الذكاء الاصطناعي في ألعاب الفيديو

الموسوعة الحرة

يشير مصطلح الذكاء الاصطناعي في ألعاب الفيديو إلى الأنظمة الحاسوبية التي تتحكم في الشخصيات غير القابلة للعب ، وتُنشئ سلوكًا ديناميكيًا داخل اللعبة، أو تُحاكي عملية اتخاذ القرارات الاستراتيجية. عمليًا، يشمل المصطلح نطاقًا واسعًا من التقنيات المُستمدة من علوم الحاسوب ، ونظرية التحكم ، والروبوتات ، وليس الذكاء الاصطناعي "الحقيقي" . علاوة على ذلك، يختلف الذكاء الاصطناعي الأكاديمي - الذي يهدف إلى تطوير التفكير أو التعلم الذاتي - عن ذكاء الألعاب، الذي يهدف إلى تقديم سلوك جذاب ومُقنع وفعّال للاعبين. أما مصطلح وحدة المعالجة المركزية (CPU) في ألعاب الفيديو، فيشير إلى الذكاء الاصطناعي الذي يتحكم في شخصية غير قابلة للعب، والتي قد تكون شخصية قابلة للعب في بعض الحالات الأخرى.

بشكل عام، لا يعني الذكاء الاصطناعي في الألعاب، كما قد يعتقد البعض وكما يتم تصويره أحيانًا، تحقيقًا لشخصية اصطناعية تتوافق مع شخصية غير قابلة للعب على غرار اختبار تورينج أو ذكاء اصطناعي عام .

ملخص

يُستخدم مصطلح الذكاء الاصطناعي للألعاب للإشارة إلى مجموعة واسعة من الخوارزميات التي تشمل أيضًا تقنيات من نظرية التحكم ، والروبوتات ، ورسومات الحاسوب ، وعلوم الحاسوب بشكل عام، ولذلك قد لا يُعتبر الذكاء الاصطناعي في ألعاب الفيديو "ذكاءً اصطناعيًا حقيقيًا" في كثير من الأحيان، لأن هذه التقنيات لا تُسهّل بالضرورة تعلّم الحاسوب أو غيرها من المعايير القياسية، بل تُشكّل فقط "حسابًا آليًا" أو مجموعة محدودة ومحددة مسبقًا من الاستجابات لمجموعة محدودة ومحددة مسبقًا من المدخلات. [ 1 ] [ 2 ] [ 3 ]

زعم بعض المعلقين في صناعة ألعاب الفيديو أن التطورات في مجال الذكاء الاصطناعي للألعاب قد غيرت بشكل جذري كيفية تفاعل اللاعبين مع الأنظمة الرقمية. ومع ذلك، لا تزال هذه المزاعم محل جدل. ففي بعض الأحيان، تُنسب مناقشات التسويق سمات شبيهة بالبشر إلى الذكاء الاصطناعي للألعاب، مثل الشخصية أو الاستقلالية الإبداعية، ولكن هذه في الغالب سلوكيات مُبرمجة مصممة لمحاكاة التعقيد بدلاً من كونها إدراكًا ناشئًا. [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ]

تاريخ

كان لعب الألعاب مجالًا بحثيًا في الذكاء الاصطناعي منذ بداياته. ومن أوائل الأمثلة على الذكاء الاصطناعي لعبة نيم المحوسبة التي طُوّرت عام 1941 ونُشرت عام 1942. ورغم أنها كانت تقنية متقدمة في عام إنتاجها، أي قبل لعبة بونغ بعشرين عامًا ، إلا أن اللعبة كانت عبارة عن صندوق صغير نسبيًا، وكانت قادرة على الفوز بانتظام حتى ضد لاعبين ذوي مهارات عالية. [ 7 ] في عام 1951، باستخدام جهاز فيرانتي مارك 1 التابع لجامعة مانشستر ، كتب كريستوفر ستراشي برنامجًا للعبة الداما ، وكتب ديتريش برينز برنامجًا للشطرنج . [ 8 ] وكانت هذه من أوائل برامج الحاسوب التي كُتبت على الإطلاق. أما برنامج آرثر صموئيل للداما، الذي طُوّر في منتصف الخمسينيات وأوائل الستينيات، فقد بلغ في النهاية مستوىً من المهارة يكفي لتحدي لاعب هاوٍ محترم. [ 9 ] سيبلغ العمل على لعبة الداما والشطرنج ذروته في هزيمة غاري كاسباروف بواسطة حاسوب ديب بلو التابع لشركة آي بي إم في عام 1997. [ 10 ] كانت ألعاب الفيديو الأولى التي تم تطويرها في الستينيات وأوائل السبعينيات، مثل Spacewar! و Pong و Gotcha (1973)، ألعابًا تم تنفيذها على منطق منفصل وتعتمد بشكل صارم على منافسة لاعبين اثنين، بدون ذكاء اصطناعي.

بدأت ألعاب الفيديو التي تتضمن طورًا فرديًا مع وجود أعداء بالظهور في سبعينيات القرن العشرين. ظهرت أولى الألعاب البارزة لأجهزة الأركيد عام ١٩٧٤: لعبة "سبيد ريس " من شركة تايتو ( لعبة فيديو سباق )، ولعبتا " كواك" ( لعبة إطلاق نار بمسدس ضوئي لصيد البط ) و " برسويت" ( محاكاة قتال جوي للطائرات المقاتلة ) من شركة أتاري . كما احتوت لعبتان نصيتان على الكمبيوتر، هما "ستار تريك" (١٩٧١) و "هانت ذا وومبوس " (١٩٧٣)، على أعداء. كانت حركة الأعداء تعتمد على أنماط مُخزّنة. وقد أتاح دمج المعالجات الدقيقة مزيدًا من العمليات الحسابية وإضافة عناصر عشوائية إلى أنماط الحركة.

تتنافس شخصيات الدراجات الضوئية لتكون آخر من يركب في GLtron .

