В видеоиграх искусственный интеллект (ИИ) используется для создания отзывчивого, адаптивного или интеллектуального поведения, в первую очередь, у неигровых персонажей (NPC), похожего на интеллект человека . Искусственный интеллект был неотъемлемой частью видеоигр с момента их создания в 1948 году, впервые появившись в игре Nim . [1] ИИ в видеоиграх является отдельной подобластью и отличается от академического ИИ. Он служит для улучшения игрового опыта игрока, а не машинного обучения или принятия решений. В золотой век аркадных видеоигр идея противников ИИ была в значительной степени популяризирована в форме градуированных уровней сложности, различных схем движения и внутриигровых событий, зависящих от ввода игрока. Современные игры часто реализуют существующие методы, такие как поиск пути и деревья решений , чтобы направлять действия NPC. ИИ часто используется в механизмах, которые не видны пользователю сразу, таких как интеллектуальный анализ данных и генерация процедурного контента . [2] Один из самых печально известных примеров этой технологии NPC и градуированных уровней сложности можно найти в игре Mike Tyson's Punch-Out!! (1987). [3]
В целом, игровой ИИ не означает, как можно было бы подумать и иногда изображать, реализацию искусственной личности, соответствующей NPC в стиле теста Тьюринга или искусственного интеллекта общего назначения .
Термин «игровой ИИ» используется для обозначения широкого набора алгоритмов , которые также включают методы из теории управления , робототехники , компьютерной графики и компьютерной науки в целом, и поэтому видеоигровой ИИ часто может не представлять собой «истинный ИИ», поскольку такие методы не обязательно способствуют компьютерному обучению или другим стандартным критериям, а представляют собой лишь «автоматизированные вычисления» или предопределенный и ограниченный набор ответов на предопределенный и ограниченный набор входных данных. [4] [5] [6]
Многие представители отраслей и корпораций [ кто? ] утверждают, что игровой ИИ проделал большой путь в том смысле, что он произвел революцию в способах взаимодействия людей со всеми формами технологий, хотя многие [ кто? ] эксперты-исследователи скептически относятся к таким заявлениям, и особенно к идее о том, что такие технологии соответствуют определению «интеллекта», стандартно используемому в когнитивных науках . [4] [5] [6] [7] Представители отрасли [ кто? ] утверждают, что ИИ стал более универсальным в том, как мы используем все технологические устройства не только по их прямому назначению, поскольку ИИ позволяет технологии работать несколькими способами, якобы развивая свои собственные личности и выполняя сложные инструкции пользователя. [8] [9]
Люди [ кто? ] в области ИИ утверждают, что ИИ видеоигр не является настоящим интеллектом, а рекламным словом, используемым для описания компьютерных программ, которые используют простые алгоритмы сортировки и сопоставления для создания иллюзии разумного поведения, при этом наделяя программное обеспечение обманчивой аурой научной или технологической сложности и прогресса. [4] [5] [6] [10] Поскольку игровой ИИ для NPC сосредоточен на видимости интеллекта и хорошем игровом процессе в рамках ограничений окружающей среды, его подход сильно отличается от подхода традиционного ИИ.
Игровые игры были областью исследований в области ИИ с самого начала. Одним из первых примеров ИИ является компьютерная игра Ним , созданная в 1951 году и опубликованная в 1952 году. Несмотря на то, что в год своего создания, за 20 лет до Понга , игра была передовой технологией, она имела форму относительно небольшой коробки и могла регулярно выигрывать даже у высококвалифицированных игроков в эту игру. [1] В 1951 году, используя машину Ferranti Mark 1 Манчестерского университета , Кристофер Стрейчи написал программу для шашек , а Дитрих Принц написал программу для шахмат . [11] Это были одни из первых когда-либо написанных компьютерных программ. Программа для шашек Артура Сэмюэля , разработанная в середине 50-х и начале 60-х годов, в конечном итоге достигла достаточного мастерства, чтобы бросить вызов уважаемому любителю. [12] Работа над шашками и шахматами достигла кульминации в победе над Гарри Каспаровым с помощью компьютера IBM Deep Blue в 1997 году. [13] Первые видеоигры, разработанные в 1960-х и начале 1970-х годов, такие как Spacewar!, Pong и Gotcha ( 1973), были играми, реализованными на дискретной логике и основанными исключительно на соревновании двух игроков, без ИИ.
