کاربردهای هوش مصنوعی در بازی های دیجیتال

مریم سلیمی دکترای علوم ارتباطات اجتماعی، کارشناسی ارشد گرافیک – عموم بر این باورند که هوش مصنوعی در بازی‌ها، به‌جای بازیکن بازی را پیش می برد و یا کاراکترهایی را هدایت می کند که بازیکن نیستند اما در بازی حضور دارند. دلیل این باور را می توان به ارتباط بین هوش مصنوعی و رفتار مستقل و یا ارتباط بین کاراکترهای بازی و ربات‌ها مرتبط دانست. سؤال اینجاست که آیا دستیابی به عملکرد حداکثری در بازی، هدف اصلی متدهای هوش مصنوعی است یا خیر.

شبکه اطلاع رسانی روابط عمومی ایران (شارا)|| بازیهای دیجیتال در جریان تحولات اخیرشان، از توان هوش مصنوعی برای بهبود و ارتقا و افزایش قابلیت های خود بهره گرفته¬اند و این روند رو به گسترش است.


الگوریتم¬های هوش مصنوعی در بازی¬ها پیشرفت کرده و بازی¬ها، طراحی و توسعه آن‌ها از کاربردهای متعدد هوش مصنوعی بهره¬مند شده¬اند. کاربردهای اصلی هوش مصنوعی در بازی¬ها عبارت‌اند از: انجام بازی، تولید محتوا و مدل‌سازی بازیکنان. (Yannakakis &Togelius,2018:28)


از دیگر کاربردهایی که برای هوش مصنوعی در حوزه بازی‌ها می¬توان مورداشاره قرار داد، تولید سناریوها، داستان‌ها و مراحل بازی توسط هوش مصنوعی است.


عموم بر این باورند که هوش مصنوعی در بازی‌ها، به‌جای بازیکن بازی را پیش می برد و یا کاراکترهایی را هدایت می کند که بازیکن نیستند اما در بازی حضور دارند. دلیل این باور را می توان به ارتباط بین هوش مصنوعی و رفتار مستقل و یا ارتباط بین کاراکترهای بازی و ربات‌ها مرتبط دانست. سؤال اینجاست که آیا دستیابی به عملکرد حداکثری در بازی، هدف اصلی متدهای هوش مصنوعی است یا خیر.

 

عملکرد بالا در اینجا به معنی گرفتن امتیاز بالا در بازی، شکست حریف، نجات کاراکتر از عوامل تهدید برای مدت طولانی و غیره است. یک الگوریتم هوش مصنوعی ممکن است کاربردهای بسیار بیشتری از صرفاً انجام دادن بازی داشته باشد. برای مثال، یک کاراکتر ممکن است بسیار شبیه به انسان، به‌صورت جالب و سرگرم‌کننده و یا کاملاً قابل پیش‌بینی بازی را پیش ببرد. برخی بازی‌ها یک‌نفره، و برخی چند کاراکتری هستند که تمام شخصیت¬ها در آن‌ها به شکل انسان طراحی‌شده‌اند. این موضوع به‌خصوص در مورد بازی‌های تخته¬ای کلاسیک صدق می¬کند. اما بیشتر بازی‌های ویدئویی شامل شخصیت¬هایی هستند که بازیکن اصلی نیستند. این شخصیت¬های حاشیه¬ای به نحوی توسط نرم‌افزار کامپیوتر هدایت می¬شوند.


هوش مصنوعی می¬تواند در نقش شخصیت اصلی و یا کاراکترهای حاشیه¬ای بازی کند، بازی را ببرد و یا تجربیاتی برای شخصیت اصلی بسازد. ویژگی‌هایی که هوش مصنوعی باید در یک بازی در نظر بگیرد؛ تعداد کاراکترها، سطح اتفاقات تصادفی، پهنای میدان دید، فضای عملیاتی، فاکتور شاخه‌ای و زمان هستند.(Yannakakis &Togelius ,2018:92-98)


علاوه بر این، هنگامی‌که برای بازی یک الگوریتم طراحی می¬شود، جنبه¬های الگوریتمی را نیز برای آن در نظر می¬گیرند؛ مانند نمایش شرایط، وجود یک مدل اولیه، زمان در دسترس برای آموزش الگوریتم، و دفعاتی که هوش مصنوعی قادر به انجام بازی است.


