هوش مصنوعي و بازي‌ها

[رزیتا]

هوش مصنوعي و بازي‌ها


يكي از دلايل محبوبيت رايانه، بازي كردن با آن است؛ بازي‌هايي كه انسان را از محيط واقعي به محيط مجازي مي‌برد و امكان تجربه جنگ، رانندگي در شرايط گوناگون، تعقيب و گريز و... را در اين محيط به او مي‌دهد.


بازي‌هاي رايانه‌اي از ابتدا تاكنون پيشرفت زيادي داشته‌اند؛ از ابتدا كه بازي‌ها مبتني بر متن بود تا بازي‌هاي دوبعدي و سه‌بعدي كه روز به روز در حال پيشرفت هستند.

آنچه بيشتر در بازي‌هاي رايانه‌اي جلب توجه مي‌كند گرافيك بالاي آنهاست. معمولا كساني كه اهل اين‌گونه بازي‌ها هستند از بازي با گرافيك بالا به وجد مي‌آيند. اين در حالي است كه اگر هوش مصنوعي از بازي‌ها حذف شود، ديگر هيچ‌كس رقبتي براي سرگرمي‌نخواهد

داشت. بدون هوش مصنوعي رقيب‌ها و دشمنان نمي‌توانند حركت‌هاي يكپارچه و پيش‌بيني نشده انجام دهند و شما براحتي قادر خواهيد بود آنها را شكست دهيد و هميشه پيروز ميدان باشيد!

هوش مصنوعي راه‌هاي زيادي براي كمك به ساخت بازي‌ها دارد كه برجسته‌ترين آنها درك محيط، تجزيه و تحليل وضعيت، يادگيري، هماهنگي گروهي، انتخاب هدف، مسيريابي و يادگيري است.


مسائلي كه هوش مصنوعي آنها را حل كرد



مسائل زيادي در بازي‌ها وجود دارد كه مربوط به شخصيت‌ها يا عواملي از بازي هستند كه به وسيله رايانه هدايت مي‌شوند؛ مانند رقيب‌ها در يك مسابقه اتومبيلراني. 3 مسأله اصلي وجود دارد كه اكثر بازي‌ها با آن مواجه هستند و عبارتند از: حركات، تصميم‌گيري و يادگيري اين عامل‌ها. اين سه اصل قابل توجه، وظايفي را موجب مي‌شود كه انجام آنها به عهده هوش مصنوعي است. در ادامه به توضيح هر يك از اين مسائل و راه‌حل هوش مصنوعي براي آنها مي‌پردازيم.


حركات عامل با استفاده از مسيريابي



يك بازي كامپيوتري بايد راه‌هايي را فراهم كند تا عامل‌هاي كامپيوتري بتوانند در دنياي بازي پويا باشند، مثلا وقتي دشمن در يك طرف ساختمان و شما در طرف ديگر قرار داريد، دشمن بايد بتواند شما را بيابد. اين كار بايد به بهترين شكل انجام شود، حتي اگر شما دائما در حال حركت در ساختمان باشيد.

روش‌هاي جستجوي هوش مصنوعي براي پيدا كردن مسير در بازي‌ها استفاده مي‌شوند بويژه الگوريتم جستجوي *‌A كه كوتاه‌ترين مسير را بين 2 نقطه پيدا مي‌كند. توسعه‌دهندگان بازي‌ها استفاده از *‌A را دوست دارند، زيرا الگوريتم بسيار انعطاف‌پذيري است و همچنين به صورت كوركورانه محيط را جستجو نمي‌كند و سعي دارد با كمترين حركات اضافي به هدف برسد.

تصميم‌گيري عامل با استفاده از شبكه‌هاي باور

در مثال قبل دشمن پيش از اين كه مسيري به سوي شما پيدا كند بايد بداند شما احتمالا در ساختمان هستيد يا خير؟ اين مسأله نمونه‌اي از تصميم‌گيري است.
البته اين امكان وجود دارد كه


اطلاعات كاملي در مورد دنياي بازي به عامل‌ها بدهيم تا تصميم‌گيري‌ها براي او آسان شود، ولي در اين صورت بازي هيچ جذابيتي نخواهد داشت وقتي عامل تمام حركات شما را مي‌داند! در اين شرايط غلبه بر حريف غيرممكن خواهد بود.

يكي از روش‌هايي كه هوش مصنوعي براي پياده‌سازي تصميم گيري استفاده مي‌كند شبكه‌هاي باور هستند. شبكه‌هاي باور به عامل اين امكان را مي‌دهند تا مانند انسان از استدلال‌هاي پيچيده بهره گيرد كه مبناي اين روش احتمالات است.
براي مثال در بازي جنگي، دشمن صداي باز شدن در را مي‌شنود پس احتمالا كسي وارد شده و ممكن است اين شخص شما باشيد كه قصد از بين بردن دشمن را داريد. با اين استدلال دشمن شروع به جستجو مي‌كند.



يادگيري عامل



در بخش قبل ديديم عامل با استفاده از دركي كه از محيط دارد، عكس‌العمل نشان مي‌دهد.

پس در مقابل عمل‌هاي يكسان عكس‌العمل‌هاي يكسان نشان خواهد داد؛ ولي وقتي قابليت يادگيري به عامل اضافه شود، نتيجه اعمال قبلي خود را به خاطر مي‌سپارد و اگر عمل قبلي او بي نتيجه بوده باشد، به دنبال راه‌حل ديگري مي‌رود. در هوش مصنوعي اين كار با الگوريتم ژنتيك انجام مي‌شود.
استفاده از هوش مصنوعي در بازي‌ها ضروري به نظر
مي‌رسد؛ چرا كه رقيب عامل‌هاي رايانه‌اي، انسان‌ها هستند و براي هرچه طبيعي‌تر بودن بازي، عامل‌ها بايد شبيه به انسان رفتار كنند.

منبع: تبیان