خلال العصر الذهبي لألعاب الفيديو، انتشرت فكرة خصوم الذكاء الاصطناعي على نطاق واسع، بفضل نجاح لعبة " سبيس إنفيدرز " (1978)، التي تميزت بمستويات صعوبة متزايدة، وأنماط حركة فريدة، وأحداث داخل اللعبة تعتمد على دوال تجزئة بناءً على مدخلات اللاعب. أضافت لعبة "جالاكسيان " (1979) حركات أكثر تعقيدًا وتنوعًا للأعداء، بما في ذلك مناورات الأعداء المنفردين الذين ينفصلون عن تشكيلاتهم. قدمت لعبة "باك مان" (1980) أنماط الذكاء الاصطناعي لألعاب المتاهات ، مع إضافة ميزة فريدة تتمثل في اختلاف شخصيات كل عدو. لاحقًا، قدمت لعبة "كاراتيه تشامب" (1984) أنماط الذكاء الاصطناعي لألعاب القتال . أما لعبة "فيرست كوين" (1988) فكانت لعبة تقمص أدوار تكتيكية حركية ، تتميز بشخصيات يمكن التحكم بها بواسطة الذكاء الاصطناعي للحاسوب في اتباع القائد. [ 11 ] [ 12 ] قدمت لعبة الفيديو Dragon Quest IV (1990) نظام "التكتيكات"، حيث يمكن للمستخدم ضبط إجراءات الذكاء الاصطناعي للشخصيات غير القابلة للعب أثناء المعركة، وهو مفهوم تم تقديمه لاحقًا إلى نوع ألعاب تقمص الأدوار الحركية بواسطة Secret of Mana (1993).

اعتمدت ألعاب مثل Madden Football و Earl Weaver Baseball و Tony La Russa Baseball على الذكاء الاصطناعي لمحاكاة أسلوب التدريب أو الإدارة الخاص بالشخصية المشهورة المختارة. وقد تعاون كل من Madden وWeaver وLa Russa بشكل مكثف مع فرق تطوير هذه الألعاب لضمان أعلى دقة ممكنة. وفي وقت لاحق، أتاحت الألعاب الرياضية للمستخدمين إمكانية "ضبط" متغيرات الذكاء الاصطناعي لإنتاج استراتيجية تدريبية أو إدارية يحددها اللاعب بنفسه.

أدى ظهور أنواع جديدة من الألعاب في التسعينيات إلى استخدام أدوات الذكاء الاصطناعي الرسمية، مثل آلات الحالة المحدودة . وقد فرضت ألعاب الاستراتيجية الآنية تحديات كبيرة على الذكاء الاصطناعي، شملت التعامل مع العديد من العناصر، والمعلومات غير الكاملة، ومسائل إيجاد المسار، واتخاذ القرارات الآنية، والتخطيط الاقتصادي، وغيرها. [ 13 ] عانت الألعاب الأولى من هذا النوع من مشاكل جسيمة. فعلى سبيل المثال، كادت لعبة هيرتسوغ تسفاي (1989) أن تُعطل نظام إيجاد المسار، واستخدمت آلات حالة ثلاثية بسيطة للغاية للتحكم في الوحدات، بينما هاجمت لعبة ديون 2 (1992) قاعدة اللاعبين بشكل مباشر، واستخدمت العديد من أساليب الغش. [ 14 ] أما الألعاب اللاحقة في هذا النوع، فقد أظهرت ذكاءً اصطناعياً أكثر تطوراً.

استخدمت الألعاب اللاحقة أساليب الذكاء الاصطناعي التصاعدية ، مثل السلوك الناشئ وتقييم تصرفات اللاعب في ألعاب مثل Creatures و Black & White . صدرت لعبة Façade في عام 2005، واستخدمت حوارات تفاعلية متعددة الاتجاهات والذكاء الاصطناعي كعنصر أساسي في اللعبة.

روبوت يركض نحو الكرة ويتنافس في مسابقة روبوكوب.
روبوت يركض نحو الكرة ويتنافس في مسابقة روبوكوب.

وفرت الألعاب بيئة لتطوير الذكاء الاصطناعي مع تطبيقات محتملة تتجاوز مجرد اللعب. ومن الأمثلة على ذلك واتسون ، وهو حاسوب يلعب برنامج Jeopardy!؛ وبطولة RoboCup ، حيث يتم تدريب الروبوتات على التنافس في كرة القدم. [ 15 ]

المشاهدات

يشكو العديد من الخبراء من أن مصطلح "الذكاء الاصطناعي" في مصطلح " ذكاء الألعاب " يبالغ في تقدير قيمته، إذ لا يتعلق ذكاء الألعاب بالذكاء الحقيقي، ولا يشارك إلا القليل من أهداف مجال الذكاء الاصطناعي الأكاديمي. فبينما يتناول "الذكاء الاصطناعي الحقيقي" مجالات التعلم الآلي، واتخاذ القرارات بناءً على مدخلات بيانات عشوائية، وحتى الهدف النهائي المتمثل في الذكاء الاصطناعي القوي القادر على التفكير المنطقي، غالبًا ما يتكون "ذكاء الألعاب" من ست قواعد عامة، أو أساليب استدلالية ، تكفي فقط لتوفير تجربة لعب جيدة. صُممت هذه القواعد لخلق وهم الذكاء، وتعتمد على ثلاثة مبادئ أساسية: رغبة اللاعب في الاعتقاد بوجود ذكاء بمستوى الذكاء البشري في الألعاب التي يلعبها، وميل الإنسان إلى إضفاء صفات بشرية على الكيانات غير البشرية، وأخيرًا قوة التوقع التي تُحسّن تجربة اللاعب. وتُعزز هذه المبادئ أكثر في جودة وأداء ذكاء الألعاب، من خلال "ترسيخ الوهم" عبر رسوم متحركة سلسة وغير آلية، وحوارات ملائمة للموقف، ومنح الذكاء الاصطناعي سببًا للوجود وشخصية تتجاوز شخصية اللاعب، والاستجابة المناسبة للموقف والبيئة. [ 16 ] تاريخيًا، كانت مشاريع الذكاء الاصطناعي في الألعاب الأكاديمية منفصلة نسبيًا عن المنتجات التجارية، نظرًا لأن المناهج الأكاديمية كانت تميل إلى البساطة وعدم قابليتها للتوسع. وقد طوّر الذكاء الاصطناعي التجاري في الألعاب مجموعة أدواته الخاصة، والتي كانت كافية لتحقيق أداء جيد في كثير من الحالات. [ 17 ]

