آینده هوش مصنوعی چگونه دنیای بازی را تغییر می‌دهد؟

مطلبی که در ادامه می‌خوانید، ترجمه مقاله‌ای از وبسایت گیمزرادار در مورد آینده هوش ‌مصنوعی در بازی‌های ویدیویی است. اینکه چطور سیستم‌های جدید می‌توانند بازی‌ها را واقعی‌تر از همیشه کنند.

---

یک اتفاق عجیب در پروسه ساخت Assassin's Creed Valhalla افتاد. زمانی که که اریک بپتایزا (Eric Baptizat)، کارگردان بازی، در حال آزمایش یکی از نسخه‌های ابتدایی بازی بود، متوجه شد که هر جایی می‌رود، دو کاراکتر غیر قابل کنترل یا همان NPC دنبالش می‌کنند. مهم نبود کجا برود یا چه کاری انجام دهد، این سربازها آنجا می‌آمدند. به نظر می‌رسید که یکی از جنبه‌های سیستم هوش‌مصنوعی یوبیسافت که MetaAI نام دارد و به NPC‌ها حضور و هدف در دنیای بازی می‌بخشد، باعث شده این کاراکترها چنین رفتاری از خود نشان دهند. بپتایزا که از این وضع کمی خسته شده بود، به آن سمت دیگر کشور فست تراول کرد تا از دست آن‌ها راحت شود. ده دقیقه بعد این سربازها از راه رسیدند.

این سربازها باید در عرض کل انگلستان سفر می‌کردند تا به او برسند. هیچکس چنین چیزی را طراحی نکرده بود، اما این موضوع به عنوان یک نوع رفتار ناخواسته به ما نشان می‌دهد که هوش‌مصنوعی در بازی‌های ویدیویی امروزی در چه جایگاهی قرار دارد و و چطور باید در آینده متحول شود.

از چند منظر، هوش مصنوعی بازی‌ها در یک دهه اخیر تغییرات زیادی نکرده است، حداقل از این نظر که کاراکترهای دنیای بازی‌ها چه رفتاری از خودشان نشان می‌دهند. بیشتر بازی‌ها از تکنیک‌هایی مثل درخت‌های رفتاری و «ماشین‌های وضعیت محدود» استفاده می‌کنند که به عاملین هوش‌مصنوعی مجموعه مشخصی وظیفه، حالت و رفتار بر اساس وضعیت حال حاضرشان می‌دهد، انگار که آن‌ها یک دیاگرام را دنبال می‌کنند. این سیستم‌ها برای اولین بار در دهه ۹۰ مورد استفاده قرار گرفتند و هنوز هم به خوبی کار می‌کنند، چرا که بازی‌های اکشن و ماجراجویی نسل پیش پیشرفت زیادی در زمینه پیچیدگی رفتارها نکردند.

بیشتر کاراکترها صرفا در منطقه مشخصی حرکت می‌کنند تا گیمر با آن‌ها تعاملی برقرار کند که در ان لحظه آن‌ها تلاش می‌کنند تا به هدفی چالش‌برانگیزتر برای کشتن تبدیل شوند. چنین سیستمی در فضاهای بسته ایرادی ندارد، اما در دنیاهای بزرگی که NPC‌ها آزادی گشت و گذار دارند، چنین راهکاری شدنی نیست. تکنیک‌های هوش‌مصنوعی پیشرفته‌تری چون یادگیری ماشینی (Machine Learning) که از الگوریتم‌هایی برای مطالعه داده‌های ورودی، تفسیر آن‌ها و تصمیم‌گیری استفاده می‌کند، مورد نیاز است و این سیستم‌ها به کاراکترهای دنیای بازی آزادی و انعطاف‌پذیری بیشتری می‌دهند. اما توسعه آن‌ها زمان‌بر است، محاسبات سنگین و گران‌قیمتی دارد و این ریسک را ایجاد می‌کند که NPCها کمتر قابل پیش‌بینی باشند تا موردی مثل اساسینز کرید والهالا پیش آید.

