимание местность, препятствия и, возможно, « туман войны ». Коммерческие видеоигры часто используют быстрый и простой «поиск пути на основе сетки», при котором местность отображается на жесткую сетку из однородных квадратов, и алгоритм поиска пути, такой как A* или IDA* . к сетке применяется Вместо жесткой сетки в некоторых играх используются неправильные многоугольники и собираются навигационная сетка из областей карты, по которым могут ходить NPC. В качестве третьего метода разработчикам иногда удобно вручную выбирать «путевые точки», которые NPC должны использовать для навигации; цена состоит в том, что такие путевые точки могут создавать неестественно выглядящее движение. Кроме того, в сложных средах путевые точки обычно работают хуже, чем навигационные сетки. Помимо статического поиска пути, навигация — это подобласть игрового ИИ, целью которой является предоставление NPC возможности перемещаться в динамической среде, находить путь к цели, избегая при этом столкновений с другими объектами (другими NPC, игроками...) или сотрудничать с ними. их (групповая навигация). Навигация в динамических стратегических играх с большим количеством юнитов, таких как Age of Empires (1997) или Civilization V (2010), часто работает плохо; юниты часто мешают другим юнитам.

Вместо того, чтобы улучшать игровой ИИ для правильного решения сложной проблемы в виртуальной среде, зачастую более рентабельно просто изменить сценарий, чтобы сделать его более управляемым. Если поиск пути застревает на определенном препятствии, разработчик может просто переместить или удалить препятствие. В Half-Life (1998) алгоритм поиска пути иногда не мог найти для всех NPC разумный способ уклониться от брошенной гранаты; вместо того, чтобы позволить NPC попытаться уйти с дороги и рискнуть показаться глупыми, разработчики вместо этого написали, что NPC приседают и прячутся на месте в этой ситуации.

Боевой ИИ в видеоиграх

Многие современные видеоигры относятся к категории боевиков, шутеров от первого лица или приключений. В большинстве игр такого типа присутствует определенный уровень боя. В этих жанрах важна способность ИИ быть эффективным в бою. Сегодня общая цель — сделать ИИ более человечным или, по крайней мере, казаться таковым.

Одной из наиболее положительных и эффективных особенностей современного искусственного интеллекта в видеоиграх является способность охотиться. Изначально ИИ реагировал очень черно-белым образом. Если бы игрок находился в определенной области, ИИ реагировал бы либо полностью наступательно, либо полностью защищаясь. В последние годы появилась идея «охоты»; в этом состоянии «охоты» ИИ будет искать реалистичные маркеры, такие как звуки, издаваемые персонажем, или следы, которые он, возможно, оставил после себя. Эти разработки в конечном итоге позволяют создать более сложную форму игры. Благодаря этой функции игрок может подумать, как приблизиться к врагу или избежать его. Эта особенность особенно распространена в жанре стелс .

Еще одним развитием недавнего игрового ИИ стало развитие «инстинкта выживания». Внутриигровые компьютеры могут распознавать различные объекты в окружающей среде и определять, полезно это или вредно для их выживания. Как и пользователь, ИИ может искать укрытие в перестрелке, прежде чем предпринимать действия, которые в противном случае сделали бы его уязвимым, например, перезарядить оружие или бросить гранату. Могут быть установлены маркеры, которые сообщают ему, когда следует реагировать определенным образом. Например, если ИИ дана команда проверять свое здоровье на протяжении всей игры, то можно задать дополнительные команды, чтобы он реагировал определенным образом при определенном проценте здоровья. Если здоровье ниже определенного порога, ИИ можно настроить так, чтобы он убегал от игрока и избегал его, пока не будет активирована другая функция. Другой пример: если ИИ заметит, что у него закончились патроны, он найдет укрытие и спрячется за ним, пока не перезарядится. Подобные действия делают ИИ более человечным. Однако потребность в улучшении в этой области все еще существует.