مع ازدياد وعي مطوري الألعاب بالذكاء الاصطناعي الأكاديمي، وتزايد اهتمام الأوساط الأكاديمية بألعاب الحاسوب، أصبح تعريف الذكاء الاصطناعي في الألعاب أقل غموضًا . ومع ذلك، فإن الاختلافات الجوهرية بين مجالات تطبيق الذكاء الاصطناعي المختلفة تعني أنه لا يزال من الممكن اعتبار ذكاء الألعاب مجالًا فرعيًا متميزًا. وعلى وجه الخصوص، تُشكل القدرة على حل بعض مشكلات الذكاء الاصطناعي في الألعاب بطريقة مشروعة عن طريق الغش تمييزًا هامًا. فعلى سبيل المثال، قد يكون استنتاج موقع جسم غير مرئي من الملاحظات السابقة مشكلة معقدة عند تطبيق الذكاء الاصطناعي على الروبوتات، ولكن في لعبة حاسوب، يمكن لشخصية غير قابلة للعب (NPC) ببساطة البحث عن الموقع في مخطط مشهد اللعبة . قد يؤدي هذا الغش إلى سلوك غير واقعي، وبالتالي فهو غير مرغوب فيه دائمًا. لكن إمكانية حدوثه تُميز ذكاء الألعاب وتطرح مشكلات جديدة، مثل متى وكيف يُمكن الغش.

يتمثل العائق الرئيسي أمام الذكاء الاصطناعي القوي في عمق التفكير المتأصل والتعقيد الشديد لعملية اتخاذ القرار. وهذا يعني أنه على الرغم من إمكانية تطوير ذكاء اصطناعي "ذكي" نظرياً، إلا أن هذه المشكلة ستتطلب قدرة معالجة هائلة.

الاستخدام

في محاكاة الحاسوب لألعاب الطاولة

في ألعاب الفيديو الحديثة

تُستخدم خوارزميات الذكاء الاصطناعي/الخوارزميات الاستدلالية في مجالات متنوعة ومتباينة داخل اللعبة. وأبرزها التحكم في الشخصيات غير القابلة للعب (NPCs) داخل اللعبة، على الرغم من أن "البرمجة" ( شجرة القرار ) هي الوسيلة الأكثر شيوعًا للتحكم حاليًا. [ 18 ] غالبًا ما تُؤدي أشجار القرار المكتوبة يدويًا إلى "غباء اصطناعي" مثل السلوك المتكرر، وفقدان الانغماس في اللعبة، أو السلوك غير الطبيعي في مواقف لم يخطط لها المطورون. [ 19 ]

يُعدّ البحث عن المسار ، وهو استخدام شائع آخر للذكاء الاصطناعي، شائعًا في ألعاب الاستراتيجية الآنية . البحث عن المسار هو أسلوب لتحديد كيفية انتقال شخصية غير قابلة للعب (NPC) من نقطة إلى أخرى على الخريطة، مع مراعاة التضاريس والعوائق، وربما " ضباب الحرب ". [ 20 ] [ 21 ] غالبًا ما تستخدم ألعاب الفيديو التجارية "البحث عن المسار القائم على الشبكة"، وهو أسلوب سريع وبسيط، حيث تُرسَم التضاريس على شبكة مربعات منتظمة، ويُطبَّق عليها خوارزمية بحث عن المسار مثل A* أو IDA* . [ 22 ] [ 23 ] [ 24 ] بدلًا من الشبكة المنتظمة، تستخدم بعض الألعاب مضلعات غير منتظمة، وتُنشئ شبكة ملاحة من مناطق الخريطة التي يمكن للشخصيات غير القابلة للعب الوصول إليها سيرًا على الأقدام. [ 22 ] [ 25 ] كطريقة ثالثة، قد يكون من الملائم للمطورين أحيانًا تحديد "نقاط الطريق" يدويًا التي يجب أن تستخدمها الشخصيات غير القابلة للعب للتنقل؛ ولكن يعيب هذه النقاط أنها قد تُنتج حركة غير طبيعية. بالإضافة إلى ذلك، تميل نقاط التوجيه إلى أن تكون أقل فعالية من شبكات الملاحة في البيئات المعقدة. [ 26 ] [ 27 ] وبعيدًا عن البحث عن المسار الثابت، تُعدّ الملاحة فرعًا من فروع الذكاء الاصطناعي في الألعاب، حيث تُركّز على منح الشخصيات غير القابلة للعب (NPCs) القدرة على التنقل في بيئة ديناميكية، وإيجاد مسار إلى هدف مع تجنّب الاصطدامات مع الكيانات الأخرى (شخصيات غير قابلة للعب أخرى، لاعبين، إلخ) أو التعاون معها (الملاحة الجماعية). غالبًا ما يكون أداء الملاحة ضعيفًا في ألعاب الاستراتيجية الديناميكية التي تضمّ أعدادًا كبيرة من الوحدات، مثل Age of Empires (1997) أو Civilization V (2010)؛ إذ تعيق الوحدات بعضها بعضًا في كثير من الأحيان. [ 27 ]