اما از آنجایی که بازی‌های جهان‌باز و روایت‌محور روز به روز پیچیده‌تر می‌شوند و کامپیوترهای مدرن و کنسول‌های جدید می‌توانند محیط‌های واقعی‌تر و با جزییات‌تری به تصویر بکشند، نیاز به تکنیک‌های هوش‌مصنوعی پیشرفته‌تری هم رو به افزایش است. عجیب خواهد بود به سراغ بازی‌هایی با گرافیک واقعی و فوتورئالستیک مملو از سیستم‌ها و انتخابات مختلف بروید تا در آخر ببینید کاراکترهای آن مثل ربات‌های بدون روح رفتار می‌کنند.

شهر انسان‌ها

این موضوعی است که سازندگانی که مرزهای طراحی بازی‌های جهان‌باز را گسترش می‌دهند، درک می‌کنند. یوبیسافت برای مثال تیم‌های تحقیقاتی هوش ‌مصنوعی مشخصی در استودیوهای مومبای، پونا، چنگدو و مون‌پلیه و همچنین آزمایشگاه‌های «خلاقیت استراتژیکی» در پاریس و مونتیرال دارد که در حال کار کردن با شرکت‌های تکنولوژی و دانشگاه‌ها روی موضوعات آکادمیکی هوش ‌مصنوعی هستند.

یک مثال عملی از تمام این‌ موارد، بازی Watch Dogs Legion است که می‌تواند یکی از مدعیان اولین بازی جهان‌باز واقعی نسل بعدی باشد. برای طراحی یک لندن واقع‌گرایانه که مملو از ساکنینی زنده است، استودیو سازنده سیستم Census را توسعه داد که بیوگرافی‌های باجزییات و روتین‌های روزانه‌ای برای NPC‌هایی که با آن‌ها تعامل دارید، می‌سازد که این بیوگرافی‌ها شامل رفتار آن‌ها با دیگر کاراکترها در این دنیا هم می‌شود. برای همین اگر با ماشین از روی یک عابر بیچاره رد شوید، برادر یا دوست صمیمی سوگوار او ممکن است به سراغتان آید.

مارتین والش (Martin Walsh)، کارگردان تکنیکی گیم‌پلی و هوش ‌مصنوعی بازی می‌گوید: «فراتر از آن، ما یک سیستم رفتار گروهی داریم که اتفاقات شاخه‌ای را تولید می‌کند. مثل جرم‌ها و بررسی‌‌های پلیس از هویت کاراکترها. اگر کسی را دیدید که دچار مشکل شده، می‌توانید به آن‌ها کمک کنید و این باعث می‌شود آن‌ها شخصیت شما و سازمان DedSec را دوست داشته باشند. ما همچنین مردمانی را که از قبل با آن‌ها تعامل داشتید، در نقش‌های مکمل به ماموریت‌های بعدی اضافه می‌کنیم. کاراکترهای واچ داگز لیجن زندگی‌هایی فراتر از آنچه شما در ابتدا می‌بینید، دارند و اگر تصمیم بگیرید در روند زندگی‌شان دخالت کنید، این موضوع عواقبی دائمی خواهد داشت.»

برای یوبیسافت، این تنها اولین قدم در یک پروسه مداوم و جاری است. جولین دسالنیرز (Julien Desaulniers)، سرپرست تیم برنامه‌نویسی هوش ‌مصنوعی و گیم‌پلی اساسینز کرید والهالا توضیح می‌دهد: «بزرگترین چالش برای هوش ‌مصنوعی این است که چیزی را تقلید کند که احتمالا پیچیده‌ترین و مرموزترین ویژگی مغز انسان است: تخیل. اینکه خود هوش‌ مصنوعی محتوای روایتی تولید کند، این موضوع را دارد به یک سطح جدیدی می‌برد، سطحی که حتی همه انسان‌ها هم نمی‌توانند در آن خوب عمل کنند.»