رویکردهای الگوریتمی ممکن است محتوایی کاملاً متفاوت نسبت به یک انسان ایجاد کند. ارائه این محتوا ممکن است از طریق یافتن یک راه‌حل غیرمنتظره اما قابل استناد برای مسئله مطرح‌شده باشد.


با این‌حال انواع مسائل تولید محتوا، متدها و روش‌های موجود می¬توانند ساختاری برای تشخیص تفاوت این دو نوع محتوا ایجاد کنند.


یک طبقه‌بندی عمومی برای محتوا و نحوه تولید آن ارائه ‌شده است که شامل محتوای تحقیق- محور، مبتنی بر حل‌کننده، مبتنی بر دستور زبان، مبتنی بر یادگیری ماشینی و متدهای تولید محتوای سازنده است.


هوش مصنوعی برای مدل¬سازی بازیکنان نیز کاربردهای فراوانی دارد. مدل¬سازی تجربه بازیکن به معنی مطالعه روش¬های محاسباتی برای مدل¬سازی تجربه یا رفتار بازیکن است که بر اساس چهارچوب نظری و در مورد تجربه بازیکن و یا داده¬های حاصل از تعامل بازیکن با بازی است. مدل بازیکنان در یک بازی بر اساس اطلاعات پویایی ساخته می¬شود که در طی تعاملات بازیکن با بازی به دست می¬آید. البته، این مدل¬ها ممکن است بر اساس اطلاعات پروفایل یک بازیکن نیز ایجاد شوند.


دلایل اصلی اینکه چرا هوش مصنوعی باید به این منظور مورداستفاده قرار گیرد یا به دست آوردن اطلاعاتی در مورد تجربه بازیکنان در بازی است (چه احساسی در طی بازی دارند) و یا برای درک نکته‌ای در مورد رفتار آن‌هاست (آن‌ها در بازی چه‌کاری انجام می-دهند) با این‌حال، هدف اصلی مدل‌سازی بازیکن درک این موضوع است که بازیکن در تعامل با یک بازی چه تجربیاتی خواهد داشت.


به‌ طورکلی، می¬توان رفتار و تجربه بازیکنان را با دنبال کردن یک رویکرد بالا به پایین یا پایین به بالا (و یا ترکیبی از هر دو) مدل‌سازی کرد. رویکرد بالا به پایین (یا مبتنی بر مدل) دارای چهارچوب نظری جامعی است که از قوانین یا دامنه‌هایی خارج از بازی¬ها به دست می‌آید.


در عوض، رویکرد پایین به بالا (یا بدون مدل) به داده¬های بازیکنان متکی است. تنها چیزی که این رویکرد در مورد بازیکنان پیش‌فرض قرار می‌دهد، این است که تجربه و رفتار با رد اطلاعاتی که بازیکن از خود بر جای می‌گذارد ارتباط دارد. این خصوصیت یکی از مزیت‌های رویکرد پایین به بالا است.


به نسبت، این دو رویکرد که در حد نهایی قرار دارند، در اکثر مطالعات، مدل¬سازی بازیکنان به‌عنوان ترکیبی از این دو رویکرد در نظر گرفته می‌شود.(Yannakakis & Togelius,2018:206-276)


از دیگر کاربردهای هوش مصنوعی در بازی¬ها، به‌ویژه ماورای «ان پی سی»¬ها یا همان کاراکترهای غیر بازیکن ، ایجاد و گسترش رویه¬ای آیتم¬های بازی است. ایجاد المان¬های محیط بازی مانند شرایط محیطی، مراحل و حتی موسیقی در بازی در یک راستای اتوماتیکی به‌وسیله متدهای هوش مصنوعی است که بتواند حتی داستان¬های جدید تعاملی و آیتم¬های جدیدی حین بازی به وجود بیاورد. (حاتمی، 1395)