Еще один побочный эффект боевого ИИ возникает, когда два персонажа, управляемые ИИ, сталкиваются друг с другом; Впервые популяризированная в от id Software игре Doom , в определенных ситуациях может вспыхнуть так называемая «борьба монстров». В частности, агенты ИИ, запрограммированные реагировать на враждебные атаки, иногда будут атаковать друг друга , если атаки их когорты придутся к ним слишком близко. В случае с Doom опубликованные руководства по игровому процессу даже предлагают воспользоваться распри монстров, чтобы выжить на определенных уровнях и настройках сложности.

Процедурная генерация контента

Процедурная генерация контента (PCG) — это метод искусственного интеллекта, позволяющий автономно создавать игровой контент с помощью алгоритмов с минимальным участием дизайнеров. PCG обычно используется для динамического создания игровых функций, таких как уровни, диалоги NPC и звуки. Разработчики вводят определенные параметры, которые помогают алгоритмам создавать для них контент. PCG предлагает множество преимуществ как с точки зрения развития, так и с точки зрения опыта игроков. Игровые студии получают возможность тратить меньше денег на художников и экономить время на производстве. Игрокам предоставляется свежий, легко воспроизводимый опыт, поскольку игра генерирует новый контент каждый раз, когда они играют. PCG позволяет игровому контенту адаптироваться в реальном времени к действиям игрока.

Процедурно генерируемые уровни

Генеративные алгоритмы (рудиментарная форма ИИ) использовались для создания уровней на протяжении десятилетий. Знаменитая является компьютерная игра 1980 года «Rogue» основополагающим примером. Перед игроками стоит задача спуститься по все более сложным уровням подземелья, чтобы найти Амулет Йендора. Уровни подземелий генерируются алгоритмически в начале каждой игры. Файл сохранения удаляется каждый раз, когда игрок умирает. Алгоритмическая генерация подземелий создает уникальный игровой процесс, которого иначе не было бы, поскольку цель получения амулета каждый раз одна и та же.

Мнения об общей генерации уровней в таких играх, как Rogue, могут различаться. Некоторые разработчики могут скептически относиться к качеству создаваемого контента и желать создать мир с более «человечным» ощущением, поэтому они будут использовать PCG более экономно. Следовательно, они будут использовать PCG только для создания определенных компонентов уровня, созданного вручную. Ярким примером этого является от Ubisoft 2017 года тактический шутер Tom Clancy's Ghost Recon Wildlands . Разработчики использовали алгоритм поиска пути, обученный на наборе данных реальных карт, для создания дорожной сети, которая будет проходить через созданные вручную деревни в игровом мире. Это разумное использование PCG, поскольку ИИ будет иметь большой объем реальных данных для работы, а дороги создавать легко. Однако ИИ, скорее всего, упустил бы нюансы и тонкости, если бы перед ним стояла задача создать деревню, в которой живут люди.

По мере того, как ИИ становится более продвинутым, цели разработчиков смещаются в сторону создания огромных хранилищ уровней из наборов данных. В 2023 году исследователи из Нью-Йоркского университета и Университета Витватерсранда обучили большую языковую модель генерации уровней в стиле игры-головоломки Sokoban 1981 года . Они обнаружили, что модель превосходно генерирует уровни со специально заданными характеристиками, такими как уровень сложности или планировка. Однако современные модели, подобные той, что использовалась в исследовании, для эффективности требуют больших наборов данных по уровням. Они пришли к выводу, что, хотя это и многообещающе, высокая стоимость данных для больших языковых моделей в настоящее время перевешивает преимущества этого приложения. Дальнейшие достижения в этой области, вероятно, приведут к более широкому использованию в будущем.

Процедурно генерируемые музыка и звук.

