Ogólnie rzecz biorąc, sieci neuronowe i algorytmy genetyczne nie są używane w grach, a poza niedawnym zainteresowaniem wykorzystaniem sieci neuronowych do głębokiego uczenia się, nierzadko także poza grami.
Głównym powodem, dla którego uczy się ich w środowisku akademickim AI, nie jest ich praktyczna przydatność, ale ponieważ są one dość łatwe do wyjaśnienia jako urządzenia dydaktyczne - oba mają matematyczne i biologiczne analogi, które pozwalają uczniowi zrozumieć, jak mogą działać.
W prawdziwym świecie zazwyczaj potrzebujesz niezawodności i przewidywalności. Problem z metodami uczenia się polega na tym, że jeśli uczą się „na wolności”, mogą nauczyć się niewłaściwych wzorców i być zawodnym. NN lub GA może potencjalnie osiągnąć lokalne maksimum, co nie jest gwarantowane na tyle dobre, aby na przykład zapewnić wymaganą rozgrywkę. Innym razem może okazać się zbyt dobry, znajdując idealną strategię, która jest nie do pokonania. Żadne z tych produktów nie jest pożądane.
Nawet jeśli trenujesz offline (tj. Przed uruchomieniem, a nie podczas gry), pozornie dobrze wyglądający zestaw danych może ukrywać anomalie, które po znalezieniu przez gracza są łatwe do wykorzystania. W szczególności sieć neuronowa zazwyczaj ewoluuje zestaw wag, który jest dość nieprzejrzysty do zbadania, a decyzje podejmowane przez nią są trudne do uzasadnienia. Projektantowi trudno byłoby dostosować taką procedurę sztucznej inteligencji, aby działała zgodnie z oczekiwaniami.
Ale być może najbardziej okropny problem polega na tym, że GA i NN nie są na ogół najlepszymi narzędziami do zadań związanych z tworzeniem gier. Chociaż dobre urządzenia do nauczania, każdy, kto ma wystarczającą wiedzę na temat dziedziny, jest ogólnie lepiej przygotowany do korzystania z innej metody, aby osiągnąć podobne wyniki. Może to być wszystko, od innych technik sztucznej inteligencji, takich jak maszyny wektorów wspierających lub drzewa zachowań, po prostsze podejścia, takie jak maszyny stanowe, a nawet długi łańcuch warunkowych elementów warunkowych. Podejścia te lepiej wykorzystują wiedzę domenową dewelopera i są bardziej niezawodne i przewidywalne niż metody uczenia się.
Słyszałem jednak, że niektórzy programiści korzystali z sieci neuronowych podczas programowania, aby wyszkolić kierowcę, aby znalazł dobrą trasę wokół toru wyścigowego, a następnie ta trasa może zostać wysłana jako część gry. Zauważ, że końcowa gra nie wymaga żadnego kodu sieci neuronowej do działania, nawet wyszkolonej sieci.
Nawiasem mówiąc, „koszt” metody nie jest tak naprawdę problemem. Zarówno NN, jak i GA można wdrażać wyjątkowo tanio, w szczególności NN nadaje się do wstępnych obliczeń i optymalizacji. Problem polega na tym, że można z nich uzyskać coś pożytecznego.
Zastosowanie „akademickiej” sztucznej inteligencji w grach jest o wiele bardziej subtelne niż rodzaje rzeczy, które zwykle uważa się za sztuczną inteligencję w sferze gry. Kiedy byłem w szkole, głównym celem mojego profesora AI z gry było AI do sterowania kamerą. Jego drugim obszarem zainteresowań było zarządzanie narracją AI, które, o ile wiem, nadal ogranicza się w większości do środowisk akademickich. Godnym uwagi przykładem tego późniejszego obszaru byłaby fasada .
Głównym problemem „akademickiej” sztucznej inteligencji w grach jest to, że rozwiązują one różne problemy. W grze często nie chcesz spełniać wymagań; po prostu chcesz zaspokoić. Jak już powiedziano wcześniej: nie chcesz być łatwym, ale nie chcesz też, aby twój przeciwnik AI był zbyt trudny.
Biorąc to pod uwagę, czarno-biała seria gier Lionhead wykorzystywała sztuczną inteligencję podobną do tej, o której mówisz w powyższym pytaniu i była przynajmniej na tyle udana, że udało im się stworzyć kontynuację .
Pamiętam doniesienia o promiennej sztucznej inteligencji z „The Elder Scrolls IV: Oblivion”, która pierwotnie była przykładem tego zachowania, ale musiała zostać stępiona z powodu dziwnych nieoczekiwanych zachowań, takich jak NPC zabijający się nawzajem podczas jedzenia.
źródło
Trudno je debugować, więc usterki (prawdopodobnie spowodowanej przypadkową nadmierną optymalizacją) nie można łatwo naprawić. Z tego powodu każda sieć neuronowa, z której korzystają, gry powinny uczyć się w czasie rzeczywistym podczas gry. Zostały jednak wykorzystane, na przykład gra NERO.
źródło
Forza wykorzystuje sieci neuronowe do sztucznej inteligencji samochodu. Z tego, co słyszałem, cała nauka się odbyła przed wydaniem gry, więc jest to statyczna sieć neuronowa w czasie wykonywania.
Mój kolega z projektu powiedział mi o tym, ale ten artykuł również o tym mówi: http://gamingbolt.com/forza-5-developer-best-explains-cloud-technology-create-ai-agents-to- wygrana dla ciebie
źródło
Ponieważ prosiłeś o przykłady w branży, oto jeden dla ciebie: najwcześniejszy znany mi tytuł wykorzystanych sieci neuronowych to Fantasy Empires, gra D&D TBS / gra akcji wydana w 1993 roku. Najwyraźniej wykorzystali je do sterowania tym, co powiedziałby główny mistrz lochu i robić w „inteligentny”, ale „nieprzewidywalny” sposób ... jeśli dużo grałeś, możesz się nie zgodzić! Animowana figurka mistrza lochów zawiera wskazówki dotyczące stylu gry, oparte na twoich ostatnich działaniach, z kolekcji statycznych ukąszeń dźwiękowych, przy użyciu NN. Zakładam, że to naprawdę bardzo prosta sieć.
(szczegółowe informacje znajdują się na stronie 57 instrukcji )
źródło