Videospeletjies bied steeds 'n uitdaging aan miljarde spelers regoor die wêreld. Jy weet dit dalk nog nie, maar masjienleeralgoritmes het ook begin om die uitdaging die hoof te bied.
Daar is tans 'n aansienlike hoeveelheid navorsing op die gebied van KI om te sien of masjienleermetodes op videospeletjies toegepas kan word. Aansienlike vordering op hierdie gebied toon dit machine learning agente kan gebruik word om die menslike speler na te boots of selfs te vervang.
Wat beteken dit vir die toekoms van video speletjies?
Is hierdie projekte bloot vir die pret, of is daar dieper redes waarom so baie navorsers op speletjies fokus?
Hierdie artikel sal kortliks die geskiedenis van AI in videospeletjies ondersoek. Daarna sal ons jou 'n vinnige oorsig gee van sommige masjienleertegnieke wat ons kan gebruik om te leer hoe om speletjies te klop. Ons sal dan kyk na 'n paar suksesvolle toepassings van neurale nette om spesifieke videospeletjies te leer en te bemeester.
Kort geskiedenis van AI in speletjies
Voordat ons ingaan op hoekom neurale nette die ideale algoritme geword het om videospeletjies op te los, kom ons kyk kortliks na hoe rekenaarwetenskaplikes videospeletjies gebruik het om hul navorsing in KI te bevorder.
U kan argumenteer dat videospeletjies van die begin af 'n warm navorsingsgebied was vir navorsers wat in KI belangstel.
Alhoewel dit nie streng 'n videospeletjie van oorsprong was nie, was skaak 'n groot fokus in die vroeë dae van KI. In 1951 het dr. Dietrich Prinz 'n skaakprogram geskryf deur die Ferranti Mark 1 digitale rekenaar te gebruik. Dit was ver terug in die era toe hierdie lywige rekenaars programme van papierband af moes lees.
Die program self was nie 'n volledige skaak-KI nie. As gevolg van die rekenaar se beperkings kon Prinz net 'n program skep wat maat-in-twee skaakprobleme opgelos het. Die program het gemiddeld 15-20 minute geneem om elke moontlike beweging vir die Wit en Swart spelers te bereken.
Werk aan die verbetering van skaak- en dam-KI het deur die dekades geleidelik verbeter. Die vordering het sy hoogtepunt in 1997 bereik toe IBM se Deep Blue die Russiese skaakgrootmeester, Garry Kasparov, in 'n paar wedstryde van ses wedstryde verslaan het. Deesdae kan skaakenjins wat jy op jou selfoon kry, Deep Blue verslaan.
KI-teenstanders het gewild begin word tydens die goue era van video-arcade-speletjies. 1978 se Space Invaders en 1980's Pac-Man is van die bedryf se baanbrekers in die skep van KI wat selfs die mees veteraan van arcade gamers voldoende kan uitdaag.
Veral Pac-Man was 'n gewilde speletjie vir KI-navorsers om mee te eksperimenteer. Verskeie kompetisies vir Me. Pac-Man is georganiseer om te bepaal watter span met die beste KI vorendag kan kom om die spel te klop.
Spel-KI en heuristiese algoritmes het voortgegaan om te ontwikkel namate die behoefte aan slimmer teenstanders ontstaan het. Gevegs-KI het byvoorbeeld in gewildheid toegeneem namate genres soos eerstepersoonskieters meer hoofstroom geword het.
Masjienleer in videospeletjies
Aangesien masjienleertegnieke vinnig in gewildheid toegeneem het, het verskeie navorsingsprojekte probeer om hierdie nuwe tegnieke te gebruik om videospeletjies te speel.
Speletjies soos Dota 2, StarCraft en Doom kan as probleme vir hierdie optree masjienleer-algoritmes om op te los. Diep leer algoritmes, in die besonder, kon prestasie op menslike vlak bereik en selfs oortref.
Die Arcade-leeromgewing of ALE het navorsers 'n koppelvlak vir meer as honderd Atari 2600-speletjies gegee. Die oopbronplatform het navorsers in staat gestel om die prestasie van masjienleertegnieke op klassieke Atari-videospeletjies te meet. Google het selfs hul eie gepubliseer papier gebruik sewe wedstryde van die ALE
Intussen het projekte soos VizDoom KI-navorsers die geleentheid gegee om masjienleeralgoritmes op te lei om 3D-eerstepersoonskieters te speel.
Hoe werk dit: 'n paar sleutelkonsepte
Neurale netwerke
Die meeste benaderings tot die oplossing van videospeletjies met masjienleer behels 'n tipe algoritme wat bekend staan as 'n neurale netwerk.
Jy kan aan 'n neurale net dink as 'n program wat probeer naboots hoe 'n brein kan funksioneer. Soortgelyk aan hoe ons brein saamgestel is uit neurone wat 'n sein oordra, bevat 'n neurale net ook kunsmatige neurone.
Hierdie kunsmatige neurone dra ook seine na mekaar oor, met elke sein wat 'n werklike getal is. 'n Neurale net bevat veelvuldige lae tussen die inset- en uitsetlae, wat 'n diep neurale netwerk genoem word.