Игры, в которых был однопользовательский режим с врагами, начали появляться в 1970-х годах. Первые заметные игры для аркад появились в 1974 году: игра Speed Race от Taito ( гоночная видеоигра ) и игры Qwak (шутер для охоты на уток с легким пистолетом ) и Pursuit ( симулятор воздушного боя истребителей ) от Atari . Две текстовые компьютерные игры, Star Trek (1971) и Hunt the Wumpus (1973), также имели врагов. Движение врагов основывалось на сохраненных шаблонах. Включение микропроцессоров позволило бы больше вычислений и случайных элементов, наложенных на шаблоны движения.
Именно в золотой век видеоаркадных игр идея противников с искусственным интеллектом была в значительной степени популяризирована благодаря успеху Space Invaders (1978), которая демонстрировала возрастающий уровень сложности, различные схемы движения и внутриигровые события, зависящие от хэш-функций на основе ввода игрока. Galaxian (1979) добавила более сложные и разнообразные движения врагов, включая маневры отдельных врагов, которые вырываются из строя. Pac-Man (1980) представила схемы искусственного интеллекта в играх-лабиринтах с добавленной особенностью в виде различных личностей для каждого врага. Karate Champ (1984) позже представила схемы искусственного интеллекта в файтингах . First Queen (1988) была тактической ролевой игрой , в которой персонажи могли управляться искусственным интеллектом компьютера, следуя за лидером. [14] [15] В ролевой видеоигре Dragon Quest IV (1990) была представлена система «Тактики», в которой пользователь мог корректировать действия искусственного интеллекта неигровых персонажей во время боя. Эта концепция была позже введена в жанр ролевых игр в игре Secret of Mana (1993).
Такие игры, как Madden Football , Earl Weaver Baseball и Tony La Russa Baseball, все основывали свой ИИ на попытке воспроизвести на компьютере тренерский или управленческий стиль выбранной знаменитости. Madden, Weaver и La Russa все проделали большую работу с этими командами разработчиков игр, чтобы максимизировать точность игр. [ необходима цитата ] Более поздние спортивные игры позволяли пользователям «настраивать» переменные в ИИ для создания определяемой игроком управленческой или тренерской стратегии.
Появление новых игровых жанров в 1990-х годах побудило использовать формальные инструменты ИИ, такие как конечные автоматы . Стратегические игры в реальном времени нагружали ИИ множеством объектов, неполной информацией, проблемами поиска пути, решениями в реальном времени и экономическим планированием, среди прочего. [16] Первые игры жанра имели печально известные проблемы. Например, Herzog Zwei (1989) имел почти сломанный поиск пути и очень простые трехступенчатые машины для управления юнитами, а Dune II (1992) атаковала базу игроков по прямой и использовала многочисленные читы. [17] Более поздние игры в этом жанре демонстрировали более сложный ИИ.
В более поздних играх использовались методы искусственного интеллекта снизу вверх , такие как эмерджентное поведение и оценка действий игрока в играх типа Creatures или Black & White . Façade (интерактивная история) была выпущена в 2005 году и использовала интерактивные многосторонние диалоги и искусственный интеллект как основной аспект игры.
Игры предоставили среду для разработки искусственного интеллекта с потенциальными приложениями за пределами игрового процесса. Примерами являются Watson , компьютер, играющий в Jeopardy!; и турнир RoboCup , где роботы обучаются соревноваться в футболе. [18]
Многие эксперты жалуются, что «ИИ» в термине «игровой ИИ» преувеличивает свою ценность, поскольку игровой ИИ не имеет отношения к интеллекту и разделяет лишь немногие цели академической области ИИ. В то время как «реальный ИИ» касается областей машинного обучения, принятия решений на основе произвольных входных данных и даже конечной цели сильного ИИ , который может рассуждать, «игровой ИИ» часто состоит из полудюжины правил или эвристик , которых достаточно, чтобы обеспечить хороший игровой опыт. [ требуется цитата ] Исторически академические проекты игрового ИИ были относительно отделены от коммерческих продуктов, поскольку академические подходы, как правило, были простыми и немасштабируемыми. Коммерческий игровой ИИ разработал свой собственный набор инструментов, которых было достаточно для обеспечения хорошей производительности во многих случаях. [2]
