ИГРИ

Вземете контролер — Играта е на път да стане реална — AI в игрите

Нека да разгледаме основните употреби на AI в игрите

Може да не сте любители на видеоигрите или да участвате в електронните спортове, но AI в игрите е отличен пример за това как машинното обучение може да създаде иновации и да подобри живота ни по начини, които може би сме си представяли, но никога не сме смятали за възможни.

И независимо дали сте се занимавали с културата на игрите или не, трябва да оцените колко драстично са се развили видеоигрите през последните няколко десетилетия. Днес видеоигрите подхранват бързо развиващия се пазар на електронни спортове, който се очаква да достигне 1,79 милиарда долара до 2022 г.

Помните ли Pong? Дори тази примитивна, но пристрастяваща игра на дигитален пинг-понг използва елементарен AI, за да ви държи предизвикателства. Програмиран с помощта на техники за намиране на пътя и дърво на решенията, Pong занимава децата от 70-те години на миналия век с часове, преследвайки непредсказуема и пикселизирана точка върху скучен черен екран. Бързо напред към 2019 г. и игри с графики от висок клас и сложни сценарии за игра са обичайни, ако не и очаквани (опитайте Red Dead Redemption II или Fortnight и ще разберете какво имам предвид).

Но дори тези зрелищни и реалистични видео игри все още не са се възползвали от истинската сила на AI и машинното обучение. В не толкова далечното бъдеще AI ще промени напълно игровото изживяване, като подобри производителността на играчите, дизайна на играта, стратегиите в играта и други. AI дори позволява разработването на разговорни асистенти, които помагат на играчите да изготвят стратегии и да се подобряват, докато играят.

Нека да разгледаме основните употреби на AI в игрите, както и някои от възможностите, които разработчиците все още не са приложили.

AI Upscaling и Game Design

AI upscaling даде възможност на разработчиците да актуализират класически видео игри като Doom, Final Fantasy и Grand Theft Auto, за да се харесат на съвременните геймъри, които очакват да видят „реалистична графика“ и отзивчивост. Усъвършенстването използва машинното обучение: Например, алгоритмите за машинно обучение могат да бъдат обучени да идентифицират най-добрите функции в играта на днешните популярни игри, така че разработчиците да могат да приложат тези знания за актуализиране на класиката. Чрез обучение на AI модели, използващи видеозаписи или съдържание и художествен стил на по-нова игра, програмистите могат да добавят ново изкуство с висока разделителна способност и детайли към по-старите игри, което ги прави по-продаваеми и ангажиращи геймърите.

В допълнение към подобряването на графиките, фокусът върху използването на AI в дизайна прави героите, които не играят (NPC), по-реалистични. Може да забележите, че AI работи, когато NPC стане „неспокоен“ или привидно нервен, докато се опитва да определи вашето местоположение и следващ ход. Такова поведение се основава на тригери, които реагират на определени действия или диалог на играча.

Адаптивна игра

Това ни води до дискусия за адаптивната игра. През годините изкуственият интелект стана изключително добър в играта на видеоигри и ги направи предизвикателни, напредвайки до точката, в която е почти невъзможно да се победи суперкомпютър в игра на шах. Но това е само бегла представа за това, което предстои. След като AI моделира поведението на играча, той може да активира генерирането на ново съдържание и да създаде нови преживявания в играта въз основа на това, което AI определя, че играчът предпочита.

Използвайки изчислителен метод, базиран на изкуствен интелект, наречен „процедурно генериране“, игрите могат да променят нивото на трудност в реално време въз основа на играта, за да предоставят по-голямо предизвикателство или да намалят чувството на неудовлетвореност – всичко това с цел да поддържат играчите ангажирани. Популярната игра Minecraft използва процедурно генериране, за да създаде безкрайни възможности за строителство и озеленяване в режим „Креативен“.

„Изследванията в процедурното генериране“ наскоро бяха фокусирани върху използването на генеративни състезателни мрежи (GANs), които са дълбоки невронни мрежови архитектури, съставени от две мрежи, които се борят една с друга. GAN могат да се използват за създаване на съдържание от същия тип или стил като съществуващото съдържание, за генериране на нови нива на игра, което прави играта възпроизвеждана или безкрайно възпроизвеждана. Все пак експертите казват, че процедурното генериране не е истински AI - то не може да генерира нови сценарии или герои, или да активира взаимодействие на съдържание.

Човешкоподобно развитие на характера

Според Ник Стат от The Verge, „авангардният AI започва да влияе върху развитието на игрите“ по реални и драматични начини. Отвъд генерирането на нови нива и все по-реалистични образи, AI в крайна сметка ще даде възможност за истински самообучаващи се герои, които имат реалистични личности и взаимодействат с вас, както човек би в действителност в реалния живот.

Пример: Сирена, проектирана като по-ефективна, спестяваща време алтернатива за създаване на хиперреалистични герои от видеоигри. Разработен от Epic Games в сътрудничество с CubicMotion, 3Lateral, Tencent и Vicon, този невероятно реалистичен виртуален човек стана възможен благодарение на технологията Unreal Engine 4 на Epic.

Някои платформи за анализ на електронни спортове дори са разработили асистенти за треньори, базирани на AI. Използвани от професионални геймъри, тези „треньори“ могат да оценят статистиката на играта и да предложат по-добри стратегии, като например къде да се скриете по време на игра или кога да контраатакувате враг. Един пример е в играта Overwatch, в която играчите получават полезни съвети от Omnicoach за това как да използват оръжия, да подобрят мобилността и да се предпазят от вражески аватари. Други игри, които се възползват от AI обучение, включват League of Legends, Counter Strike и StarCraft.

AI има голям потенциал за подобряване на шансовете и за играчите на Fantasy Football. Например ESPN и IBM разработиха Fantasy Insights with Watson, който е изграден върху модели за машинно обучение от корпоративен клас за четене, разбиране и правене на прогнози въз основа на милиони точки от данни от множество източници. AI може да се използва за намиране на най-добрата, най-предсказуема комбинация от статистики за историята на даден играч, давайки на играчите конкурентно предимство.

Какво следва за геймърите?

През 2017 г. Electronic Arts (EA) създаде Search for Extraordinary Experiences или SEED, ново подразделение на своята научноизследователска и развойна организация, което използва AI за изследване на нови технологии и възможности, които ще позволят игрите на бъдещето. „Първата демонстрация на SEED“ през 2018 г. включва използването на техники за осветление, известни като проследяване на лъчи в реално време, изградени с Direct X Raytracing API на Microsoft и самообучаващи се роботи във виртуална фабрика.

И тъй като експерти като изследователите на SEED на EA продължават да изследват възможностите на AI в игрите, геймърите могат да очакват да видят появата на нови способности, като интелигентни, подобни на хора NPC, способността да предсказват поведението на човешките играчи с точност и напреднали нива за персонализиране на играта. AI може да се използва за моделиране на човешки играч, за да се разбере как истинските играчи взаимодействат и изживяват игра – може би дори как се чувстват, докато играят – за допълнително усъвършенстване и подобряване на бъдещи игри.

В 2predict следим отблизо прилагането на AI и машинното обучение в индустриите.