Dirbtinis intelektas (AI) daro revoliuciją pasaulyje, kaip mes jį žinome. Nuo paprastų objektų aptikimo ir lokalizavimo algoritmų vaizduose iki realiojo laiko sveikatos priežiūros stebėjimo sistemų diegimo AI patobulino daugybę sektorių. Vienas iš tokių sektorių, kuriame dirbtinis intelektas naudojamas dešimtmečius, yra vaizdo žaidimų pramonė.
Šiame straipsnyje aprašomi AI ir mašininio mokymosi pagrindai bei jų įgyvendinimas vaizdo žaidimuose. Jei jus domina žaidimų kūrimas, Mašininis mokymasis arba abu, šis paskelbimas skirtas jums!
Dirbtinis intelektas ir mašininis mokymasis
Dirbtinis intelektas yra duomenų mokslo srities taikymas, kuriame pagrindinis dėmesys skiriamas išmaniųjų mašinų, galinčių atlikti užduotis, kurioms paprastai reikalingas tam tikras žmogaus intelektas, kūrimas. Šis imituojamas intelektas neapima abstrakčios minties; veikiau yra priemonė pasirinkti protingesnį arba protingiausią tam tikros problemos sprendimo būdą.
Mašininis mokymasis (ML) yra dirbtinio intelekto polaukis, kuriame kompiuterių algoritmai bando tobulėti automatiškai, naudodami patirtį ir duomenis. Šie algoritmai sukuria ir moko modelį naudodami statistinę duoto duomenų rinkinio analizę ir daryti prognozes arba sprendimus, nebūdami tam specialiai užprogramuoti.
AI/ML žaidimuose
AI žaidimų pramonėje gyvuoja dešimtmečius. Tačiau įdiegus šiuolaikinius įrankius ir technologijas, pvz., grafinius apdorojimo įrenginius (GPU), patobulintą skaitmeninio meno programinę įrangą ir didžiulius grotuvų duomenų rinkinius, AI ir ML galimybės smarkiai išaugo!
Toliau pateikiami pagrindiniai AI/ML diegimai vaizdo žaidimuose.
1. Sumanesni NPC
Nežaidžiami veikėjai (NPC) yra žaidimo personažai, kurie nėra pagrindinis žaidėjas. Tradiciškai NPC buvo užprogramuoti iš anksto suplanuotais veiksmais naudojant būsenos mašiną. Tai reiškia, kad jų veiksmai buvo susiję su siužetu arba kaip atsakas į žaidėjo veiksmus, todėl NPC turėjo ribotus ir nuspėjamus veiksmus.
Tačiau su AI ir ML mūsų NPC dabar gali išmokti žaidėjų žaidimo stiliaus ir turėti dinamišką veiksmų rinkinį, todėl žaidėjams jie tampa mažiau nuspėjami ir prieš juos žaisti sunkiau. Ši mokymosi iš priešininko strategija leido mums sukurti moderniausius šachmatų variklius, tokius kaip AlphaZero.
2. Dinaminis atvaizdavimas
Viena iš problemų, kurią vaizdo žaidimų įmonės bando pašalinti naudodamos AI ir ML, yra perspektyvos iškraipymas. Šis reiškinys atsiranda, kai objektas atrodo gerai, kai žaidėjas yra toli, bet tampa iškraipytas ir pikseliais, kai žaidėjas priartėja prie minėto objekto.
Žaidimų įmonės naudoja mašininio mokymosi algoritmus, kad dinamiškai pagerintų vaizdus ir atvaizdavimą. Tai pašalins vaizdo iškraipymo poveikį ir leis objektas atrodyti smulkesnis, kai jis yra arčiau grotuvo.
3. Dialogų generavimas ir tikroviškos sąveikos
Jau matėme, kaip AI ir ML gali būti naudojami NPC veiksmams tobulinti. Tačiau šios technologijos taip pat gali būti naudojamos norint pagerinti žaidimų patirtį, suformuluojant tikslesnius ir tikroviškesnius NPC atsakymus.
Daugelyje vaidmenų žaidimų naudojamas dialogo mechanizmas, kuris žymiai patobulintas Natūralios kalbos apdorojimas ir sentimentų analizė technikos naudojant ML algoritmus. Puikus pažangaus AI dialogo ir tikroviškos sąveikos pavyzdys gali būti tokiuose žaidimuose kaip Elder Scrolls IV: Oblivion.
4. Pasaulio karta
Kitas galingas ML pritaikymas žaidimų kūrime yra pasaulinė karta. Nemažai populiarių žaidimų, pvz minecraft ir Grand Theft Auto serija naudoja atviro pasaulio žaidimo scenarijų.
Šiuos žaidimus būtų nepaprastai sunku sukurti be tam tikrų pasaulinės kartos funkcijų ir koks būtų geresnis būdas dinamiškai sudaryti vietoves, sukurti NPC ir paslėpti grobį naudojant Mašininis mokymasis technologija.
5. Įtraukiančių žaidimų kūrimas
Vienas iš aukščiausių vaizdo žaidimų kūrėjų prioritetų – sukurti žaidimą, kuris būtų kuo labiau įtraukiantis ir artimesnis tikram pasauliui. Tačiau realaus pasaulio modeliavimas gali būti neįtikėtinai sudėtingas procesas.
Šį procesą galima žymiai palengvinti naudojant mašininio mokymosi technologiją. ML algoritmas gali būti naudojamas norint numatyti žaidėjo veiksmų pasekmes ar net modeliuoti tokius dalykus kaip žaidimo oras.
Išvada
Dirbtinis intelektas ir mašininis mokymasis rado keletą galingų programų vaizdo žaidimų pramonėje. Šiuolaikinės vaizdo žaidimų įmonės daug investuoja į AI ir ML diegimą, kad pagerintų žaidimų teikiamą patirtį. Atsižvelgiant į technologijų augimo tempą, nenuostabu, kad netrukus turėsime neįsivaizduojamų vaizdo žaidimų patirties. Ar tu susijaudinęs?
Jei jums patiko šis straipsnis, užsiprenumeruokite HashDork savaitinį informacinį biuletenį, kuriame dalijamės naujausiomis AI, ML, DL, programavimo ir ateities technologijų naujienomis.
Palikti atsakymą