بدلاً من تحسين ذكاء اللعبة الاصطناعي لحل مشكلة معقدة في البيئة الافتراضية، غالباً ما يكون من الأجدى اقتصادياً تعديل السيناريو ليكون أكثر سهولة. فإذا تعثرت عملية البحث عن المسار عند عائق معين، قد يلجأ المطور إلى نقل العائق أو حذفه. [ 28 ] في لعبة هاف لايف (1998)، فشلت خوارزمية البحث عن المسار أحياناً في إيجاد طريقة مناسبة لجميع الشخصيات غير القابلة للعب لتفادي قنبلة يدوية؛ فبدلاً من السماح لها بمحاولة تفاديها بشكل عشوائي والمخاطرة بالظهور بمظهر غير لائق، قام المطورون ببرمجتها للانحناء والاختباء في مكانها في تلك الحالة. [ 29 ]

الذكاء الاصطناعي القتالي في ألعاب الفيديو

تندرج العديد من ألعاب الفيديو المعاصرة ضمن فئات الحركة، وألعاب التصويب من منظور الشخص الأول ، والمغامرات. وفي معظم هذه الأنواع من الألعاب، يوجد مستوى معين من القتال. وتُعدّ كفاءة الذكاء الاصطناعي في القتال عنصراً بالغ الأهمية في هذه الأنواع. ويتمثل أحد الأهداف الشائعة اليوم في جعل الذكاء الاصطناعي أقرب إلى البشر، أو على الأقل يبدو كذلك.

من أبرز الميزات الإيجابية والفعّالة في الذكاء الاصطناعي لألعاب الفيديو الحديثة هي القدرة على "المطاردة". في البداية، كان الذكاء الاصطناعي يتفاعل بطريقة ثنائية حادة؛ فإذا كان اللاعب في منطقة معينة، كان الذكاء الاصطناعي إما يهاجم بشكل كامل أو يتخذ موقفًا دفاعيًا بحتًا. في السنوات الأخيرة، تم إدخال مفهوم "المطاردة"؛ حيث يبحث الذكاء الاصطناعي في هذه الحالة عن مؤشرات واقعية، مثل الأصوات التي تصدرها الشخصية أو آثار أقدامها. [ 30 ] هذه التطورات تتيح في النهاية أسلوب لعب أكثر تعقيدًا. فبفضل هذه الميزة، يستطيع اللاعب التفكير مليًا في كيفية الاقتراب من العدو أو تجنبه. وتُعد هذه الميزة شائعة بشكل خاص في ألعاب التخفي .

من التطورات الحديثة في مجال الذكاء الاصطناعي للألعاب، تطوير "غريزة البقاء". تستطيع الحواسيب داخل اللعبة تمييز العناصر المختلفة في البيئة المحيطة وتحديد ما إذا كانت مفيدة أم ضارة لبقائها. ومثل المستخدم، يمكن للذكاء الاصطناعي البحث عن غطاء أثناء الاشتباكات النارية قبل اتخاذ أي إجراءات قد تجعله عرضة للخطر، مثل إعادة تعبئة السلاح أو إلقاء قنبلة يدوية. ويمكن ضبط مؤشرات تحدد متى يتفاعل الذكاء الاصطناعي بطريقة معينة. على سبيل المثال، إذا أُعطي الذكاء الاصطناعي أمرًا بفحص صحته خلال اللعبة، فيمكن ضبط أوامر أخرى ليتفاعل بطريقة محددة عند بلوغ نسبة معينة من صحته. فإذا انخفضت صحته عن حد معين، يمكن برمجة الذكاء الاصطناعي للابتعاد عن اللاعب وتجنبه حتى يتم تفعيل وظيفة أخرى. مثال آخر، إذا لاحظ الذكاء الاصطناعي نفاد ذخيرته، فسيبحث عن غطاء ويختبئ خلفه حتى يعيد تعبئة سلاحه. تجعل هذه التصرفات الذكاء الاصطناعي يبدو أقرب إلى البشر. ومع ذلك، لا يزال هناك مجال للتحسين في هذا الجانب.

من الآثار الجانبية الأخرى للذكاء الاصطناعي في القتال، ما يحدث عندما يتقابل شخصيتان يتحكم بهما الذكاء الاصطناعي؛ وقد شاع هذا الأمر لأول مرة في لعبة Doom من إنتاج شركة id Software ، حيث يمكن أن يندلع ما يُسمى بـ"قتال الوحوش" في بعض المواقف. تحديدًا، قد تهاجم شخصيات الذكاء الاصطناعي المبرمجة للرد على الهجمات المعادية بعضها بعضًا إذا اقتربت هجمات رفاقها منها كثيرًا. في حالة Doom ، تشير أدلة اللعب المنشورة إلى إمكانية استغلال اقتتال الوحوش للبقاء على قيد الحياة في مستويات معينة ومستويات صعوبة محددة.

توليد المحتوى الإجرائي

توليد المحتوى الإجرائي (PCG) هو تقنية ذكاء اصطناعي تُستخدم لإنشاء محتوى داخل اللعبة تلقائيًا عبر خوارزميات ، مع الحد الأدنى من تدخل المصممين. [ 31 ] يُستخدم PCG عادةً لتوليد ميزات اللعبة ديناميكيًا، مثل المستويات، وحوارات الشخصيات غير القابلة للعب، والمؤثرات الصوتية. يُدخل المطورون معايير محددة لتوجيه الخوارزميات في إنشاء المحتوى. يوفر PCG مزايا عديدة من منظور التطوير وتجربة اللاعب. إذ يُمكن لاستوديوهات الألعاب توفير المال المُخصص للفنانين وتوفير الوقت في الإنتاج. [ 32 ] ويحصل اللاعبون على تجربة جديدة قابلة لإعادة اللعب مرات عديدة، حيث تُولّد اللعبة محتوى جديدًا في كل مرة يلعبونها. يسمح PCG لمحتوى اللعبة بالتكيف في الوقت الفعلي مع تصرفات اللاعب. [ 33 ]