Растущая осведомленность разработчиков игр об академическом ИИ и растущий интерес к компьютерным играм со стороны академического сообщества приводят к тому, что определение того, что считается ИИ в игре, становится менее идиосинкразическим . Тем не менее, существенные различия между различными областями применения ИИ означают, что игровой ИИ все еще можно рассматривать как отдельную подобласть ИИ. В частности, способность законно решать некоторые проблемы ИИ в играх с помощью обмана создает важное различие. Например, определение положения невидимого объекта из прошлых наблюдений может быть сложной проблемой, когда ИИ применяется к робототехнике, но в компьютерной игре NPC может просто посмотреть положение в графе сцены игры . Такое мошенничество может привести к нереалистичному поведению и поэтому не всегда желательно. Но его возможность служит для отличия игрового ИИ и приводит к новым проблемам, которые необходимо решать, например, когда и как обманывать. [ необходима цитата ]
Главным ограничением сильного ИИ является присущая ему глубина мышления и чрезвычайная сложность процесса принятия решений. Это означает, что хотя теоретически возможно создать «умный» ИИ, эта проблема потребует значительной вычислительной мощности. [ необходима цитата ]
Игровой ИИ/эвристические алгоритмы используются в самых разных областях игры. Наиболее очевидным является управление любыми NPC в игре, хотя «скриптинг» ( дерево решений ) в настоящее время является наиболее распространенным средством управления. [19] Эти рукописные деревья решений часто приводят к «искусственной глупости», такой как повторяющееся поведение, потеря погружения или ненормальное поведение в ситуациях, которые разработчики не планировали. [20]
Поиск пути , еще одно распространенное применение ИИ, широко распространено в стратегиях в реальном времени . Поиск пути — это метод определения того, как доставить NPC из одной точки на карте в другую, принимая во внимание рельеф, препятствия и, возможно, « туман войны ». [21] [22] Коммерческие видеоигры часто используют быстрый и простой «поиск пути на основе сетки», в котором рельеф отображается на жесткой сетке однородных квадратов, а к сетке применяется алгоритм поиска пути, такой как A* или IDA* . [23] [24] [25] Вместо просто жесткой сетки некоторые игры используют нерегулярные полигоны и собирают навигационную сетку из областей карты, по которым могут ходить NPC. [23] [26] В качестве третьего метода разработчикам иногда удобно вручную выбирать «точки маршрута», которые NPC должны использовать для навигации; цена заключается в том, что такие точки маршрута могут создавать неестественно выглядящее движение. Кроме того, точки маршрута, как правило, работают хуже, чем навигационные сетки в сложных средах. [27] [28] Помимо статического поиска пути, навигация является подобластью игрового ИИ, фокусирующейся на предоставлении NPC возможности перемещаться в динамической среде, находя путь к цели, избегая столкновений с другими сущностями (другими NPC, игроками...) или сотрудничая с ними (групповая навигация). [ необходима цитата ] Навигация в динамических стратегических играх с большим количеством юнитов, таких как Age of Empires (1997) или Civilization V (2010), часто работает плохо; юниты часто мешают другим юнитам. [28]
Вместо того, чтобы улучшать игровой ИИ для правильного решения сложной проблемы в виртуальной среде, часто бывает более экономически выгодно просто изменить сценарий, сделав его более управляемым. Если поиск пути застревает на определенном препятствии, разработчик может просто переместить или удалить препятствие. [29] В Half-Life (1998) алгоритм поиска пути иногда не мог найти разумный способ для всех NPC уклониться от брошенной гранаты; вместо того, чтобы позволить NPC попытаться увернуться с пути и рискнуть показаться глупыми, разработчики вместо этого запрограммировали NPC приседать и укрываться на месте в этой ситуации. [30]
Многие современные видеоигры попадают в категорию экшен, шутер от первого лица или приключение. В большинстве игр такого типа есть некоторый уровень боя. Способность ИИ быть эффективным в бою важна в этих жанрах. Распространенная цель сегодня — сделать ИИ более человечным или, по крайней мере, казаться таковым.
Одной из наиболее позитивных и эффективных функций, обнаруженных в современном ИИ видеоигр, является способность охотиться. Изначально ИИ реагировал очень черно-белым образом. Если игрок находился в определенной области, то ИИ реагировал либо полностью наступательно, либо полностью оборонительно. В последние годы была введена идея «охоты»; в этом состоянии «охоты» ИИ будет искать реалистичные маркеры, такие как звуки, издаваемые персонажем, или следы, которые он мог оставить. [31] Эти разработки в конечном итоге позволяют создать более сложную форму игры. С помощью этой функции игрок может фактически обдумать, как приблизиться к врагу или избежать его. Эта функция особенно распространена в жанре стелс .