Музыкальное сопровождение видеоигры является важным выражением эмоционального тона сцены для игрока. Звуковые эффекты , такие как шум оружия, поражающего врага, помогают указать на эффект действий игрока. Их создание в реальном времени создает увлекательный опыт для игрока, поскольку игра более отзывчива на его ввод. Примером может служить приключенческая игра Proteus 2013 года , в которой алгоритм динамически адаптирует музыку в зависимости от угла, под которым игрок смотрит на игровой ландшафт.

Недавние прорывы в области искусственного интеллекта привели к созданию передовых инструментов, способных создавать музыку и звук на основе развивающихся факторов с минимальным участием разработчиков. Одним из таких примеров является музыкальный генератор MetaComposure. MetaComposure — это эволюционный алгоритм, предназначенный для создания оригинальных музыкальных композиций во время игрового процесса в реальном времени, соответствующих текущему настроению окружающей среды. Алгоритм способен оценивать текущее настроение состояния игры посредством «маркировки настроения». Исследования показывают, что существует значительная положительная статистическая корреляция между рейтингом вовлеченности игроков в игру и динамически генерируемыми музыкальными композициями, когда они точно соответствуют их текущим эмоциям.

Метод поиска по дереву Монте-Карло

Игровой ИИ часто сводится к поиску пути и конечным автоматам. Поиск пути доставляет ИИ из точки А в точку Б, обычно самым прямым способом. Конечные автоматы позволяют переключаться между различными вариантами поведения. Метод дереву Монте-Карло поиска по обеспечивает более увлекательный игровой процесс, создавая дополнительные препятствия, которые игрок должен преодолеть. MCTS состоит из древовидной диаграммы, в которой ИИ, по сути, играет в крестики-нолики . В зависимости от результата он выбирает путь, ведущий к следующему препятствию для игрока. В сложных видеоиграх у этих деревьев может быть больше ветвей при условии, что игрок сможет придумать несколько стратегий, чтобы преодолеть препятствие. В этом опросе за 2022 год вы можете узнать о недавних применениях алгоритма MCTS в различных игровых областях, таких как комбинаторные игры с идеальной информацией, стратегические игры (включая стратегии в реальном времени ), карточные игры и т. д.

Использование в играх помимо NPC.

Академический ИИ может играть роль в игровом ИИ, выходя за рамки традиционной задачи контроля поведения NPC. Георгиос Н. Яннакакис выделил четыре потенциальных области применения:

1. Моделирование опыта игрока : определение способностей и эмоционального состояния игрока для соответствующей адаптации игры. Сюда может входить динамическая балансировка сложности игры , которая заключается в регулировании сложности видеоигры в режиме реального времени в зависимости от способностей игрока. Игровой ИИ также может помочь определить намерения игрока (например, распознавание жестов ).
2. Генерация процедурного контента : автоматическое создание элементов игровой среды, таких как условия окружающей среды, уровни и даже музыка. Методы ИИ могут генерировать новый контент или интерактивные истории.
3. Интеллектуальный анализ данных о поведении пользователей: это позволяет разработчикам игр изучать, как люди используют игру, в какие части они играют чаще всего и что заставляет их перестать играть, что позволяет разработчикам настраивать игровой процесс или улучшать монетизацию.
4. Альтернативные подходы к NPC: они включают в себя изменение настроек игры для повышения правдоподобности NPC и изучение социального, а не индивидуального поведения NPC.

Вместо процедурной генерации некоторые исследователи использовали генеративно-состязательные сети (GAN) для создания нового контента. В 2018 году исследователи из Корнуоллского университета обучили GAN на тысяче созданных человеком уровней для Doom ; После обучения прототип нейронной сети смог самостоятельно создавать новые игровые уровни. Аналогичным образом исследователи из Калифорнийского университета создали прототип GAN для создания уровней для Super Mario . В 2020 году Nvidia представила созданный GAN клон Pac-Man ; GAN научился воссоздавать игру, просмотрев 50 000 (в основном созданных ботами) прохождений.

Обман ИИ

Геймеры всегда спрашивают, не жульничает ли ИИ (вероятно, чтобы они могли пожаловаться в случае проигрыша)

— Терри Ли Коулман из Computer Gaming World , 1994 г.