چیزی که او و والش پیش‌بینی می‌کنند یک نسل جدیدی از کاراکترهای هوش ‌مصنوعی است که می‌توانند نقشی فعال و هوشمند در روایت بازی داشتند و شاید حتی به صورت آنی ماموریت‌ها و المان‌های فرعی در داستان خلق کنند. چنین هدفی به ادغام تکنولوژی‌‌های هوش ‌مصنوعی در حال پیشرفت نیاز دارد که سازندگان بازی تازه دارند با آن‌ها آشنا می‌شوند. یکی از این مثال‌ها، پردازش طبیعی زبان یا NLP است، یک نوع برنامه هوش ‌مصنوعی که ارتباطات انسانی نوشتاری یا گفتاری را شبیه‌سازی می‌کند. به بیان دیگر، این سیستم می‌نویسید یا مثل یک انسان صحبت می‌کند.

استفاده از NLP در بازی‌ها به هوش ‌مصنوعی اجازه می‌دهد تا المان‌های گفتاری انسان‌مانند بسازند و این دیالوگ‌ها را به طبیعی‌ترین شکل ممکن بیان کنند بدون آنکه نیازی به ضبط دیالوگ‌های از پیش ضبط شده یک بازیگر باشد. چنین چیزی را با انیمیشن‌های کاراکتری که از قدرت هوش ‌مصنوعی کمک می‌گیرند، ترکیب کنید و در نتیجه کاراکترهایی خواهید داشت که می‌توانند مثل مردم واقعی فکر کنند، حرف بزنند، رفتار و برنامه‌ریزی کنند.

آموزش رفتار به یک بازی

ما هنوز با چنین چیزی کمی فاصله داریم اما شدنی است. دسالنیرز در این باره می‌گوید: «توانایی یک NPC در گفتن چیزهایی که از قبل برای آن‌ها برنامه‌ریزی و ضبط نشده‌اند، جنبه‌ای از فناوری است که هنوز ما نتوانستیم در آن حرفه‌ای شویم. هر چند که ما سیستم‌هایی داریم که می‌توانند دیالوگ‌ها را اجرایی نسبتا قانع کننده از لحاظ بازگیری ادا کنند اما هنوز به آن مرحله‌ای نرسیدیم که بتوانیم آن را به صورت همزمان با وقتی که گیمر با دنیای بازی تعامل می‌کند، انجام دهیم. به طور کلی این یک چالش هیجان‌انگیز برای ما است که پتانسیل بی‌نهایت برای توسعه‌دهندگان فناوری و داستان‌نویس‌ها دارد.» والش با او موافق است و می‌گوید: «در آینده نزدیک، ساخت صدا و انیمیشن به اندازه کافی خوب خواهد بود تا به ما اجازه دهد کاراکترها و داستان‌هایی بدون نیاز به ضبط موکپ و تمامی این داده‌ها انجام دهیم. این به ما اجازه ساخت محتوای سریع‌تر می‌دهد که در نهایت می‌تواند نحوه ساخت کاراکترها و داستان‌هایی را که قرار است گفته شوند، تغییر دهد.»

همین حالا کمپانی‌هایی هستند که در چنین جهتی حرکت می‌کنند. استارتاپ انگلیسی Sonantic یک تکنولوژی صدای مصنوعی ساخته است، یک نوع بازیگر مجازی که می‌تواند دیالوگ‌ها را با عمق احساسی قانع کننده و با اضافه کردن ترس، شادی یا شوک بسته به موقعیت تعریف شده بیان کند. این سیستم نیاز به یک بازیگر واقعی دارد تا چندین ساعت صدا ضبط کند اما بعد از آن هوش ‌مصنوعی صدا را یاد می‌گیرد و خودش نقش را اجرا می‌کند. Sonantic از همین حالا دارد با استودیوهای مختلفی از جمله Splash Damage و Obsidian اکر می‌کند و آن‌ها بیشتر از این سیستم در مراحل ساخت خود برای تست دیالوگ‌های بازی استفاده می‌کنند اما در آینده از این تکنولوژی می‌توان برای ساخت دیالوگ‌های بهتر داخل بازی استفاده کرد. زینا کورشی (Zeena Qureshi)، هم‌موسس و رییس این استارتاپ می‌گوید: «به زودی صداها به صورت زنده و دینامیک در بازی ضبط می‌شوند. اگر کاراکتر شما از نفس افتاده است، صدایشان مثل کسی خواهد بود که نفس ندارد. اگر در حق کاراکتری بدی کنید، در آینده می‌توانید در صدای آن نوعی ناراحتی و دلخوری را بشنوید.»