Еще одним достижением в недавнем развитии игрового ИИ стало развитие «инстинкта выживания». Внутриигровые компьютеры могут распознавать различные объекты в окружающей среде и определять, полезны они или вредны для его выживания. Как и пользователь, ИИ может искать укрытие в перестрелке, прежде чем предпринимать действия, которые в противном случае сделали бы его уязвимым, например, перезарядить оружие или бросить гранату. Могут быть установлены маркеры, которые сообщают ему, когда реагировать определенным образом. Например, если ИИ дается команда проверять свое здоровье на протяжении всей игры, то можно задать дополнительные команды, чтобы он реагировал определенным образом при определенном проценте здоровья. Если здоровье ниже определенного порога, то ИИ можно настроить так, чтобы он убегал от игрока и избегал его, пока не сработает другая функция. Другим примером может быть, если ИИ замечает, что у него закончились патроны, он найдет укрытие и спрячется за ним, пока не перезарядится. Такие действия делают ИИ более человечным. Однако в этой области все еще есть необходимость в улучшении.
Другой побочный эффект боевого ИИ возникает, когда два персонажа, управляемых ИИ, сталкиваются друг с другом; впервые популяризированная в игре Doom от id Software , так называемая «драка монстров» может вспыхнуть в определенных ситуациях. В частности, агенты ИИ, запрограммированные на реагирование на враждебные атаки, иногда будут атаковать друг друга, если атаки их соратников приземлятся слишком близко к ним. [ необходима цитата ] В случае Doom опубликованные руководства по игровому процессу даже предлагают использовать драку монстров, чтобы выжить на определенных уровнях и уровнях сложности.
Процедурная генерация контента (PCG) — это метод искусственного интеллекта для автономного создания игрового контента с помощью алгоритмов с минимальным участием дизайнеров. [32] PCG обычно используется для динамической генерации игровых функций, таких как уровни, диалоги NPC и звуки. Разработчики вводят определенные параметры, чтобы направлять алгоритмы для создания контента для них. PCG предлагает многочисленные преимущества как с точки зрения разработки, так и с точки зрения игрового опыта. Игровые студии могут тратить меньше денег на художников и экономить время на производстве. [33] Игрокам предоставляется свежий, высоковоспроизводимый опыт, поскольку игра генерирует новый контент каждый раз, когда они играют. PCG позволяет игровому контенту адаптироваться в реальном времени к действиям игрока. [34]
Генеративные алгоритмы (рудиментарная форма ИИ) использовались для создания уровней в течение десятилетий. Знаменитая компьютерная игра 1980 года Rogue является основополагающим примером. Игрокам поручено спускаться по все более сложным уровням подземелья, чтобы получить Амулет Йендора. Уровни подземелий алгоритмически генерируются в начале каждой игры. Файл сохранения удаляется каждый раз, когда игрок умирает. [35] Алгоритмическая генерация подземелий создает уникальный игровой процесс, которого в противном случае не было бы, поскольку цель получения амулета каждый раз одна и та же.
Мнения об общей генерации уровней, как это видно в играх типа Rogue, могут различаться. Некоторые разработчики могут скептически относиться к качеству сгенерированного контента и желать создать мир с более «человеческим» ощущением, поэтому они будут использовать PCG более экономно. [32] Следовательно, они будут использовать PCG только для генерации определенных компонентов в противном случае созданного вручную уровня. Ярким примером этого является тактический шутер Tom Clancy's Ghost Recon Wildlands от Ubisoft 2017 года . Разработчики использовали алгоритм поиска пути, обученный с набором данных реальных карт, для создания дорожных сетей, которые будут проходить через созданные вручную деревни в игровом мире. [34] Это разумное использование PCG, поскольку у ИИ будет большой объем данных реального мира для работы, а дороги создавать просто. Однако ИИ, скорее всего, упустит нюансы и тонкости, если ему будет поручено создать деревню, где живут люди.
По мере того, как ИИ становится все более продвинутым, цели разработчиков смещаются в сторону создания огромных хранилищ уровней из наборов данных. В 2023 году исследователи из Нью-Йоркского университета и Университета Витватерсранда обучили большую языковую модель генерировать уровни в стиле игры-головоломки Sokoban 1981 года . Они обнаружили, что модель преуспела в создании уровней со специально запрошенными характеристиками, такими как уровень сложности или макет. [36] Однако текущие модели, такие как та, которая использовалась в исследовании, требуют больших наборов данных уровней для эффективности. Они пришли к выводу, что, хотя и многообещающе, высокая стоимость данных больших языковых моделей в настоящее время перевешивает преимущества для этого приложения. [36] Дальнейшие достижения в этой области, вероятно, приведут к более широкому использованию в будущем.
