التعلم الآلي يمكن أن يخلق الرؤساء المثاليين للعبة

يعد التخييم في موقع الأجرام السماوية استراتيجية قوية: يجب على اللاعب التقاط الأجرام السماوية للفوز (تخيل ما إذا كانت أشباح باك مان باقية بالقرب من مداخل كل ركن من أركان الخريطة). كما أنه يجعل اللعبة أقل متعة. لم يعد اللاعبون يواجهون مطاردة مثيرة. بدلاً من ذلك ، قد يتسبب الذكاء الاصطناعي في وقوع كمين لا يمكن التنبؤ به. يقول Trachel و Peyrot إن هدفهما “ليس إنشاء روبوتات خارقة – لن يكون ذلك ممتعًا وجذابًا للاعب مبتدئ – ولكن بدلاً من ذلك لإيجاد طرق لدمج التعلم الآلي في أدوات الذكاء الاصطناعي للألعاب المستخدمة بالفعل في الإنتاج.”

قد يبدو هذا مملًا للاعبين الذين يتوقون إلى ذكاء اصطناعي أفضل. ومع ذلك ، تظل تقنيات التعلم الآلي التي أظهرها Trachel و Peyrot مفيدة في ضبط الصعوبة حتى عندما يواجه اللاعبون أعداء في اللعبة النهائية ولا يستخدمونها. أمضى جوليان توجيليوس ، الشريك المؤسس ومدير الأبحاث في Modl.ai ، ما يقرب من خمس سنوات في استخدام الذكاء الاصطناعي لاختبار الألعاب. يستخدم Modl.ai الروبوتات للبحث عن مواطن الخلل الرسومية ، واكتشاف العيوب في هندسة العالم ، واكتشاف المواقف التي تجعل من المستحيل تحقيق الفوز.

يمكنك إخبارنا بنوع حالة الفشل التي تهتم بها. وبعد ذلك يتم تشغيلها بشكل أساسي. تقول توجيليوس: “ترسل وظيفة ، ويتم تشغيلها اعتمادًا على مقدار ما تريد استكشافه”. “وبالطبع ، يمكننا تجميعها لك وتقديم تقرير ، يقول هنا حيث يبدو أن لديك مشاكل ، وما إلى ذلك.”

تستخدم روبوتات الاختبار الخاصة بـ Modl.ai التعلم الآلي للتكيف مع كل لعبة تم اختبارها ، على الرغم من أن تنفيذها الحالي يحد من تلك التعديلات لكل عنوان محدد. يقول Togelius إن الشركة تقوم بوضع نماذج أولية لإضافة التعلم العميق الذي من شأنه تدريب سلوك الروبوت عبر ألعاب متعددة. بمجرد الاستخدام ، ستتعلم روبوتات Modl.ai محاكاة سلوك اللاعبين الحقيقيين ، الأمر الذي يجب أن يكشف بكفاءة أكبر عن المشكلات التي سيجدها اللاعبون.

من أجل التعلم الآلي الحقيقي ، تحتاج محركات الألعاب إلى ثورة

عندما يتعلق الأمر بالصعوبة ، يمكن أن يكون التعلم الآلي مشكلة وحلاً في نفس الوقت. لكن صياغة تحدٍ عادل وممتع ليس هو العقبة الوحيدة التي تواجه المطورين الذين يرغبون في استخدام التعلم الآلي في الألعاب. المشاكل أعمق – عميقة للغاية ، في الواقع ، قد تجبرهم على إعادة التفكير في كيفية بناء الألعاب.

الأداء هو أحد العوائق. يتطلب التعلم الآلي الكثير من بيانات التدريب للحصول على نتائج جديرة بالاهتمام ، ولا يمكن الحصول على هذه البيانات إلا من خلال لعب لعبة آلاف أو عشرات الآلاف من المرات (على الرغم من أن الروبوتات يمكنها تخفيف العبء ، إلا أن تكتيك Trachel و Peyrot يستخدمان في بناء العرض التوضيحي). وبمجرد جمع بيانات التدريب ، يمكن أن يصبح النموذج الناتج مرهقًا للتنفيذ في الوقت الفعلي.

قال Trachel و Peyrot في رسالة بالبريد الإلكتروني: “نعم ، من الواضح أن الأداء يمثل مشكلة ، لا سيما مع نماذج ML الكبيرة التي تعالج الإطارات لكل علامة على ساعة اللعبة”. “في حالتنا ، لتجنب مشاكل الأداء ، استخدمنا شبكة عصبية صغيرة كانت تستنتج فقط في لحظات محددة من اللعبة.” إن الارتقاء إلى بيئات العالم المفتوح الضخمة التي يتوقعها اللاعبون المعاصرون هو أمر آخر تمامًا.

يقول Togelius إن الطريقة التي تعمل بها محركات الألعاب الحديثة تؤدي إلى تفاقم المشكلة. ويقول إن التعلم الآلي “سيكون بالضرورة بطيئًا لأن محركات الألعاب ليست مصممة لهذا الغرض. أحد الأسباب العديدة التي تجعلنا لا نرى ذكاءً اصطناعيًا حديثًا أكثر إثارة للاهتمام في الألعاب هو أن Unreal و Unity وجميع أمثالهما فظيعان أساسًا – مضاد للذكاء الاصطناعي من نواحٍ عديدة “.

الرسوم المتحركة هي قضية أخرى. تتوقع معظم محركات الألعاب الحديثة أن تكون الرسوم المتحركة محددة بدقة إطارًا تلو الآخر. يعمل هذا جيدًا عندما يعرف رسامو الرسوم المتحركة على وجه اليقين كيف ستتصرف شخصيات اللعبة ، لكن الذكاء الاصطناعي الذي يتحكم فيه التعلم الآلي قد يتصرف بطرق لم يتوقعها رسامو الرسوم المتحركة. يمكن للمصممين حل هذا الأمر من خلال نهج قائم على الفيزياء للرسوم المتحركة ، ولكن هذا يضع مزيدًا من الضغط على أداء وحدة التحكم في الألعاب أو أجهزة الكمبيوتر ويأتي مع تحديات التطوير الخاصة به.

باختصار ، يواجه المطورون وحشًا من صنعهم. تم تصميم محركات الألعاب لاستخدام أشجار السلوك والإجراءات الموصوفة لصياغة عوالم من الشخصيات غير القابلة للعب التي يتحكم فيها الذكاء الاصطناعي والتي تعمل بشكل جيد حتى على الأجهزة الضئيلة. ولكن مع اكتساب التعلم الآلي زخمًا ، ستحتاج هذه الحلول الكلاسيكية إلى إعادة النظر.

“إذا تحدثت إلى باحث في مجال التعلم الآلي لا يعرف تصميم اللعبة ، فسيكون مثل ،” لماذا لا تستخدم أشياء جديدة وتحصل على شخصيات غير قابلة للعب أكثر واقعية وتتكيف مع طريقة لعبك ، “و وهكذا ، “يقول Togelius. ولكن لا يمكنك فقط ربط هذا بلعبة موجودة. عليك إعادة التفكير في ماهية اللعبة”.