https://virgool.ir/feed/@mohamadk.nfa2026-11-13 00:44:08https://virgool.ir/images/default-avatar.jpghttps://virgool.ir/@mohamadk.nhttps://virgool.ir/@mohamadk.n/هوش-مصنوعی-در-بازی-های-رایانه-ای-gl73zekvzhzoهوش مصنوعی پایه و اساس تمامی بازی های ویدیویی:اگر تا به حال یک بازی ویدیویی بازی کرده باشید،با هوش مصنوعی (AI)تعامل داشته اید صرف نظر از اینکه بازی های اتومبیلرانی مانند Need for Speed ​​، بازی های استراتژیک مانند Civilization یا بازی های تیراندازی مانند Counter Strike همیشه عناصر کنترل شده توسط AI را پیدا خواهید کرد. هوش مصنوعی اغلب پشت شخصیت هایی است که معمولاً زیاد به آنها توجه نمی کنید،مانند شخصیت های بیطرف حیوانات و...اما ارتباط هوش مصنوعی موجود در بازی با AI که غول های فناوری هر روز درباره آن صحبت می کنند چگونه است؟بازی در برابر هوش مصنوعی:اخیراً ایلان ماسک به جهانیان هشدار داده است که توسعه سریع هوش مصنوعی با قابلیت یادگیری توسط گوگل و فیس بوک ، بشریت را در معرض خطر قرار می دهد. چنین استدلالی توجه بسیاری از مردم را به مبحث هوش مصنوعی جلب کرده است. به نظر می رسد هوش مصنوعی دید درخشان که توسط این غول های فناوری توصیف شده است ، برنامه ای است که می تواند خود را آموزش دهد و با تغذیه اطلاعات بیشتر ، قویتر و قویتر شود. با این حال ، اصطلاح "AI" در زمینه بازی های ویدیویی محدود به این هوش مصنوعی خودآموز نیست.بجای یادگیری چگونگی بهتر شکست دادن بازیکنان انسانی ، هوش مصنوعی در بازی های ویدیویی به منظور افزایش تجربه بازی بازیکنان انسانی طراحی شده است. رایج ترین نقش هوش مصنوعی در بازی های ویدیویی کنترل شخصیت های غیر پخش کننده (NPC) است. طراحان معمولاً از ترفندهایی برای هوشمندانه نشان دادن این NPC ها استفاده می کنند. یکی از ترفندهای پرکاربرد که الگوریتم Finite State Machine) FSM) نام دارد ، در دهه 1990 برای طراحی بازی های ویدیویی معرفی شد. در یک FSM ، یک طراح همه موقعیت های ممکن را که AI می تواند با آن روبرو شود را تعمیم می دهد ، و سپس یک واکنش خاص برای هر موقعیت برنامه ریزی می کند. اساساً ، یک هوش مصنوعی FSM با رفتار از پیش برنامه ریزی شده فوراً به عملکرد بازیکن انسان واکنش نشان می دهد. به عنوان مثال ، در یک بازی تیراندازی ، AI هنگامی که بازیکن انسان ظاهر می شود حمله می کند و هنگامی که سطح سلامتی خود بسیار پایین است ، عقب نشینی می کند.در بازی FSM گرا ، یک شخصیت معین می تواند چهار اقدام اساسی را در پاسخ به موقعیت های احتمالی انجام دهد: کمک ، فرار ، سرگردان و حمله. بسیاری از بازی های معروف ، مانند Battle Field ، Call of Duty و Tomb Raider ، نمونه های موفقی از طراحی FSM AI را در خود جای داده اند. حتی لاک پشت های موجود در سوپر ماریو نیز یک طرح ابتدایی FSM دارند.یک اشکال آشکار در طراحی FSM پیش بینی آن است. تمام رفتارهای NPC از قبل برنامه ریزی شده است ، بنابراین بعد از چند بار بازی مبتنی بر FSM ، ممکن است یک بازیکن علاقه خود را از دست بدهد.