این پیشرفت هوش ‌مصنوعی و استفاده در ساخت بازی‌ها البته به معنای جایگزینی نویسنده‌ها و طراح‌ها نیست. یوبیسافت نمی‌خواهد ساخت فارکرای ۷ را به اسکای‌نت بسپارد. اما این تکنولوژی‌ها می‌توانند به تغییرات بزرگ در جلو رفتن داستان و تعامل ما با کاراکترها منجر شود. شاید بالاخره بتوانیم از دست میان‌پرده‌های مزاحم غیر قابل تعامل راحت شویم و کاراکترهای باهوش ارائه لحظات مهم داستانی در طول بازی را بر عهده بگیرند آن هم در موقعیت‌هایی که هر گیمری بسته به آنچه از قبل انجام داده و دیده باید اتفاق متفاوتی تجربه کند. همچنین ممکن است درخت‌های دیالوگ بازی‌های نقش‌آفرینی مثل مس افکت یا ویچر با کاراکترهایی قدرت گرفته از NLP جایگزین شود که در مکالماتی واقعی با گیمر از طریق صحبت یا متن شرکت می‌کنند.

استفاده از یادگیری ماشینی می‌تواند همچنین NPC‌ها را نسبت به رفتار گیمرها واکنش‌پذیرتر کند. به همه آن لحظاتی در بازی‌ها فکر کنید که کاراکترها دارند حسابی سخنرانی می‌کنند در حالی که ما داریم اتاق را می‌گردیم، روی میزها می‌پریم، گلدان‌ها را بر می‌داریم، به کاراکتر نزدیک می‌شویم و انواع کارهای عجیب دیگری که تا به امروز آن‌ها هیچ واکنشی به آن‌ها نشان نمی‌داند. اما اگر این کاراکترها به NPC‌هایی بهره گرفته از NLP و انیمیشن‌های کمک گرفته از هوش ‌مصنوعی تبدیل شوند، آن‌ها می‌توانند به این موضوعات واکنش نشان دهند. جولیان توگلیس (Julian Togelius)، محقق هوش ‌مصنوعی می‌گوید: «بدون شک ما بازی‌هایی را خواهیم دید که NPC ناگهان می‌گوید «چرا داری رو سرت سطل میذاری؟» این چیزی است که می‌توان با یک مدل زبان و یک مدل ادراکی ساخت و چنین چیزی واقعا بازی را واقعی‌تر می‌کند.»

«منظورم این است که وقتی دارید با بخش پشتیبانی یک شرکت چت می‌کنید، از کجا می‌فهمید دارید با یک کارمند صحبت می‌کنید یا یک بات چت؟ شما مجبورشان می‌کنید نسبت به چیزی که گفتید یا انجام دادید، واکنش نشان دهند. چنین چیزی به ندرت در طراحی بازی‌ها به کار رفته و من فکر می‌کنم در آینده بسیار بیشتر مورد استفاده قرار می‌گیرد. اینطوری به نظر می‌رسد که کاراکترها گیمر را به نوعی درک می‌کنند. این نوعی توهمی از زندگی است.»