مستويات مُولَّدة إجرائياً

استُخدمت الخوارزميات التوليدية (وهي شكل بدائي من الذكاء الاصطناعي) في تصميم المراحل لعقود. وتُعد لعبة Rogue الشهيرة ، وهي لعبة كمبيوتر من نوع ألعاب تقمص الأدوار في الأبراج المحصنة صدرت عام 1980 ، مثالًا أساسيًا على ذلك. يُكلَّف اللاعبون بالنزول عبر مستويات متزايدة الصعوبة في برج محصن لاستعادة تميمة يندور. تُولَّد مستويات البرج المحصن خوارزميًا في بداية كل لعبة. ويُحذف ملف الحفظ في كل مرة يموت فيها اللاعب. [ 34 ] يُتيح توليد الأبراج المحصنة خوارزميًا أسلوب لعب فريدًا لم يكن ليُوجد لولا ذلك، لأن هدف استعادة التميمة هو نفسه في كل مرة. يتميز نوع ألعاب الفيديو الشبيهة بـ Rogue ، والمُشتق من Rogue ، بألعاب تستخدم نوعًا من التوليد الإجرائي لتوفير إمكانية إعادة لعب شبه لا نهائية. [ 35 ]

تتباين الآراء حول توليد المستويات بالكامل، كما هو الحال في ألعاب مثل Rogue . قد يشكك بعض المطورين في جودة المحتوى المُولّد، ويرغبون في إنشاء عالم ذي طابع "بشري" أكثر، لذا يستخدمون تقنية توليد المحتوى المُولّد بشكل محدود. [ 31 ] ونتيجةً لذلك، يقتصر استخدامهم لهذه التقنية على توليد عناصر محددة من مستوى مصمم يدويًا. ومن الأمثلة البارزة على ذلك لعبة التصويب التكتيكية Tom Clancy's Ghost Recon Wildlands من Ubisoft ، والتي صدرت عام 2017. استخدم المطورون خوارزمية لتحديد المسارات ، تم تدريبها باستخدام مجموعة بيانات من خرائط حقيقية، لإنشاء شبكات طرق تتخلل القرى المصممة يدويًا داخل عالم اللعبة. [ 33 ] يُعد هذا استخدامًا ذكيًا لتقنية توليد المحتوى المُولّد، حيث يمتلك الذكاء الاصطناعي كمية كبيرة من بيانات العالم الحقيقي للعمل معها، كما أن إنشاء الطرق أمر بسيط. مع ذلك، من المرجح أن يغفل الذكاء الاصطناعي عن بعض التفاصيل الدقيقة إذا كُلِّف بإنشاء قرية يسكنها الناس.

مع تطور الذكاء الاصطناعي، تتجه أهداف المطورين نحو إنشاء مستودعات ضخمة من المستويات من مجموعات البيانات. في عام 2023، قام باحثون من جامعة نيويورك وجامعة ويتواترسراند بتدريب نموذج لغوي ضخم لتوليد مستويات على غرار لعبة الألغاز "سوكوبان" الصادرة عام 1981. ووجدوا أن النموذج تفوق في توليد مستويات بخصائص محددة مطلوبة، مثل مستوى الصعوبة أو التصميم. [ 31 ] مع ذلك، تتطلب النماذج الحالية، مثل النموذج المستخدم في الدراسة، مجموعات بيانات ضخمة من المستويات لتكون فعالة. وخلص الباحثون إلى أنه على الرغم من كونها واعدة، إلا أن التكلفة العالية للبيانات اللازمة للنماذج اللغوية الضخمة تفوق حاليًا فوائدها لهذا التطبيق. [ 31 ] من المرجح أن تؤدي التطورات المستمرة في هذا المجال إلى استخدام أوسع نطاقًا في المستقبل.

الموسيقى والصوت المُولّدان إجرائياً

تُعدّ الموسيقى التصويرية للعبة فيديو تعبيرًا هامًا عن الحالة العاطفية للمشهد بالنسبة للاعب. فالمؤثرات الصوتية ، مثل صوت اصطدام سلاح بالعدو، تُساعد في توضيح تأثير أفعال اللاعب. ويُضفي توليد هذه المؤثرات في الوقت الفعلي تجربةً تفاعليةً للاعب، لأن اللعبة تستجيب بشكل أفضل لإدخالاته. [ 31 ] ومن الأمثلة على ذلك لعبة المغامرات "بروتيوس" الصادرة عام 2013 ، حيث تُكيّف خوارزمية الموسيقى ديناميكيًا بناءً على زاوية رؤية اللاعب للمشهد داخل اللعبة. [ 34 ]

أدت التطورات الحديثة في مجال الذكاء الاصطناعي إلى ابتكار أدوات متطورة قادرة على إنشاء الموسيقى والمؤثرات الصوتية بناءً على عوامل متغيرة بأقل قدر من تدخل المطورين. ومن الأمثلة على ذلك مولد الموسيقى MetaComposure. MetaComposure عبارة عن خوارزمية تطورية مصممة لتوليد مقطوعات موسيقية أصلية أثناء اللعب في الوقت الفعلي لتتناسب مع الحالة المزاجية السائدة في بيئة اللعبة. [ 36 ] تستطيع الخوارزمية تقييم الحالة المزاجية الحالية للعبة من خلال "وسم الحالة المزاجية". تشير الأبحاث إلى وجود ارتباط إحصائي إيجابي قوي بين تفاعل اللاعبين مع اللعبة والمقطوعات الموسيقية المُولدة ديناميكيًا عندما تتطابق بدقة مع مشاعرهم الحالية. [ 37 ]