В контексте искусственного интеллекта в видеоиграх под мошенничеством подразумевается, что программист предоставляет агентам действия и доступ к информации, которые были бы недоступны игроку в той же ситуации. Полагая, что 8-битная версия Atari не сможет конкурировать с игроком-человеком, Крис Кроуфорд не исправил ошибку в Eastern Front (1941) , которая принесла пользу российской стороне, управляемой компьютером. В 1994 году журнал Computer Gaming World сообщил: «Хорошо известный факт, что многие ИИ «обманывают» (или, по крайней мере, «выдумывают»), чтобы не отставать от игроков-людей».

Например, если агенты хотят знать, находится ли игрок поблизости, им можно либо предоставить сложные человеческие датчики (зрение, слух и т. д.), либо они могут обмануть, просто запросив у игрового движка положение игрока. Распространенные варианты включают в себя повышение скорости ИИ в гоночных играх, чтобы догнать игрока, или размещение его на выгодных позициях в шутерах от первого лица. Использование мошенничества в ИИ показывает ограничения «интеллекта», достижимого искусственно; вообще говоря, в играх, где важна стратегическая креативность, люди могли бы легко победить ИИ после минимума проб и ошибок, если бы не это преимущество. Читерство часто реализуется из соображений производительности, и во многих случаях его можно считать приемлемым, пока эффект не очевиден для игрока. Хотя мошенничество относится только к привилегиям, предоставленным конкретно ИИ, - оно не включает в себя нечеловеческую быстроту и точность, естественные для компьютера - игрок может назвать присущие компьютеру преимущества «обманом», если они приводят к тому, что агент действует не так, как игрок-человек. Сид Мейер заявил, что он исключил многопользовательские альянсы в Civilization, потому что обнаружил, что компьютер почти так же хорош в их использовании, как и люди, что заставило игроков думать, что компьютер жульничает. Разработчики говорят, что большинство игровых ИИ честны, но им не нравится, когда игроки ошибочно жалуются на «обман» ИИ. Кроме того, люди используют против компьютеров тактику, которую они не использовали бы против других людей.

Примеры

В игре Creatures 1996 года пользователь «высиживает» маленьких пушистых зверьков и учит их, как себя вести. Эти «Норны» могут говорить, питаться и защищаться от злобных существ. Это было первое популярное применение машинного обучения в интерактивном моделировании. Нейронные сети используются существами, чтобы научиться тому, что делать. Игра считается прорывом в исследованиях искусственной жизни , целью которых является моделирование поведения существ, взаимодействующих с окружающей средой.

В шутере от первого лица Halo: Combat Evolved 2001 года игрок берет на себя роль Мастера Чифа, сражаясь с различными инопланетянами пешком или на транспортных средствах. Враги очень разумно используют укрытия и применяют подавляющий огонь и гранаты. Ситуация в отряде влияет на отдельных людей, поэтому некоторые враги бегут, когда их лидер умирает. Внимание уделяется мелким деталям: враги, в частности, отбрасывают гранаты, а члены команды реагируют на беспокойство. Базовая технология « дерева поведения » стала очень популярной в игровой индустрии со времен Halo 2 .

вышедшем в 2005 году В психологическом хоррор- шутере от первого лица FEAR, , персонажи игроков сражаются с батальоном клонированных суперсолдат , роботов и паранормальных существ . ИИ использует планировщик для генерации контекстно-зависимого поведения — впервые в массовой игре. Эта технология до сих пор используется многими студиями в качестве эталона. Реплики способны использовать игровую среду в своих интересах, например, опрокидывать столы и полки, чтобы создать укрытие, открывать двери, врезаться в окна или даже замечать (и предупреждать об этом остальных своих товарищей) фонарик игрока. Кроме того, ИИ также способен выполнять фланговые маневры, использовать подавляющий огонь, бросать гранаты, чтобы вытолкнуть игрока из укрытия, и даже притворяться мертвым. Большинство этих действий, в частности фланговые действия, являются результатом спонтанного поведения.