بیشتر بخوانید:

• پتنت جدید الکترونیک آرتز به توسعه یک مدل هوش مصنوعی تقلیدکننده از انسان اشاره می‌کند
• هوش مصنوعی چه نقشی در صنعت فیلم‌سازی ایفا کرده است؟
• بررسی بازی Microsoft Flight Simulator – زمین و آسمان برای تو

توگلیس که روی پروژه یک بازی ویدیویی معرفی نشده کار می‌کند که از این تکنولوژی‌ها بهره می‌برد، از ایده و چشم‌انداز کاراکترهایی پرچانه و خودسر هیجان‌زده است. او توضیح می‌دهد: «شما می‌توانید از ورودی‌های مختلف استفاده کنید و خروجی هر دفعه متفاوت خواهد بود که همه‌چیز را واقعی‌تر می‌کند. شما می‌توانید یک رابط کاربری مانند مس افکت داشته باشید که گیمر می‌تواند از میان دیالوگ‌ها گزینه «گفتن یک چیز تهدیدآمیز» را انتخاب کند و اگر او چنین انتخابی را چند بار پشت سر هم انجام داد، مدل زبانی واقعا از دست شما عصبانی شود و بخواهد که محیط را ترک کنید.»

درس‌های زبانی

بسیاری از کدنویس‌های هوش‌ مصنوعی که ما با آن‌ها صحبت کردیم، به طور خاص نسبت به GTP-3، مدل NLP پیشرفته‌ ساخته شده توسط آزمایشگاه OpenAI واقع در سانفرانسیسکو که صاحب آن ایلان ماسک است، هیجان‌زده هستند. GTP-3 که می‌تواند مقادیر زیادی متن را بخواند و محتوای متنی خودش را تولید کند، همین حالا هم برای تولید مقالات روزنامه‌ها و مجلات مورد استفاده قرار گرفته است. پس ممکن است در آینده نزدیک یک بازی جهان‌باز ببینیم که NPC‌هایش از GTP-3 استفاده می‌کند؟ توگلیس در جواب می‌گوید: «شما از GTP-3 نتایج خوب متفاوتی می‌گیرید اما یک مشکل کنترل وجود دارد و Open AI هم به خوبی از آن مطلع است و پتانسیلی که می‌تواند منجر به یک فاجعه روابط عمومی شود.» به بیان بهتر و خلاصه‌تر، فرض کنید یک کاراکتر هوش ‌مصنوعی دارید که تصمیم می‌گیرد از کلمات و عبارت‌های نژادپرستانه و جنسیت‌زده استفاده کند.

این موضوعی است که Monolith Productions، تیم سازنده بازی Middle-earth: Shadow of War از آن اطلاع دارد چرا که در ساخت سیستم نمیسیس بازی با آن مواجه شده است. مایکل دی پلتر (Michael de Plater)، معاون خلاق استودیو در این رابطه می‌گوید: «پیشرفت‌های تکنولوژی کلی در قسمت‌هایی مثل پردازش طبیعی زبان و تولید متن بی‌نظیر هستند. یک بلاگ عالی نوشته شده به دست جنل شین (Janelle Shane) وجود دارد که AI Weirdness نام دارد و مثال‌های خوبی از میزان دیوانگی‌ای دارد که هوش ‌مصنوعی می‌تواند خلق کند که درک خوبی از قدرت‌های این تکنولوژی و همچنین محدودیت‌هایش می‌دهد.»

دی پلتر ادامه می‌دهد: «Interactive Fiction همچنان به شگفت‌انگیز بودن ادامه می‌دهد و امیلی شرت (Emily Short) یک بلاگ کامل در مورد داستان‌نویسی تعاملی و هوش ‌مصنوعی نوشته است. در مورد بازی‌هایی که اخیرا منتشر شده‌اند، توسعه روابط در Hades بی‌نظیر بود. یک منبع الهام ثابت دیگر بازی‌های رومیزی نقش‌آفرینی است. در واقع ما در تلاش هستیم تا دانجن مسترهای دیجیتالی خوبی باشیم.»

پاسخ به این هوش ‌مصنوعی سرکش می‌تواند یک دامنه لغات محدود و چند پیام هشدار از قبل نوشته شده باشد. توگلیس توضیح می‌دهد: «شما می‌توانید مکالمات آزادی داشته باشید اما می‌توانید این مکالمه‌ها را با نوشته‌هایی از قبل به تحریر در آمده هم ترکیب کنید. من کاملا انتظار دارم تا یک سال آینده شخص دیگری هم از GTP-3 در یک بازی استفاده خواهد کرد.»