نماذج اللغة والانتشار الكبيرة

استُخدمت أدوات توليدية مشابهة لتلك المستخدمة في نماذج التعلم اللغوي ونماذج الانتشار مثل Midjourney وDALL-E لإنشاء بيئات داخل الألعاب، وقد صرّحت شركات مثل Ubisoft بأنها تُجري تجارب على استخدام الذكاء الاصطناعي لتوليد حوارات أساسية. [ 38 ] يستخدم مطورو Roblox الذكاء الاصطناعي لتوليد كائنات ثلاثية الأبعاد للاعبين، وهو برنامج مفتوح المصدر يُولّد كائنات ثلاثية الأبعاد استنادًا إلى أساليب نماذج التعلم اللغوي لتوليد الكلمات. [ 39 ]

طريقة بحث شجرة مونت كارلو

غالبًا ما تعتمد تقنيات الذكاء الاصطناعي في الألعاب على إيجاد المسار وآلات الحالة المحدودة. يُمكّن إيجاد المسار الذكاء الاصطناعي من الانتقال من النقطة أ إلى النقطة ب، عادةً بأقصر الطرق الممكنة. تسمح آلات الحالة بالانتقال بين سلوكيات مختلفة. توفر طريقة بحث شجرة مونت كارلو [ 40 ] تجربة لعب أكثر جاذبية من خلال إنشاء عقبات إضافية للاعب لتجاوزها. تتكون هذه الطريقة من مخطط شجري يلعب فيه الذكاء الاصطناعي لعبة إكس-أو . بناءً على النتيجة، يختار مسارًا يؤدي إلى العقبة التالية للاعب. في ألعاب الفيديو المعقدة، قد تحتوي هذه الأشجار على فروع أكثر، شريطة أن يتمكن اللاعب من ابتكار استراتيجيات متعددة لتجاوز العقبة.

استخدامات في الألعاب تتجاوز الشخصيات غير القابلة للعب

قد يلعب الذكاء الاصطناعي الأكاديمي دورًا في مجال الذكاء الاصطناعي للألعاب، خارج نطاق الاهتمام التقليدي بالتحكم في سلوك الشخصيات غير القابلة للعب. وقد سلط جورجيوس ن. ياناكاكيس الضوء على أربعة مجالات تطبيق محتملة: [ 17 ]

  1. نمذجة تجربة اللاعب : فهم قدرات اللاعب وحالته النفسية لتخصيص اللعبة بما يناسبه. يشمل ذلك موازنة صعوبة اللعبة ديناميكيًا ، أي تعديل مستوى الصعوبة في اللعبة بشكل فوري بناءً على قدرات اللاعب. كما قد يساعد الذكاء الاصطناعي في اللعبة على استنتاج نوايا اللاعب (مثل التعرف على الإيماءات ).
  2. توليد المحتوى الإجرائي : إنشاء عناصر بيئة اللعبة، مثل الظروف البيئية والمستويات وحتى الموسيقى، بطريقة آلية. يمكن لأساليب الذكاء الاصطناعي توليد محتوى جديد أو قصص تفاعلية.
  3. التنقيب عن البيانات المتعلقة بسلوك المستخدم: يسمح هذا لمصممي الألعاب باستكشاف كيفية استخدام الناس للعبة، وما هي الأجزاء التي يلعبونها أكثر، وما الذي يدفعهم إلى التوقف عن اللعب، مما يسمح للمطورين بضبط أسلوب اللعب أو تحسين تحقيق الدخل.
  4. الأساليب البديلة للتعامل مع الشخصيات غير القابلة للعب: وتشمل هذه الأساليب تغيير إعداد اللعبة لتعزيز مصداقية الشخصيات غير القابلة للعب واستكشاف السلوك الاجتماعي بدلاً من السلوك الفردي لهذه الشخصيات.

بدلاً من التوليد الإجرائي، استخدم بعض الباحثين الشبكات التوليدية التنافسية (GANs) لإنشاء محتوى جديد. في عام 2018، درّب باحثون في جامعة كورنوال شبكة GAN على ألف مستوى من تصميم البشر للعبة Doom ؛ وبعد التدريب، تمكّن النموذج الأولي للشبكة العصبية من تصميم مستويات جديدة قابلة للعب بشكل مستقل. وبالمثل، صمّم باحثون في جامعة كاليفورنيا نموذجًا أوليًا لشبكة GAN لتوليد مستويات للعبة Super Mario . [ 41 ] وفي عام 2020، عرضت شركة Nvidia نسخةً مُستنسخة من لعبة Pac-Man تم إنشاؤها باستخدام شبكة GAN ؛ حيث تعلّمت الشبكة كيفية إعادة إنشاء اللعبة من خلال مشاهدة 50,000 عملية لعب (معظمها من إنشاء برامج آلية). [ 42 ]

الشخصيات غير القابلة للعب (NPCs)

الشخصيات غير القابلة للعب هي كيانات داخل ألعاب الفيديو لا يتحكم بها اللاعبون، بل تُدار بواسطة أنظمة الذكاء الاصطناعي. تُساهم هذه الشخصيات في تعزيز تجربة الانغماس في اللعبة، وسرد القصص، وآليات اللعب. وغالبًا ما تُستخدم كرفقاء، ومُعطي مهام، وتجار، وغير ذلك الكثير. وقد شهدت واقعيتها تطورًا ملحوظًا في السنوات الأخيرة، بفضل التحسينات التي طرأت على تقنيات الذكاء الاصطناعي.

الأدوار السردية وأدوار اللعب

تُعدّ الشخصيات غير القابلة للعب (NPCs) عنصرًا أساسيًا في ألعاب العالم المفتوح والألعاب ذات القصة المشوقة على حدٍ سواء. فهي تُساعد في نقل تاريخ اللعبة وسياقها، مما يجعلها محورية في بناء العالم وتطور القصة. على سبيل المثال، يُمكن للشخصية غير القابلة للعب تقديم معلومات بالغة الأهمية، أو عرض مهام، أو ببساطة إضفاء طابع واقعي على العالم في اللعبة. بالإضافة إلى ذلك، فإن دورها كمُقدّمي مهام أو تجار يجعلها جزءًا لا يتجزأ من آلية اللعب، حيث تُتيح للاعبين الوصول إلى الموارد والمهام والخدمات التي تُمكّنهم من مواصلة التقدم.