Серия ужасов выживания « СТАЛКЕР» (2007–) знакомит игрока с рукотворными экспериментами, военными солдатами и наемниками, известными как Сталкеры. Различные встреченные враги (если уровень сложности установлен на самый высокий) используют боевые тактики и поведение, такие как лечение раненых союзников, отдача приказов, обход игрока с фланга и использование оружия с высокой точностью.

2010 года в реальном времени Стратегическая игра StarCraft II: Wings of Liberty дает игроку контроль над одной из трех фракций на боевой арене 1 на 1, 2 на 2 или 3 на 3. Игрок должен победить своих противников, уничтожив все их юниты и базы. Это достигается путем создания подразделений, которые эффективно противостоят подразделениям противника. Игроки могут играть против нескольких уровней сложности ИИ, от очень простого до Cheater 3 (безумного). ИИ способен жульничать на уровне сложности «Мошенник 1» (видение), где он может видеть юниты и базы, тогда как игрок в той же ситуации не мог этого сделать. «Читер 2» дает ИИ дополнительные ресурсы, а «Читер 3» дает значительное преимущество над противником.

Red Dead Redemption 2 , выпущенная Rockstar Games в 2018 году, является примером расширенного использования искусственного интеллекта в современных видеоиграх. В игре используется очень подробная система искусственного интеллекта, которая управляет поведением неигровых персонажей и динамичным игровым миром. Неигровые персонажи в игре демонстрируют сложное и разнообразное поведение в зависимости от широкого спектра факторов, включая окружающую среду, взаимодействие с игроками и время суток. Такой уровень интеграции искусственного интеллекта создает богатый, захватывающий опыт, в котором персонажи реалистично реагируют на игроков, что способствует репутации игры как одной из самых продвинутых игр с открытым миром, когда-либо созданных. .

2024 года Браузерная - песочница игра Infinite Craft использует генеративное программное обеспечение искусственного интеллекта, включая LLaMA . Когда два элемента объединяются, ИИ генерирует новый элемент.

Генеративный искусственный интеллект в видеоиграх

Генеративный искусственный интеллект , система искусственного интеллекта, которая может реагировать на запросы и создавать текст, изображения, аудио- и видеоклипы, возникла в 2023 году с такими системами, как ChatGPT и Stable Diffusion . В видеоиграх эти системы могут создать возможность создания игровых активов на неопределенный срок, минуя типичные ограничения на творения человека. существуют Однако аналогичные опасения и в других областях, особенно в связи с возможностью потери рабочих мест, обычно связанных с созданием этих активов.

В январе 2024 года SAG-AFTRA , профсоюз актеров США, подписал контракт с Replica Studios, который позволит Replica захватывать голосовую работу профсоюзных актеров для создания голосовых систем искусственного интеллекта на основе их голосов для использования в видеоиграх, с контрактом. обеспечение заработной платы и защиты прав. Хотя контракт был согласован комитетом SAG-AFTRA, многие члены выразили критику по поводу этого шага, поскольку им не сообщили о нем до его завершения, и что сделка не сделала достаточно для защиты участников.

Будущее ИИ в играх

Будущее искусственного интеллекта в видеоиграх несет в себе потенциал для еще более увлекательного и отзывчивого опыта. Благодаря прогрессу в машинном обучении и таким технологиям, как нейронная сеть, персонажи с искусственным интеллектом могут адаптироваться и развиваться в соответствии с взаимодействиями с игроками, что приводит к уникальному и персонализированному игровому процессу. Кроме того, достижения в области искусственного интеллекта будут способствовать более естественному и интуитивному взаимодействию между игроками и игровыми персонажами. В будущих играх могут появиться неигровые персонажи, способные понимать сложные команды игрока и реагировать на них посредством разговорного языка, что повысит погружение и реалистичность игрового мира. Будущее искусственного интеллекта в видеоиграх принесет революционные изменения, которые значительно улучшат игровой процесс. Как подчеркивает Шахзад Ахмад, способность ИИ создавать и изменять контент на лету позволит играм предлагать игрокам уникальные задачи и сценарии, адаптированные к их стилю игры и предпочтениям. .