Музыкальное сопровождение видеоигры является важным выражением эмоционального тона сцены для игрока. Звуковые эффекты , такие как шум оружия, поражающего врага, помогают указать на эффект действий игрока. Генерация их в реальном времени создает захватывающий опыт для игрока, поскольку игра более отзывчива к его вводу. [32] Примером может служить приключенческая игра Proteus 2013 года , где алгоритм динамически адаптирует музыку в зависимости от угла, под которым игрок рассматривает игровой ландшафт. [35]
Недавние прорывы в области ИИ привели к созданию передовых инструментов, которые способны создавать музыку и звук на основе меняющихся факторов с минимальным участием разработчика. Одним из таких примеров является музыкальный генератор MetaComposure. MetaComposure — это эволюционный алгоритм, разработанный для генерации оригинальных музыкальных композиций во время игрового процесса в реальном времени, чтобы соответствовать текущему настроению окружающей среды. [37] Алгоритм способен оценивать текущее настроение игрового состояния с помощью «тегирования настроения». Исследования показывают, что существует значительная положительная статистическая корреляция между игровым вовлечением, оцененным игроком, и динамически генерируемыми музыкальными композициями, когда они точно соответствуют его текущим эмоциям. [38]
Игровой ИИ часто сводится к поиску пути и конечным автоматам. Поиск пути позволяет ИИ перейти из точки А в точку Б, как правило, наиболее прямым способом. Конечные автоматы позволяют переходить между различными поведениями. Метод поиска по дереву Монте-Карло [39] обеспечивает более увлекательный игровой опыт, создавая дополнительные препятствия для преодоления игроком. MCTS состоит из древовидной диаграммы, в которой ИИ по сути играет в крестики-нолики . В зависимости от результата он выбирает путь, приводящий к следующему препятствию для игрока. В сложных видеоиграх эти деревья могут иметь больше ветвей, при условии, что игрок может придумать несколько стратегий для преодоления препятствия. В этом обзоре 2022 года [40] вы можете узнать о последних применениях алгоритма MCTS в различных игровых областях, таких как комбинаторные игры с идеальной информацией, стратегические игры (включая RTS ), карточные игры и т. д.
Академический ИИ может играть роль в игровом ИИ, за пределами традиционной заботы контроля поведения NPC. Георгиос Н. Яннакакис выделил четыре потенциальных области применения: [2]
Вместо процедурной генерации некоторые исследователи использовали генеративно-состязательные сети (GAN) для создания нового контента. В 2018 году исследователи из Корнуоллского университета обучили GAN на тысяче созданных человеком уровней для Doom ; после обучения прототип нейронной сети смог самостоятельно разрабатывать новые игровые уровни. Аналогичным образом исследователи из Калифорнийского университета создали прототип GAN для генерации уровней для Super Mario . [41] В 2020 году Nvidia продемонстрировала созданный GAN клон Pac-Man ; GAN научилась воссоздавать игру, наблюдая за 50 000 (в основном сгенерированных ботами) прохождений. [42]
[править] Неигровые персонажи — это сущности в видеоиграх, которые не контролируются игроками, а управляются системами ИИ. NPC вносят вклад в погружение, повествование и механику игры. Они часто выступают в качестве компаньонов, квестодателей, торговцев и многого другого. Их реализм значительно продвинулся за последние несколько лет благодаря улучшениям в технологиях ИИ.
NPC необходимы как в повествовательных, так и в открытых играх. Они помогают передавать историю и контекст игры, что делает их ключевыми для построения мира и развития повествования. Например, NPC может предоставлять важную информацию, предлагать задания или просто заселять мир, чтобы добавить игре ощущение реализма. Кроме того, их роль в качестве дающих задания или торговцев делает их неотъемлемой частью игрового цикла, предоставляя игрокам доступ к ресурсам, миссиям или услугам, которые обеспечивают дальнейшее развитие.