شما تحت نظارت هستید

یک بخش دیگر از هوش ‌مصنوعی که احتاملا در آینده مهم‌تر می‌شود، مدل‌سازی بازیکن است، اینکه چطور رفتارهای گیمر در بازی مورد مطالعه سیستم هوش‌ مصنوعی قرار گرفته و ذخیره می‌شوند. البته که همین حالا هم بازی‌های زیادی دیدیم که دشمنان آن تاکتیک‌های گیمرها را یاد می‌گیرند و رفتار خودشان را بر اساس آن تغییر می‌دهند. بازی‌های ژانر مبارزه‌ای مملو از این مثال‌ها هستند و همچنین ما به دشمنانی هم عادت داریم که جا و محل شما را فریاد می‌زنند. اما ما همچنین عاشق بازی‌هایی هستیم که کاراکترهای آن متوجه ما می‌شوند، مثل NPC‌هایی در Red Dead Redemption 2 که در مورد لباس‌های خونی ما نظر می‌دهند یا مسئولین باری در هیتمن ۳ که از ما می‌پرسند پشت یخچال نوشیدنی‌ها چیکار می‌کنیم؟

توگلیس مثال‌های به مراتب پیشرفته‌تری از این را در آینده نزدیک می‌بیند. او توضیح می‌دهد: «اگر ایده خوبی از این داشته باشید که یک گیمر ممکن است چیکار کند یا در دنیای بازی به کجا برود، پس الگوهای داستانی زیادی وجود دارد که می‌توان آن‌ها را به شکل‌های مختلف در داستان‌ها به کار برد. فرض کنید به گیمرها می‌خواهید یک Fetch Quest بدهید، شما می‌توانید آن را بسته به اینکه از گیمر انتظار دارید چه کاری انجام می‌دهد، تغییرش دهید. اگر گیمر شما از آن دست بازیکنانی است که جزیره‌های دور افتاده را خواهد گشت، می‌توانید تصمیم بگیرید او را به همان جا بفرستید. ماموریت‌های ساده بسیاری هستند که می‌توانید آن‌ها را دوباره بالانس کنید، اینکه بسته به تجربیات گذشته آن گیمر چه جاهایی از مرحله مخفی‌کاری و کجاها نبرد و کامبت باشد. شما می‌توانید همچنان ماموریت اصلثی را طراحی کنید اما اینکه این ماموریت چطوری پیاده شود، را می‌توان بسته به هر گیمری تغییر داد.»

ما بازی‌های زیادی مثل Fable دیده‌ایم که سیستم‌های ساده اخلاقیات باعث می‌شود دنیای بازی با شما رفتار متفاوتی داشته باشد بسته به اینکه شخص خوب یا بدی بوده باشید. اما هوش ‌مصنوعی مدرن می‌تواند با شناخت راه‌هایی که شما بازی می‌کنید در عوض یک سری امتیاز مشخص، پیچیدگی و لایه جدیدتری به این قضیه اضافه کند. توگلیس می‌گوید: «اگر یک سمبل مشخصی وجود دارد که شما همیشه از آهنگر خود می‌خواهید آن را روی زره شما حکاکی کند، شاید کاراکترهای دیگر هم همان نماد را روی زره خود بزنند چرا که شما را با این سمبل دیده‌‌اند. همچنین اگر موقع کشتن هیولاها، همیشه از تکنیک اینکه به پشت آن‌ها بروید و با یک تیر سمی به آن‌ها شلیک کنید، استفاده می‌کنید؛ ممکن است بعدها ببینید که NPC‌ها نیز دارند همان کار را انجام می‌دهند. آن‌ها از حرکات شما یاد می‌گیرند و آن‌ها را تکرار می‌کنند. این چیزهایی است که ما نیاز داریم یادگیری ماشینی مدرن آن‌ها را ممکن کند.»