Достижения в области искусственного интеллекта

Недавние достижения в области искусственного интеллекта для видеоигр привели к более сложному и адаптивному поведению неигровых персонажей (NPC). Например, системы искусственного интеллекта теперь используют сложные методы, такие как деревья решений и конечные автоматы, для улучшения взаимодействия и реализма NPC, как описано в разделе «Искусственный интеллект в играх». . Недавние достижения в области искусственного интеллекта для видеоигр также направлены на улучшение динамического и адаптивного поведения неигровых персонажей. Например, недавние исследования изучали использование сложных нейронных сетей, позволяющих неигровым персонажам учиться и адаптировать свое поведение в зависимости от действий игрока, улучшая общий игровой опыт. Этот подход подробно описан в документе IEEE «Техники искусственного интеллекта для интерактивных игровых систем». .

См. также

• Приложения искусственного интеллекта
• Алгоритм выбора поведения - алгоритм, который выбирает действия для интеллектуальных агентов.
• Машинное обучение в видеоиграх . Обзор использования машинного обучения в нескольких видеоиграх.
• Бот для видеоигр - тип программного обеспечения экспертной системы на основе искусственного интеллекта.
• Имитированная реальность - концепция ложной версии реальности.
• Система утилит – надежная методика принятия решений в видеоиграх.
• Kynapse - промежуточное программное обеспечение игрового искусственного интеллекта, специализирующееся на поиске пути и пространственном мышлении.
• AiLive - набор промежуточного программного обеспечения игрового искусственного интеллекта.
• Искусственный интеллект в архитектуре
• xaitment — программное обеспечение для графического игрового искусственного интеллекта

Списки

• Список новых технологий
• Список промежуточного программного обеспечения игрового ИИ
• Очерк искусственного интеллекта

Библиография

• Богост, Ян (2017). «Искусственный интеллект стал бессмысленным». [1]
• Бург; Зееманн (2004). ИИ для разработчиков игр . О'Рейли и партнеры . ISBN   0-596-00555-5 .
• Бакленд (2002). Методы искусственного интеллекта для программирования игр . Муска и Липман . ISBN   1-931841-08-X .
• Бакленд (2004). Программирование игрового ИИ на примере . Издательство Wordware . ISBN   1-55622-078-2 .
• Шампандар (2003). Разработка игр с использованием ИИ . Новые гонщики . ISBN   1-59273-004-3 .
• Итон, Эрик и др. (2015). «Кто говорит от имени ИИ?» [2]
• Фунге (1999). Искусственный интеллект для анимации и игр: подход когнитивного моделирования . АК Петерс . ISBN   1-56881-103-9 .
• Фунге (2004). Искусственный интеллект для компьютерных игр: введение . АК Петерс. ISBN   1-56881-208-6 .
• Каплан, Джерри (2017). «Проблема пиара ИИ». [3]
• Миллингтон (2005). Искусственный интеллект для игр. Архивировано 4 сентября 2012 года в Wayback Machine . Морган Кауфманн . ISBN   0-12-497782-0 .
• Шваб (2004). Программирование игрового движка AI . Чарльз Ривер Медиа . ISBN   1-58450-344-0 .
• Смед и Хаконен (2006). Алгоритмы и сети для компьютерных игр . Джон Уайли и сыновья . ISBN   0-470-01812-7 .

Внешние ссылки

• Специальная группа по искусственному интеллекту @IGDA
• Мудрость программирования игр с искусственным интеллектом на aiwisdom.com
• Георгиос Н. Яннакакис и Джулиан Тогелиус