هوش مصنوعی در بازی‌های کامپیوتری

مدت زیادی پیش از آن که هوش مصنوعی تنها افقی دوردست در صنایع مالی، حمل و نقل، و پزشکی بود، توسعه‌ی آن در صنعت بازی سازی آغاز گشته بود. در حقیقت، اولین حضور هوش مصنوعی در بازی‌های کامپیوتری در سال ۱۹۵۲ میلادی بود؛ زمانی که یک دانشجوی ارشد اهل انگلیس، یک هوش مصنوعی ساخت که می‌توانست بازی دوز (tic-tac-toe) را انجام دهد.

بسیاری از نوآوری‌های هوش مصنوعی، در صنعت بازی سازی رخ داده است و بازی‌ها تبدیل به ابزاری برای آزمایش کاربردهای هوش مصنوعی در دنیای واقعی شده‌اند. امروزه، توسعه دهندگان هوش مصنوعی به دنبال راه‌هایی هستند که تا قدرت تفکر، یادگیری و توسعه‌ی فردی را در برنامه‌های کامپیوتری ایجاد کنند؛ نوآوری‌هایی که نه تنها تجربه‌ی گیم‌پلی بازی‌ها را دگرگون می‌کنند، بلکه زندگی روزمره‌ی ما را نیز تحت تاثیر قرار خواهند داد. در حقیقت، هوش مصنوعی و بازی‌های کامپیوتری، وابستگی جدایی ناپذیری به یکدیگر دارند.

هوش مصنوعی در بازی‌های کامپیوتری برای تجربه‌ی بهتر بازی‌ها

در بازی Sim City 1989 یک هوش مصنوعی ابتدایی برای شبیه‌سازی چیزی نزدیک به واقعیت، مثلا غیرقابل پیش‌بینی بودن، استفاده شده بود. هوش مصنوعی در بازی Total War 2000 نیز برای شبیه‌سازی حرکات جنگ‌جویان بازی، همانند سربازان واقعی، به کار رفته بود.

هوش مصنوعی در بازی‌های کامپیوتری، اصل بسیار مهمی است؛ چرا که تجربه‌ی بازی‌ها، منحصرا به کیفیت و گیم‌پلی آن‌ها وابسته نیست. یک بازی با گرافیک پایین، اما گیم‌پلی جذاب، قابل قبول است (هیچ کس واقع‌گرایی بازی Pacman را زیر سوال نمی‌برد). یک تجربه‌ی گرافیکی بسیار عالی نیز قابل قبول است. اما زمانی که هوش مصنوعی وارد بازی‌ها شود، تجربه‌ای از بازی‌ها به ارمغان خواهد آورد که واقع‌گرایی آن از بهترین جلوه‌های گرافیکی نیز بیش‌تر به چشم می‌آید.

تا کنون پیاده‌سازی‌های موفقی از هوش مصنوعی در بازی‌های کامپیوتری وجود داشته‌اند. بازی Black & White (استفاده از یادگیری ماشین)، F.E.A.R (یک بازی تطابق‌پذیر)، Façade (استفاده از پردازش زبان طبیعی)، Spore (شبیه‌سازی زندگی براساس آنالیز داده‌ها) نمونه‌هایی از این نوع بازی‌ها هستند.

یادگیری ماشین در بازی‌های تطابق‌پذیر

چه می‌شد اگر یک بازی می‌توانست استراتژی و تاکتیک‌های خود را بر اساس رفتار و سطح بازیکنان تغییر دهد؟ این دقیقا مسیری است که برخی شرکت‌های بازی‌سازی پیش گرفته‌اند. یادگیری تقویتی، نوعی یادگیری ماشین است (مقاله تفاوت هوش مصنوعی و یادگیری ماشین و شاخه های هوش مصنوعی را در سایت فنولوژی ببینید) که در آن، کامپیوتر با گرفتن بازخوردهایی از محیط اطراف، رفتار آن را یاد می‌گیرد. استفاده از روش‌های یادگیری ماشین، مثل یادگیری تقویتی، راهی برای خلق NPC هایی خلاق و هوشمند در بازی‌ها است؛ شخصیت‌هایی که رفتارهای خود را با تصمیمات بازیکنان تطبیق می‌دهند.

با سرعت امروز پیشرفت فناوری‌های یادگیری ماشین، اولین پیشرفت‌های هوش مصنوعی در بازی‌های کامپیوتری، در زمینه‌ی ساخت و طراحی آن‌ها خواهد بود؛ با این حال تیم‌های بازی سازی در حال کار بر روی چیزهای پیچیده‌تری همچون شخصی‌سازی تجربه‌ی بازی بر اساس رفتار هر بازیکن هستند. شرکت‌های بازی سازی به دنبال رسیدن به الگوریتم‌های پیچیده‌ای هستند که به جای رخ دادن اتفاقاتی از پیش تعیین شده در بازی‌ها، روند بازی به صورت زنده و بر اساس رفتار بازیکنان، تعیین شود؛ به این شکل رابطه‌ای واقعی و طبیعی بین بازیکن و محیط بازی ایجاد می‌شود.

آزمایش کاربردهای واقعی هوش مصنوعی در بازی‌های کامپیوتری

آلفاگو (AlphaGo)، نرم‌افزار مبتنی بر هوش مصنوعی، با شکست دادن قهرمان جهانی بازی Go یعنی Lee Sedol، نشان داد که با داشتن داده‌های بسیار زیاد، کامپیوتر می‌تواند استراتژی‌هایی را تولید کند که به ذهن هیچ انسانی نمی‌رسد! اما آنالیز داده‌ها بسیار با آنالیز رفتارها و احساسات انسان‌ها متفاوت است. صنعت بازی سازی در تلاش برای یافتن راه‌هایی است که بتوان نوعی هوش مصنوعی ساخت که رفتارها و احساساتی شبیه به انسان‌ها داشته باشد. این نوع هوش مصنوعی تجربه‌ای بهتر برای بازیکنان به ارمغان می‌آورد؛ اما این فناوری در دنیای واقعی نیز کاربردهایی خواهد داشت. همان‌طور که گفته شد، بازی‌ها بستر مناسبی هستند برای توسعه‌ی هوش مصنوعی و در نهایت استفاده از آن در صنایع دیگر، از بانک‌داری گرفته تا تحقیقات علمی. حقیقت این است که بازی سازان نوآوری‌هایی در زمینه‌ی هوش مصنوعی ایجاد کرده‌اند که بسیاری از صنایع دیگر را تحث تاثیر خود قرار داده‌اند.

برای مطالعه‌ی بیش‌تر در مورد هوش مصنوعی و کاربردهای آن در زمینه‌های مختلف، به سایت فنولوژی، رسانه‌ی تخصصی هوش مصنوعی و اینترنت اشیا مراجعه کنید.