بالإضافة إلى ذلك، يمكن تصميم الشخصيات غير القابلة للعب (NPCs) لأداء أدوار وظيفية في الألعاب، مثل دور التاجر أو تقديم خدمة للاعب. وتُعد هذه الشخصيات أساسية لتسهيل آليات اللعبة من خلال العمل كوسيط بين اللاعب وأنظمة اللعبة. ويقول الأكاديميون إن التفاعلات بين اللاعبين والشخصيات غير القابلة للعب تُصمم عادةً لتكون مباشرة ولكنها ذات صلة بالسياق، مما يضمن حصول اللاعب على التغذية الراجعة أو الموارد اللازمة لاستمرارية اللعب.

التطورات في الذكاء الاصطناعي للشخصيات غير القابلة للعب

أدت التطورات الحديثة في مجال الذكاء الاصطناعي إلى تحسين تعقيد وواقعية الشخصيات غير القابلة للعب (NPCs) بشكل ملحوظ. قبل هذه التطورات، كان الذكاء الاصطناعي يعمل وفق سلوكيات مُبرمجة مسبقًا، مما جعلها قابلة للتنبؤ والتكرار. مع تطور الذكاء الاصطناعي، أصبحت الشخصيات غير القابلة للعب أكثر قدرة على التكيف والاستجابة بشكل ديناميكي للاعبين. يعتقد الخبراء أن دمج تقنيات التعلم العميق والتعلم المعزز قد مكّن هذه الشخصيات من تعديل سلوكها استجابةً لتصرفات اللاعبين، مما يخلق تجربة لعب أكثر تفاعلية وشخصية.

من بين هذه التطورات استخدام نماذج السلوك التكيفي، التي تُمكّن الشخصيات غير القابلة للعب من تحليل قرارات اللاعبين والتعلم منها في الوقت الفعلي. يُتيح هذا السلوك تجربة أكثر تفاعلية. فعلى سبيل المثال، وكما ذكر خبراء في هذا المجال، باتت الشخصيات غير القابلة للعب في ألعاب الفيديو الحديثة قادرة على التفاعل مع تصرفات اللاعبين بمستوى عالٍ من الدقة، كتعديل تكتيكاتها في القتال أو تغيير حوارها بناءً على التفاعلات السابقة. وباستخدام خوارزميات التعلم العميق، تُحاكي هذه الأنظمة عملية اتخاذ القرارات البشرية، مما يجعل الشخصيات غير القابلة للعب تبدو أقرب إلى البشر الحقيقيين منها إلى مجرد عناصر ثابتة في اللعبة.

من التطورات الأخرى في مجال الذكاء الاصطناعي للشخصيات غير القابلة للعب استخدام معالجة اللغة الطبيعية ، مما يسمح لهذه الشخصيات بإجراء محادثات أكثر واقعية مع اللاعبين. قبل ذلك، كان حوار الشخصيات غير القابلة للعب يقتصر على مجموعة ثابتة من الردود. ويُقال إن معالجة اللغة الطبيعية قد حسّنت سلاسة محادثات هذه الشخصيات، مما يسمح لها بالاستجابة بشكل أكثر ملاءمة لسياق تفاعلات اللاعب. وقد زاد هذا التطور من عمق وتفاعل اللاعبين مع الشخصيات غير القابلة للعب، حيث أصبح بإمكان اللاعبين الآن خوض حوارات أكثر تعقيدًا تؤثر على مسار القصة ونتائج اللعب.

بالإضافة إلى ذلك، مكّنت نماذج التعلّم العميق الشخصيات غير القابلة للعب من أن تصبح أكثر قدرة على التنبؤ بسلوكيات اللاعبين. يسمح التعلّم العميق لهذه الشخصيات بمعالجة كميات هائلة من البيانات والتكيّف مع استراتيجيات اللاعبين، مما يجعل التفاعل معها أقل قابلية للتنبؤ وأكثر تنوّعًا. وهذا يخلق تجربة أكثر غامرة، حيث أصبحت الشخصيات غير القابلة للعب قادرة الآن على "التعلّم" من سلوك اللاعبين، مما يضفي إحساسًا أكبر بالواقعية داخل اللعبة.

أدت التطورات الحديثة في مجال الذكاء الاصطناعي لألعاب الفيديو إلى سلوكيات أكثر تعقيدًا وتكيفًا للشخصيات غير القابلة للعب (NPCs). فعلى سبيل المثال، تستخدم أنظمة الذكاء الاصطناعي الآن تقنيات متطورة مثل أشجار القرار وآلات الحالة لتحسين تفاعلات الشخصيات غير القابلة للعب وواقعيتها، كما هو موضح في بحث "الذكاء الاصطناعي في الألعاب". [ 43 ] كما ركزت التطورات الحديثة في مجال الذكاء الاصطناعي لألعاب الفيديو على تحسين السلوكيات الديناميكية والتكيفية للشخصيات غير القابلة للعب. فعلى سبيل المثال، استكشفت الأبحاث الحديثة استخدام الشبكات العصبية المعقدة لتمكين هذه الشخصيات من تعلم سلوكها وتكييفه بناءً على تصرفات اللاعب، مما يُحسّن تجربة اللعب بشكل عام. هذا النهج مُفصّل في ورقة بحثية صادرة عن معهد مهندسي الكهرباء والإلكترونيات (IEEE) بعنوان "تقنيات الذكاء الاصطناعي لأنظمة الألعاب التفاعلية". [ 44 ]

التحديات في تطوير NPC

على الرغم من كل هذه التطورات في مجال الذكاء الاصطناعي للشخصيات غير القابلة للعب، لا تزال هناك تحديات كبيرة تواجه المطورين في تصميمها. فهم بحاجة إلى تحقيق التوازن بين الواقعية والوظائف وتوقعات اللاعبين. ويكمن التحدي الرئيسي في ضمان أن تُثري هذه الشخصيات تجربة اللاعبين، بدلاً من أن تُفسد أسلوب اللعب. فالشخصيات الواقعية للغاية والتي تتصرف بشكل غير متوقع قد تُحبط اللاعبين من خلال عرقلة تقدمهم أو كسر اندماجهم في اللعبة. في المقابل، قد تفشل الشخصيات المتوقعة أو البسيطة للغاية في جذب اللاعبين، مما يُقلل من فعالية سرد اللعبة وآلياتها بشكل عام.