یک روش پیشرفته تر که برای افزایش تجربه بازی شخصی شده استفاده می شود الگوریتم Monte Carlo Search Tree است. MCST استراتژی استفاده از آزمایش های تصادفی برای حل یک مشکل را در بر می گیرد. این استراتژی هوش مصنوعی است که در Deep Blue ، اولین برنامه رایانه ای برای شکست یک قهرمان شطرنج انسانی در سال 1997 به کار رفته است. برای هر امتیاز بازی ، Deep Blue از MCST استفاده می کند تا ابتدا تمام حرکات احتمالی را که ممکن است انجام دهد ، در نظر بگیرد ، سپس همه را در نظر بگیرد بازیکن احتمالی انسان در پاسخ حرکت می کند ، سپس تمام حرکات پاسخ دهنده احتمالی آن را در نظر بگیرید و غیره. می توانید تصور کنید که همه حرکات احتمالی مانند رشد شاخه ها از یک ساقه منبسط می شوند - به همین دلیل ما آن را "درخت جستجو" می نامیم. پس از چندین بار تکرار این فرآیند ، هوش مصنوعی بازپرداخت را محاسبه می کند و سپس تصمیم می گیرد بهترین شعبه را دنبال کند. پس از یک حرکت واقعی ، هوش مصنوعی درخت جستجو را دوباره براساس نتایج ممکن هنوز تکرار می کند. در بازی های ویدیویی ، هوش مصنوعی با طراحی MCST می تواند هزاران حرکت احتمالی را محاسبه کرده و حرکاتی را که بهترین بازپرداخت را دارند (مانند طلای بیشتر) انتخاب کند.الگوریتم مشابهی نیز در بسیاری از بازی های استراتژیک اعمال شده است. با این حال ، از آنجا که حرکات احتمالی بسیار بیشتر از شطرنج است ، در نظر گرفتن همه آنها غیرممکن است.در عوض ، در این بازی ها MCST به طور تصادفی برخی از حرکت های ممکن را برای شروع انتخاب می کند. بنابراین ، نتایج برای بازیکنان انسانی بسیار نامطمئن تر می شوند.به عنوان مثال ، در Civilization ، بازی ای که در آن بازیکنان برای توسعه شهری در رقابت با هوش مصنوعی که همان کار را انجام می دهد ، رقابت می کنند ، پیش برنامه ریزی هر حرکت برای AI غیرممکن است. به جای اقدام فقط براساس وضعیت فعلی مانند FSM ، هوش مصنوعی MCST برخی از اقدامات احتمالی بعدی را ارزیابی می کند ، مانند توسعه فن آوری ، حمله به یک بازیکن انسان ، دفاع از یک قلعه و غیره. سپس هوش مصنوعی MCST را برای محاسبه بازپرداخت کلی هر یک از این حرکات و انتخاب هر کدام از با ارزش ترین ها انجام می دهد.نمودار جریان ساده نحوه استفاده از MCST در چنین بازی هایی در شکل زیر نشان داده شده است. بازی های پیچیده جهان باز مانند Civilization MCST را برای ارائه رفتارهای مختلف هوش مصنوعی در هر دور به کار می گیرد. در این بازی ها ، تکامل یک موقعیت هرگز از قبل تعیین نشده است و هربار یک تجربه بازی تازه را برای بازیکنان انسانی فراهم می کند.تبدیل شدن به هوش مصنوعی هوشمندتر:اگرچه طراحان هوش مصنوعی در دهه 1990 بسیار سخت تلاش کردند تا NPC ها هوشمند به نظر برسند ، این شخصیت ها فاقد یک ویژگی بسیار مهم بودند: توانایی یادگیری. در بیشتر بازی های ویدیویی ، الگوی رفتاری NPC برنامه ریزی شده است و آنها قادر به یادگیری هر چیزی از بازیکنان نیستند ، به عنوان مثال آنها براساس ورودی بازیکنان تکامل نمی یابند. دلیل این که اکثر NPC توانایی یادگیری را به نمایش نمی گذارند ، فقط به این دلیل نیست که برنامه ریزی برای یادگیری ماشین آلات دشوار است ، بلکه به این دلیل است که بیشتر طراحان ترجیح می دهند از هرگونه رفتار غیرمنتظره NPC که می تواند تجربه یک بازیکن انسانی را مختل کند ، جلوگیری کنند.