مدل‌سازی پلیر همچنین می‌تواند در بازی‌های جهان‌باز آینده با NLP ترکیب شود تا در این حالت مردمانی در بازی باشند که داستان‌هایی را از کارهایی که شما انجام دهید، برای هم تعریف کنند. شایعات و غیبت‌هایی بین NPC‌ها رد و بدل می‌شود، همچنین افسانه‌ها و داستان‌هایی خیالی. فرض کنید به روستایی در ویچر ۴ می‌رسید و می‌بینید شاعر شهر آهنگ‌هایی در مورد آخرین نبرد شما با یک اژدها می‌خواند، اما با جزییات خاصی به همان شکل که شما آن اژدها را شکست دادید.

حرکات و تقلید

مثل یوبیسافت، الکترونیک آرتز هم حسابی درگیر تحقیق روی هوش ‌مصنوعی است. این ناشر بزرگ تیم‌هایی مثل EA Digital Platform و یک واحد تحقیقاتی ویژه به نام SEED دارد که روی تکنولوژی‌های هوش ‌مصنوعی پیشرفته کار می‌کنند. مثل دیگر سازنده‌ها، یکی از اصلی‌ترین علایق الکترونیک آرتز استفاده از هوش ‌مصنوعی در کمک به ساخت اسست‌ها مثل تکسچرهای بی‌نهایت طبیعی و با جزییات است، البته در کنار طراحی انیمیشن واقعی‌تر برای کاراکترها. توانایی ترکیب کردن انیمیشن‌های موکپ با پاسخ‌های ریل‌تایم قرار است در ساخت کاراکترهایی که با دنیای پیچیده اطرافشان تعاملی واقع‌گرایانه دارند، نقش بسزایی داشته باشد تا دیگر این کاراکترها به درها برخورد یا به شکلی ضایع در راه‌پله‌ها گیر نکنند.

تامی تامپسون (Tommy Thompson)، مدیر مرکز مشاوره AI and Games و یکی از متخصصین معروف در زمینه هوش ‌مصنوعی بازی‌ها می‌گوید: «ترکیب انیمیشن‌ها و هماهنگ کردن آن‌ها با حرکت‌ها حالا به دست یادگیری ماشین انجام می‌شود. این سیستم بهترین نقاط برای ترکیب بین انیمیشن‌ها را پیدا می‌کند و آن‌ها را بر اساس موقعیت‌های مختلف دوباره هدف می‌گیرد. برای همین یک کاراکتر می‌تواند روی ۱۰ صندلی مختلف با یک انیمیشن ثابت بشیند، در حالی که موتور هوش‌ مصنوعی می‌تواند همزمان حرکات را ترکیب و هماهنگ کند.»

در حال حاضر EA به دنبال راه‌ها و روش‌هایی هست تا از یادگیری عمیق (Deep Learning) برای ضبط حرکات واقع‌گرایانه و شباهت رخساری به صورت مستقیم از خود ویدیو استفاده کند، به جای آنکه بخواهد مجبور شود به سراغ جلسات گران‌قیمت و زمان‌بر موشن کپچر برود. پاول مک‌کوماس (Paul McComas)، مدیر بخش انیمیشن الکترونیک آرتز می‌گوید: «این چیزی است که به نظرم تاثیر بزرگی به خصوص در بازی‌های ورزشی در آینده خواهد داشت. این داده‌های حرکتی به ما اجازه می‌دهد تا موقعیت‌های بیشتری در گیم‌پلی را پوشش دهیم و این حرکات طبیعی‌تر به نظر می‌رسند چرا که ما این داده‌ها را از ورزشکارهای واقعی در هنگام ورزش کردن می‌گیریم به جای آنکه بخواهیم آن را به استودیوهای موشن‌ کپچر بکشانیم.»