Versterking leer
Nog 'n algemene masjienleertegniek wat relevant is vir die aanleer van videospeletjies, is die idee van versterkingsleer.
Hierdie tegniek is die proses om 'n agent op te lei deur belonings of strawwe te gebruik. Met hierdie benadering behoort die agent in staat te wees om met 'n oplossing vir 'n probleem vorendag te kom deur proef en fout.
Kom ons sê ons wil 'n KI hê om uit te vind hoe om die speletjie Snake te speel. Die doel van die spel is eenvoudig: kry soveel punte as moontlik deur items te verbruik en jou groeiende stert te vermy.
Met versterkingsleer kan ons 'n beloningsfunksie R definieer. Die funksie voeg punte by wanneer 'n Slang 'n item verbruik en trek punte af wanneer die Slang 'n hindernis tref. Gegewe die huidige omgewing en 'n stel moontlike aksies, sal ons versterkingsleermodel probeer om die optimale 'beleid' te bereken wat ons beloningsfunksie maksimeer.
Neuroevolusie
Met die tema om deur die natuur geïnspireer te word, het navorsers ook sukses gevind in die toepassing van ML op videospeletjies deur 'n tegniek bekend as neuro-evolusie.
In plaas daarvan om te gebruik gradiënt afkoms om neurone in 'n netwerk op te dateer, kan ons evolusionêre algoritmes gebruik om beter resultate te behaal.
Evolusionêre algoritmes begin tipies deur 'n aanvanklike populasie van ewekansige individue te genereer. Ons evalueer dan hierdie individue deur sekere kriteria te gebruik. Die beste individue word as "ouers" gekies en saam geteel om 'n nuwe generasie individue te vorm. Hierdie individue sal dan die mins-fikse individue in die bevolking vervang.
Hierdie algoritmes stel ook tipies een of ander vorm van mutasie-operasie in tydens die oorkruising of "teel"-stap om genetiese diversiteit te handhaaf.
Voorbeeldnavorsing oor masjienleer in videospeletjies
OpenAI Vyf
OpenAI Vyf is 'n rekenaarprogram deur OpenAI wat daarop gemik is om DOTA 2, 'n gewilde multiplayer mobile battle arena (MOBA)-speletjie te speel.
Die program het bestaande versterkingsleertegnieke benut, geskaal om uit miljoene rame per sekonde te leer. Danksy 'n verspreide opleidingstelsel kon OpenAI elke dag 180 jaar se speletjies speel.
Na die opleidingsperiode kon OpenAI Five prestasie op kundige vlak behaal en samewerking met menslike spelers toon. In 2019 kon OpenAI vyf verslaan 99.4% van spelers in openbare wedstryde.
Hoekom het OpenAI op hierdie speletjie besluit? Volgens die navorsers het DOTA 2 komplekse meganika gehad wat buite die bereik van bestaande diep was versterkingsleer algorithms.
Super Mario Bros
Nog 'n interessante toepassing van neurale nette in videospeletjies is die gebruik van neuro-evolusie om platformspelers soos Super Mario Bros.
Byvoorbeeld, dit hackathon-inskrywing begin met geen kennis van die spel nie en bou stadig 'n fondament van wat nodig is om deur 'n vlak te vorder.
Die selfontwikkelende neurale net neem die spel se huidige toestand in as 'n rooster van teëls. Aanvanklik het die neurale net geen begrip van wat elke teël beteken nie, net dat die "lug" teëls verskil van "grond teëls" en "vyand teëls."
Die hackathon-projek se implementering van 'n neuro-evolusie het die NEAT genetiese algoritme gebruik om verskillende neurale nette selektief te teel.
Belangrikheid
Noudat jy 'n paar voorbeelde gesien het van neurale nette wat videospeletjies speel, wonder jy dalk wat die punt van dit alles is.
Aangesien videospeletjies komplekse interaksies tussen agente en hul omgewings behels, is dit die perfekte toetsgrond om KI te maak. Virtuele omgewings is veilig en beheerbaar en bied 'n oneindige voorraad data.
Navorsing wat in hierdie veld gemaak is, het navorsers insig gegee in hoe neurale nette geoptimaliseer kan word om te leer hoe om probleme in die werklike wêreld op te los.
Neurale netwerke word geïnspireer deur hoe breine in die natuurlike wêreld werk. Deur te bestudeer hoe kunsmatige neurone optree wanneer ons leer hoe om 'n videospeletjie te speel, kan ons ook insig kry in hoe die menslike brein werk.
Gevolgtrekking
Ooreenkomste tussen neurale netwerke en die brein het gelei tot insigte in beide velde. Die voortgesette navorsing oor hoe neurale nette probleme kan oplos, kan eendag lei tot meer gevorderde vorme van kunsmatige intelligensie.
Stel jou voor dat jy 'n KI gebruik wat volgens jou spesifikasies aangepas is wat 'n hele videospeletjie kan speel voordat jy dit koop om jou te laat weet of dit jou tyd werd is. Sou videospeletjiemaatskappye neurale nette gebruik om spelontwerp, aanpassingsvlak en teenstanders moeilikheidsgraad te verbeter?
Wat dink jy sal gebeur wanneer neurale nette die uiteindelike gamers word?
Lewer Kommentaar