Кроме того, NPC могут быть разработаны для выполнения функциональных ролей в играх, таких как торговец или предоставление услуг игроку. Эти персонажи играют центральную роль в облегчении игровой механики, выступая в качестве посредников между игроком и внутриигровыми системами. Ученые [ кто? ] говорят, что взаимодействие между игроками и NPC часто разрабатывается так, чтобы быть простым, но контекстно релевантным, гарантируя, что игрок получит необходимую обратную связь или ресурсы для непрерывности игрового процесса.
Недавние достижения в области искусственного интеллекта значительно повысили сложность и реалистичность NPC. До этих достижений ИИ оперировал заранее запрограммированным поведением, делая его предсказуемым и повторяемым. С развитием ИИ NPC стали более адаптивными и способны динамически реагировать на игроков. Эксперты [ кто? ] считают, что интеграция методов глубокого обучения и обучения с подкреплением позволила NPC корректировать свое поведение в ответ на действия игрока, создавая более интерактивный и персонализированный игровой процесс.
Одной из таких разработок является использование адаптивных моделей поведения. Они позволяют NPC анализировать и учиться на решениях игроков в реальном времени. Такое поведение позволяет сделать игровой процесс гораздо более захватывающим. Например, как говорят эксперты в этой области, [ кто? ] NPC в современных видеоиграх теперь могут реагировать на действия игрока с большей сложностью, например, корректируя свою тактику в бою или изменяя свой диалог на основе прошлых взаимодействий. Используя алгоритмы глубокого обучения, эти системы имитируют принятие решений, подобное человеческому, таким образом заставляя NPC больше походить на реальных людей, а не на статичные игровые элементы.
Еще одним достижением в области ИИ NPC является использование обработки естественного языка , что позволяет NPC вести более реалистичные разговоры с игроками. До этого диалоги NPC ограничивались фиксированным набором ответов. Говорят [ кем? ] , что НЛП улучшило текучесть разговоров NPC, позволив им более контекстуально реагировать на действия игрока. Эта разработка увеличила глубину и погружение во взаимодействие игрока с NPC, поскольку теперь игроки могут вести более сложные диалоги, которые влияют на сюжетную линию и результаты игрового процесса.
Кроме того, модели глубокого обучения позволили NPC стать более способными предсказывать поведение игроков. Глубокое обучение позволяет NPC обрабатывать большие объемы данных и адаптироваться к стратегиям игроков, делая взаимодействие с ними менее предсказуемым и более разнообразным. Это создает более захватывающий опыт, поскольку NPC теперь могут «учиться» на поведении игроков, что обеспечивает большее чувство реализма в игре.
Несмотря на все эти достижения в области ИИ NPC, разработчики все еще сталкиваются со значительными проблемами при проектировании NPC. Им необходимо сбалансировать реализм, функциональность и ожидания игроков. Основная проблема заключается в том, чтобы NPC улучшали игровой опыт, а не мешали игровому процессу. Излишне реалистичные NPC, которые ведут себя непредсказуемо, могут разочаровать игроков, препятствуя прогрессу или нарушая погружение. И наоборот, слишком предсказуемые или упрощенные NPC могут не увлечь игроков, что снижает общую эффективность повествования и механики игры.
Другим фактором, который необходимо учитывать, является стоимость вычислений для внедрения продвинутого ИИ для NPC. Использование этих методов продвинутого ИИ требует большого количества вычислительной мощности, что может ограничить ее использование. Баланс производительности управляемых ИИ NPC с общими техническими ограничениями игры имеет решающее значение для обеспечения плавного игрового процесса. Эксперты [ who? ] упомянули, что разработчики должны эффективно распределять ресурсы, чтобы избежать перегрузки игровых систем, особенно в больших играх с открытым миром, где многочисленные NPC должны одновременно взаимодействовать с игроком.
Наконец, создание NPC, способных динамически реагировать на широкий спектр поведения игроков, остается сложной задачей. NPC должны уметь справляться как со сценарными взаимодействиями, так и со сценариями без сценария, в которых игроки могут вести себя неожиданным образом. Разработка NPC, способных адаптироваться к такой изменчивости, требует сложных моделей ИИ, которые могут учитывать многочисленные возможные взаимодействия, что может быть ресурсоемким и отнимать много времени у разработчиков.