مک‌کوماس ادامه می‌دهد: «این به معنای واقع‌گرایی بیشتر به خصوص برای ورزش‌های تماسی است، همچنین برای واقعی‌‌تر کردن حرکات مخصوص و رفتارهای شخصیت‌های معروف و شناخته شده. اینکه بتوانیم داده‌های تازه را از ویدیوها استخراج کنیم ما را واکنش‌پذیرتر می‌کند، برای مثال می‌توانیم به سرعت حرکت جدید یک ورزشکار را به بازی اضافه کنیم یا حتی سناریوهای جدیدی را بر اساس اتفاقات واقعی خیلی زود بعد از اتفاق افتادنشان طراحی کنیم.»

الکترونیک آرتز همچنین به دنبال این است که از ترکیب یک سری یادگیری تقویت شده (که یک هوش مصنوعی از طریق آزمون و خطا یاد می‌گیرد) و تقلید یادگیری (که از تماشا و تقلید اعمال انسان‌ها یاد می‌گیرد) استفاده کند که باعث می‌شود بازیکنان FIFA و Madden دقیقاً مثل همتایان واقعیشان رفتار کنند. اما کاربردهای وسیعی‌تری برای این وجود دارد. اگر بتوانیم هوش‌های مصنوعی را طوری آموزش دهیم که مثل بازیکنان واقعی فوتبال رفتار کنند، پس می‌توانیم طوری آموزششان بدهیم که بتوانند مثل پرو گیمرهای فوق ستاره و استریمرها رفتار کنند.

توگلیس می‌گوید: «به آن در زمینه Fortnite‌ فکر کنید. هر بازیکن می‌تواند این فرصت را پیدا کند تا در برابر نینجای مجازی بازی کند. یک زیر مجموعه کامل از مخاطبان بازی هستند که برای چنین فرصتی حاضرند آدم بکشند. می‌توانید بهترین گروه استریمرهای Sea of Thieves را داشته باشید و یک گروه هوش مصنوعی بسازید. با این که چنین کاری بسیار سخت است به خاطر این که هماهنگ کردن چهار پلیر برای بازی کردن Sea of Thieves به خودی خود سخت است، چه برسد به چهار هوش مصنوعی!»

EA همچنین علاقه دارد تا از یادگیری ماشینی استفاده کند تا محتوای تولید شده برای مخاطبانش را بهبود ببخشد. فابیو زینو، مهندس ارش نرم‌افزار EA می‌گوید: «باعث می‌شود مخاطبان بتوانند راحت‌تر فقط با یک تلفن آواتارهایی که شبیه به خودشان است را بسازند، حرکت‌ها و حالات چهره‌شان را ثبت کنند، همین طور هم ابزارهای هوشمندتری برای ساختن مراحل و ویژگی‌های بصری در دسترسشان باشد. من همچنین فکر می‌کنم که پردازش زبان‌های طبیعی به گیمرهای دارای معلولیت کمک کند، برای مثال، تبدیل متن به صوت.»

نسل بعدی بازی‌های اپن‌وردِ ماجراجویی به بازیکن واکنش نشان می‌دهند. با مراحلی که با فعالیت‌ها و صلیقه‌هایتان هماهنگ می‌شود، شخصیت‌هایی که همدردی و همین طور پرخاشگری را شبیه‌سازی می‌کنند و آن‌هایی که شما را به عنوان یک شخص می‌شناسند. آن دو NPC که اریک بپتیزت از یوبی‌سافت با آن‌ها برخورد داشت، که در دنیای بازی دنبالش کرده بودند، به خاطر این نبود که بازی به آن‌ها دستور داده بود، بلکه به خاطر این بود که خودشان می‌خواستند. چنین چیزی می‌تواند مثال خوبی باشد که نشان می‌دهد بازی‌ها به کدام سمت می‌روند. واکنش‌گرا، مشاهده کننده و گاهی اوقات غیرقابل پیش‌بینی. کمی عجیب است که تمام این تحقیقات پیشرفته فوق العاده و توسعه آن‌ها آینده‌ای نسبتاً سر راست دارد: تا بازی‌های آینده بیش‌تر شبیه به ما شوند.