Искусственный интеллект учат создавать оружие и предсказывать исход сражений. Но не бойтесь - эта работа в Институте цифровых игр не преследует никаких гнусных целей; цель исследования - сделать игры более сбалансированными и увлекательными.
Страх перед восстанием роботов реален. Ужасные вымышленные создания, такие как Терминатор и HAL, явное тому доказательство. Но когда искусственный интеллект (ИИ) берет выходной, чтобы осознать себя и попытаться разрушить мир, он также играет важную роль в современном дизайне видеоигр.
ИИ не так загадочен, как многие считают в научной фантастике. «ИИ» - это обобщающий термин, обозначающий любое устройство, которое воспринимает окружающую среду и предпринимает действия, чтобы максимизировать свои шансы на успех в достижении какой-либо цели. В Институте цифровых игр (IDG, Университет Мальты) исследователи разрабатывают программы, которые будут создавать оружие и предсказывать исход сражений. Не для того, чтобы помочь им на пути к мировому господству, а для того, чтобы найти идеальный игровой баланс.
Баланс обучения
Баланс игры лежит в основе «хорошего» игрового дизайна. Футбольное поле идеально симметрично с воротами одинакового размера с каждой стороны. Увеличение размера одной стойки ворот или сужение одной части поля нарушило бы баланс игры и сделало бы игру намного менее увлекательной. В видеоиграх игровые поля включают различное оружие, особые способности и даже несколько этажей. Из-за этой повышенной сложности баланс игры становится немного сложнее.
Хотя баланс игры часто находится в руках дизайнеров-людей, в IDG мы пытаемся автоматизировать некоторые процессы с помощью ИИ.
Люди, разрабатывающие уровни, полагаются на интуицию, опыт и бесчисленные часы игрового тестирования для создания сбалансированного уровня, и им наверняка понадобится небольшая помощь своих машинных друзей. Одним из методов помощи может стать использование нейронных сетей - особой формы машинного обучения, которая постепенно улучшает выполнение своей задачи. Именно эти нейронные сети и доктор философии Даниэль Караволос (Daniel Karavolos). студент IDG, в настоящее время преподает предсказание результатов многопользовательских шутеров от первого лица (FPS).
Даниэль Караволос
Почему это круто?
Гейм-дизайнеры настраивают игровое поле для баланса игры, но в жанре FPS это сложнее, потому что идеально симметричное открытое поле - не вариант. Перестрелка на открытом поле была бы столь же увлекательной, как рисование соломинки. Прогностическая модель глубокого обучения, которую разрабатывает Караволос, может помочь дизайнерам увидеть, как изменения уровня влияют на баланс матча в реальном времени. Это сэкономит бесчисленные часы игрового тестирования, а также избавит компанию от обычных жалоб на несбалансированные уровни. В конечном итоге использование ИИ для прогнозирования игрового баланса снизит затраты на разработку игр и сократит убытки от продаж. К сожалению, это также оставит бесчисленное количество хронических жалобщиков в Интернете без дела.
Как это работает?
Не все ИИ созданы равными. Такие исследователи, как Караволос, должны найти наиболее эффективный ИИ для своих целей.
Создание достаточного количества данных, чтобы машина могла точно определить закономерность, требует времени, поэтому выбор правильного алгоритма машинного обучения является ключевым моментом. Караволос протестировал большое количество различных сетей, но наиболее эффективными из них были сверточная нейронная сеть (CNN) и полносвязная искусственная нейронная сеть (ANN).
Эти нейронные сети были «обучены» более чем 50 000 смертельных схваток 3 на 3 на различных уровнях, созданных 39 генераторами. Уровни были созданы с 50 препятствиями и оружием, таким как дробовик, винтовка, пистолет-пулемет, снайперская винтовка и ракетная установка. На каждом уровне менялся размер объекта и его размещение.
Эти уровни вводились как изображения размером 100 × 100 пикселей с тремя цветами, что позволяло сети различать большие объекты, блокирующие линию обзора, маленькие объекты, обеспечивающие укрытие, и отсутствие объектов. Затем нейронные сети проанализировали параметры уровней и оружия, прежде чем предсказывать результаты игр.
Поскольку пройти уровень 50 000 раз - задача трудная даже для самого заядлого игрока, для моделирования игрового процесса и обучения нейронной сети использовались агенты ИИ. У каждого агента было неограниченное количество жизней, но как только было совершено 20 убийств, матч закончился. Затем был рассчитан баланс по соотношению убийств каждой команды. Матч считается сбалансированным, когда убийства каждой команды равны или имеют незначительную разницу.
После того, как обучающие монтажи сетей были завершены, пришло время сопоставить их друг с другом.
Ближний бой
Длинные или короткие дистанции
Что такое нейронные сети?
ANN
Искусственная нейронная сеть - это вычислительная система, вдохновленная режимами обработки биологической информации в головном мозге и нервной системе. Вместо программирования, ориентированного на конкретные задачи, система постепенно улучшается благодаря большому банку похожих сценариев, на которые она может ссылаться. Например, ИНС может научиться распознавать изображения кошек, анализируя большое количество изображений, помеченных как «кошка» или «не кошка».
CNN
Сверточные нейронные сети - это искусственные сети, которые часто содержат слои для обнаружения различных частей более сложного объекта. Например, при распознавании лиц он может обнаруживать зрачки, затем передавать на следующий слой, который обнаруживает глаз, затем на следующий уровень для рта и так далее, пока, наконец, не будет распознан сложный объект лица. В отличие от обычных нейронных сетей, эта архитектура явно указывает на то, что входными данными является изображение. Это позволяет кодировать определенные свойства в архитектуре, делая функцию пересылки от одного уровня к следующему более эффективной и резко сокращая параметры в сети.