Геймеры всегда спрашивают, мошенничает ли ИИ (вероятно, чтобы можно было пожаловаться в случае проигрыша)
— Терри Ли Коулман из Computer Gaming World , 1994 [43]
В контексте искусственного интеллекта в видеоиграх мошенничество означает, что программист дает агентам действия и доступ к информации, которые были бы недоступны игроку в той же ситуации. [44] Полагая, что Atari 8-bit не может конкурировать с игроком-человеком, Крис Кроуфорд не исправил ошибку в Eastern Front (1941) , которая принесла пользу русской стороне, контролируемой компьютером. [45] Computer Gaming World в 1994 году сообщил, что «это общеизвестный факт, что многие ИИ «обманывают» (или, по крайней мере, «подделывают»), чтобы иметь возможность не отставать от игроков-людей». [46]
Например, если агенты хотят знать, находится ли игрок поблизости, им можно либо предоставить сложные, подобные человеческим сенсоры (зрение, слух и т. д.), либо они могут обмануть, просто спросив у игрового движка о местоположении игрока. Распространенные варианты включают предоставление ИИ более высоких скоростей в гоночных играх, чтобы догнать игрока, или создание их в выгодных позициях в шутерах от первого лица. Использование обмана в ИИ показывает ограничения «интеллекта», достижимого искусственно; вообще говоря, в играх, где важна стратегическая креативность, люди могли бы легко победить ИИ после минимума проб и ошибок, если бы не это преимущество. Обман часто реализуется из соображений производительности, где во многих случаях он может считаться приемлемым, пока эффект не очевиден для игрока. Хотя обман относится только к привилегиям, предоставленным конкретно ИИ, — он не включает в себя нечеловеческую быстроту и точность, естественные для компьютера, — игрок может назвать присущие компьютеру преимущества «обманом», если они приводят к тому, что агент действует не так, как игрок-человек. [44] Сид Мейер заявил, что он исключил многопользовательские альянсы в Civilization, потому что обнаружил, что компьютер почти так же хорош в их использовании, как и люди, из-за чего игроки думали, что компьютер жульничает. [47] Разработчики говорят, что большинство игровых ИИ честны, но им не нравится, когда игроки ошибочно жалуются на «жульничество» ИИ. Кроме того, люди используют против компьютеров тактику, которую они не стали бы использовать против других людей. [45]
В игре 1996 года Creatures пользователь «высиживает» маленьких пушистых зверьков и учит их, как себя вести. Эти «Норны» могут разговаривать, есть сами и защищать себя от злобных существ. Это было первое популярное применение машинного обучения в интерактивном моделировании. Нейронные сети используются существами, чтобы узнать, что делать. Игра считается прорывом в исследовании искусственной жизни , целью которого является моделирование поведения существ, взаимодействующих с окружающей средой. [48]
В шутере от первого лица 2001 года Halo: Combat Evolved игрок берет на себя роль Мастера Чифа, сражаясь с различными инопланетянами пешком или на транспортных средствах. Враги очень мудро используют укрытия и применяют подавляющий огонь и гранаты. Ситуация в отряде влияет на отдельных людей, поэтому некоторые враги убегают, когда их лидер умирает. Внимание уделяется мелким деталям, в частности, враги бросают гранаты или члены команды реагируют на беспокойство. Базовая технология « дерева поведения » стала очень популярной в игровой индустрии со времен Halo 2. [ 48]
Психологический хоррор -шутер от первого лица 2005 года FEAR заставляет персонажей игроков сражаться с батальоном клонированных суперсолдат , роботов и паранормальных существ . ИИ использует планировщик для генерации контекстно-зависимого поведения, впервые в популярной игре. Эта технология до сих пор используется в качестве ориентира для многих студий. Реплики способны использовать игровую среду в своих интересах, например, опрокидывать столы и полки для создания укрытия, открывать двери, проламываться через окна или даже замечать (и предупреждать остальных своих товарищей) фонарик игрока. Кроме того, ИИ также способен выполнять фланговые маневры, использовать подавляющий огонь, бросать гранаты, чтобы выманить игрока из укрытия, и даже притворяться мертвым. Большинство этих действий, в частности фланговый обход, является результатом эмерджентного поведения. [49] [50]
Серия survival horror STALKER (2007–) сталкивает игрока с искусственными экспериментами, военными солдатами и наемниками, известными как сталкеры. Различные встречающиеся враги (если уровень сложности установлен на самый высокий) используют боевую тактику и поведение, такие как лечение раненых союзников, отдача приказов, обход игрока с фланга и использование оружия с ювелирной точностью. [ необходима цитата ]