با هوش مصنوعی بازی میکنید یا با آن زندگی میکنید؟پس از موفقیت AlphaGo ، برخی از مردم این سوال را مطرح کردند که آیا هوش مصنوعی می تواند بازیکنان انسانی را در بازی های ویدیویی استراتژی واقعی (RTS) مانند Starcraft ، War Craft یا FIFA نیز شکست دهد. پاسخ کوتاه این است که بله ، آنها می توانند. از نظر حرکات احتمالی و تعداد واحدهای کنترل ، بازی های RTS بسیار پیچیده تر از بازی های ساده تر مانند Go هستند. در بازی های RTS ، هوش مصنوعی دارای مزایای مهمی نسبت به بازیکنان انسانی است ، مانند توانایی انجام چند کار و واکنش سریع با سرعت غیرانسانی. در واقع ، در برخی از بازی ها ، طراحان هوش مصنوعی مجبور شده اند عمداً توانایی هوش مصنوعی را برای بهبود تجربه بازیکنان انسانی کاهش دهند.در آینده ، به احتمال زیاد توسعه هوش مصنوعی در بازی های ویدئویی بر روی ساخت NPC های قدرتمندتر جهت شکست موثرتر بازیکنان انسانی متمرکز نخواهد بود. در عوض ، توسعه بر چگونگی ایجاد تجربه کاربری بهتر و منحصر به فرد متمرکز خواهد شد. با گسترش فناوری های واقعیت مجازی (واقعیت مجازی (VR) که تجربه تماشایی همه جانبه را از طریق نمایشگر فراهم می کند) و واقعیت افزوده (AR ، که دید فیزیکی انسان را نسبت به جهان با عناصر مجازی ترکیب می کند) ، مرز بین دنیای واقعی و واقعی شروع به تاری شدن می کند. سال گذشته Pokémon Go ، مشهورترین بازی AR ، قدرت جذاب ترکیبی دنیای واقعی با دنیای بازی های ویدیویی را برای اولین بار نشان داد. در آینده ، بازی های ویدیویی دنیای آزاد مبتنی بر VR و AR ممکن است یک تجربه "دنیای واقعی" را برای بازیکنان فراهم کند ، شاید شبیه همان تصورات مجموعه تلویزیونی "Westworld" باشد. در این مجموعه ، بازیکنان انسانی می توانند هر آنچه را که می خواهند با ربات های کنترل شده هوش مصنوعی و احساس دقیقاً یکسان با دنیای واقعی بازی کنند. با افزایش توانایی پردازش زبان طبیعی ، ممکن است روزی بازیکنان بشر نتوانند تشخیص دهند که آیا هوش مصنوعی یا یک پخش کننده انسانی دیگر ، شخصیتی را در بازی های ویدیویی نیز کنترل می کند.اندرو ویلسون ، مدیرعامل الکترونیک آرتز ، مشهور پیش بینی کرد که "زندگی شما یک بازی ویدیویی خواهد بود." همانطور که فناوری AI-VR / AR بالغ می شود و ما را وادار می کند که خود را در دنیای مجازی فزاینده ای غرق کنیم ، ممکن است بعد از آن دید وی واقعاً محقق شود. در این صورت ، فکر می کنید بازی با هوش مصنوعی یا شخص واقعی را ترجیح می دهید؟ این مسئله به سوالی فزاینده مرتبط تبدیل خواهد شد.جهت دسترسی به مقاله اصلی به این لینک مراجعه کنید. با تشکر و سپاس فراوان محمد کمالیمحمد کمالیWed, 13 Jan 2021 20:40:35 +0330