ИНС предсказывали совпадения, которые приведут к сбалансированному коэффициенту убийств с точностью 75%, в то время как CNN предсказывали преимущество команды с точностью 74%. У обоих также была очень низкая вероятность определить не ту команду, которая выиграет, а это означает, что после обучения нейронные сети могут предсказывать игровой баланс с точностью около 75% в целом.
Удивительное оружие
Контент, генерируемый процедурно, создается алгоритмом, а не дизайнерами игр и графическими художниками. Процедурно сгенерированные миры No Man's Sky вызвали много шума, но также отчетливо выдвинули на первый план проблемы игрового процесса, связанные с созданным алгоритмом контентом - отсутствием всеобъемлющего сюжета или структуры, которые часто приводили к бесцельным блужданиям и повторяющиеся действия.
Даниэле Гравина
Чтобы преодолеть эту проблему, доктор философии. студент Даниэле Гравина изучает процедурную генерацию сбалансированного оружия с удивительными характеристиками. Они будут использоваться в Unreal Tournament III: арене FPS с упором на смертельные схватки лицом к лицу.
Почему это круто?
Алгоритм Gravina сгенерирует пару оружия с необычными и неожиданными свойствами. Это должно поощрять нетрадиционный игровой процесс, но при этом сохранять чувство баланса. Если стандартное оружие предпочитает одного игрока, дуэль будет утомительной и утомительной для его оппонента, поскольку он бесполезно борется. Используя этот новый алгоритм, оружие может сильно различаться, удивляя игроков и побуждая их адаптировать свою стратегию к конкретным сильным сторонам оружия, сохраняя при этом равновесие в дуэли.
Как это работает?
Оружие создается с помощью генетического алгоритма, который использует
характеристики исходного оружия для разработки нового. У основного оружия есть 11 параметров, таких как скорость стрельбы, разброс, скорость, урон и количество пуль за выстрел. В паре они превращаются в маленьких оруженосцев, которые являются эволюционным продуктом своих родителей.
При создании нового детского оружия алгоритм подберет различные значения на основе параметров родительского оружия. При выборе значений распределение вероятностей отклоняется от средних значений, чтобы дети-оруженосцы не становились просто средними по сравнению с их родителями и лишались какой-либо реальной новизны. Одновременно устанавливаются определенные пороги для определения баланса, эффективности и безопасности, чтобы обеспечить играбельность. В конце концов, вы не можете использовать ядерное оружие в перестрелке.
Теперь эволюция была бы неинтересной без нескольких мутаций, и именно здесь на помощь приходят «тепловые карты смерти». Возможное оружие было проверено агентами ИИ на уровне биологической опасности Unreal Tournament III, и убийства были нанесены на карту. На этих тепловых картах показаны наиболее распространенные области, в которых умирали агенты ИИ. Чтобы добавить неожиданности сбалансированному оружию, ИИ просмотрел тепловую карту и попытался найти способы отклониться от созданных тепловых карт смерти.
«Чрезвычайное разнообразие действий усиливает иллюзию того, что игрок погружен в иную реальность»
Учитывая, что оружие с определенными характеристиками имеет преимущества в определенных частях карты - в этом идеальном месте для снайпера или в том коридоре, по которому мы можем отправиться в город с гранатометом - ИИ будет использовать эту информацию для настройки оружия и причинения смерти в неожиданных местах. . Настройка оружия таким образом, чтобы тепловая карта убийств не была одинаковой, делает уровень более динамичным и захватывающим.
Даниэле Гравина: Сюрприз первое оружие Даниэле Гравина: Третье оружие
Без физического равновесия вы упадете. Без баланса уровней игра не удастся. Игры часто основаны на заданной серии действий в рамках. Крайнее разнообразие действий усиливает иллюзию погружения игрока в иную реальность. Дизайнеры много работают над каждым уровнем и каждым оружием, чтобы гарантировать, что этот баланс ограничивает возможности игрока. Даже когда дизайнеры находят время для этого, случаются ошибки, и несбалансированное оружие попадает в игры. Сочетание процедурной генерации контента с инструментами балансировки ИИ - это путь в будущее. Это может привести к играм, где каждый уровень отличается; где оружие и структура уровней заставляют вас придумывать новые стратегии каждый раз, когда вы играете.
Пришло время машинам потрясти мир игрового дизайна, помогая ему оставаться сбалансированным. Возможно, когда-нибудь они возьмут верх, но пока они делают игры более интересными, обширными и более дешевыми в производстве. Шаг за шагом игровой мир находится на пороге перемен. Вы играете?
Статья изначально опубликована в журнале THINK Magazine. Повторная публикация оригинальным автором с разрешения. Оригинал здесь.
Институт цифровых игр входит в 25 лучших высших учебных заведений в области игрового дизайна по версии журнала Princeton Review (16 место в 2020 году »). ). Это многопрофильный центр изучения игр, ориентированный на анализ игр и игровые технологии. Институт цифровых игр проводит передовые исследования на стыке искусственного интеллекта, игр и гуманитарных наук, расширяя границы области с помощью инновационных работ, отмеченных на многочисленных конференциях и конкурсах, активно сотрудничая с отраслевыми гигантами. например Ubisoft. Помимо академических исследований, поддерживаемых Европейским и национальным финансированием.