Стратегическая игра в реальном времени 2010 года StarCraft II: Wings of Liberty дает игроку контроль над одной из трех фракций на арене битвы 1 на 1, 2 на 2 или 3 на 3. Игрок должен победить своих противников, уничтожив все их юниты и базы. Это достигается путем создания юнитов, которые эффективны в противодействии юнитам противника. Игроки могут играть против нескольких различных уровней сложности ИИ, начиная от очень легкого до Cheater 3 (безумный). ИИ может жульничать на уровне сложности Cheater 1 (зрение), где он может видеть юниты и базы, когда игрок в той же ситуации не мог. Cheater 2 дает ИИ дополнительные ресурсы, в то время как Cheater 3 дает огромное преимущество над противником. [51]
Red Dead Redemption 2 , выпущенная Rockstar Games в 2018 году, является примером передового использования ИИ в современных видеоиграх. Игра включает в себя высоко детализированную систему ИИ, которая управляет поведением NPC и динамичным игровым миром. NPC в игре демонстрируют сложное и разнообразное поведение, основанное на широком спектре факторов, включая их окружение, взаимодействие с игроком и время суток. Этот уровень интеграции ИИ создает богатый, захватывающий опыт, в котором персонажи реагируют на игроков реалистично, способствуя репутации игры как одной из самых продвинутых игр с открытым миром, когда-либо созданных. [52]
Браузерная игра - песочница Infinite Craft 2024 года использует генеративное программное обеспечение ИИ, включая LLaMA . Когда два элемента объединяются, ИИ генерирует новый элемент. [53]
Браузерная игра Oasis 2024 года использует генеративный ИИ для имитации видеоигры Minecraft . Oasis обучается на миллионах часов видеоматериалов из Minecraft и предсказывает, как будет выглядеть следующий кадр игрового процесса, используя этот набор данных. Oasis не имеет постоянства объектов, поскольку не хранит никаких данных. [54]
Генеративный искусственный интеллект , система ИИ, которая может реагировать на подсказки и создавать текст, изображения, аудио- и видеоклипы, возникла в 2023 году с такими системами, как ChatGPT и Stable Diffusion . В видеоиграх эти системы могут создать потенциал для создания игровых активов бесконечно, обходя типичные ограничения человеческих творений. Однако существуют схожие опасения и в других областях, в частности, потенциальная потеря рабочих мест, обычно предназначенных для создания этих активов. [55]
В январе 2024 года SAG-AFTRA , профсоюз США, представляющий актеров, подписал контракт с Replica Studios, который позволит Replica захватить озвучку актеров профсоюза для создания систем искусственного интеллекта на основе их голосов для использования в видеоиграх, при этом контракт гарантирует оплату и защиту прав. Хотя контракт был согласован комитетом SAG-AFTRA, многие члены выразили критику этого шага, поскольку им не сообщили о нем до его завершения, и что сделка не сделала достаточно для защиты актеров. [56]
Будущее ИИ в видеоиграх таит в себе потенциал для еще более увлекательных и отзывчивых впечатлений. Благодаря прогрессу в машинном обучении и таким технологиям, как нейронная сеть, персонажи ИИ могут адаптироваться и развиваться в соответствии с взаимодействиями игрока, что приводит к отчетливому и персонализированному игровому опыту. Кроме того, достижения в области ИИ будут способствовать более естественному и интуитивному взаимодействию между игроками и игровыми персонажами. Будущие игры могут включать NPC, способных понимать и реагировать на сложные команды игрока с помощью разговорного языка, усиливая погружение и реализм игрового мира. Будущее искусственного интеллекта в видеоиграх должно принести революционные изменения, которые значительно улучшат игровой опыт. Как подчеркивает Шахзад Ахмад, способность ИИ создавать и изменять контент на лету позволит играм представлять игрокам уникальные задачи и сценарии, адаптированные к их стилю игры и предпочтениям. [57]
Недавние достижения в области ИИ для видеоигр привели к более сложному и адаптивному поведению неигровых персонажей (NPC). Например, системы ИИ теперь используют сложные методы, такие как деревья решений и конечные автоматы, для улучшения взаимодействия и реализма NPC, как обсуждалось в «Искусственном интеллекте в играх». [58] Недавние достижения в области ИИ для видеоигр также были сосредоточены на улучшении динамического и адаптивного поведения NPC. Например, недавние исследования изучали использование сложных нейронных сетей, чтобы позволить NPC обучаться и адаптировать свое поведение на основе действий игрока, улучшая общий игровой опыт. Этот подход подробно описан в статье IEEE «Методы ИИ для интерактивных игровых систем». [59]