هناك عامل آخر يجب أخذه في الاعتبار، وهو تكلفة الحوسبة اللازمة لتطبيق الذكاء الاصطناعي المتقدم للشخصيات غير القابلة للعب. يتطلب استخدام هذه التقنيات المتقدمة قدرة معالجة هائلة، مما قد يحد من استخدامها. لذا، يُعدّ تحقيق التوازن بين أداء الشخصيات غير القابلة للعب المدعومة بالذكاء الاصطناعي والقيود التقنية العامة للعبة أمرًا بالغ الأهمية لضمان تجربة لعب سلسة. وقد أشار الخبراء إلى ضرورة أن يُخصّص المطورون الموارد بكفاءة لتجنب إرهاق أنظمة اللعبة، لا سيما في ألعاب العالم المفتوح الضخمة حيث يتفاعل عدد كبير من الشخصيات غير القابلة للعب مع اللاعب في وقت واحد.

أخيرًا، لا يزال إنشاء شخصيات غير قابلة للعب (NPCs) قادرة على الاستجابة ديناميكيًا لمجموعة واسعة من سلوكيات اللاعبين مهمة صعبة. يجب أن تكون هذه الشخصيات قادرة على التعامل مع كل من التفاعلات المبرمجة مسبقًا والسيناريوهات غير المبرمجة التي قد يتصرف فيها اللاعبون بطرق غير متوقعة. يتطلب تصميم شخصيات غير قابلة للعب قادرة على التكيف مع هذا التباين نماذج ذكاء اصطناعي معقدة قادرة على استيعاب العديد من التفاعلات المحتملة، وهو ما قد يكون مكلفًا من حيث الموارد والوقت بالنسبة للمطورين.

الذكاء الاصطناعي الغشاش

يسأل اللاعبون دائمًا عما إذا كان الذكاء الاصطناعي يغش (على الأرجح حتى يتمكنوا من الشكوى إذا خسروا).

— تيري لي كولمان من عالم ألعاب الكمبيوتر ، 1994 [ 45 ]

في سياق الذكاء الاصطناعي في ألعاب الفيديو، يُشير الغش إلى قيام المبرمج بمنح البرامج الذكية صلاحيات ومعلومات لا تتوفر للاعب في نفس الموقف. [ 46 ] وانطلاقًا من اعتقاده بأن جهاز أتاري ذو 8 بت لا يستطيع منافسة اللاعب البشري، لم يُصلح كريس كروفورد خللًا في لعبة "الجبهة الشرقية" (1941) كان يُفيد الجانب الروسي المُتحكم به بواسطة الحاسوب. [ 47 ] وذكرت مجلة "عالم ألعاب الحاسوب" عام 1994 أن "من الحقائق المعروفة أن العديد من برامج الذكاء الاصطناعي "تغش" (أو على الأقل "تتلاعب") لتتمكن من مُجاراة اللاعبين البشريين". [ 48 ]

على سبيل المثال، إذا أرادت الأنظمة الذكية معرفة ما إذا كان اللاعب قريبًا، فيمكن تزويدها إما بمستشعرات معقدة تحاكي حواس الإنسان (كالرؤية والسمع، إلخ)، أو يمكنها الغش ببساطة عن طريق سؤال محرك اللعبة عن موقع اللاعب. ومن بين الأساليب الشائعة منح الذكاء الاصطناعي سرعات أعلى في ألعاب السباق للحاق باللاعب، أو وضعه في مواقع مميزة في ألعاب إطلاق النار من منظور الشخص الأول. يُظهر استخدام الغش في الذكاء الاصطناعي حدود "الذكاء" الذي يمكن تحقيقه اصطناعيًا؛ فعمومًا، في الألعاب التي تتطلب إبداعًا استراتيجيًا، يستطيع البشر التغلب على الذكاء الاصطناعي بسهولة بعد عدد قليل من المحاولات والتجارب لولا هذه الميزة. غالبًا ما يُستخدم الغش لأسباب تتعلق بالأداء، وفي كثير من الحالات يُعتبر مقبولًا طالما أن تأثيره غير واضح للاعب. مع أن الغش يشير فقط إلى الامتيازات الممنوحة للذكاء الاصطناعي تحديدًا - ولا يشمل السرعة والدقة الخارقة للطبيعة التي يتمتع بها الحاسوب - إلا أن اللاعب قد يصف المزايا الكامنة في الحاسوب بأنها "غش" إذا أدت إلى تصرف النظام الذكي بشكل مختلف عن اللاعب البشري. [ 46 ] صرّح سيد ماير بأنه حذف تحالفات اللاعبين المتعددين في لعبة Civilization لأنه وجد أن الكمبيوتر يكاد يكون بنفس كفاءة البشر في استخدامها، مما دفع اللاعبين إلى الاعتقاد بأن الكمبيوتر يغش. [ 49 ] يقول المطورون إن معظم أنظمة الذكاء الاصطناعي في الألعاب تتسم بالنزاهة، لكنهم لا يحبون شكاوى اللاعبين الخاطئة بشأن "غش" الذكاء الاصطناعي. إضافةً إلى ذلك، يستخدم البشر أساليب ضد أجهزة الكمبيوتر لا يستخدمونها ضد الآخرين. [ 47 ]

باختصار، يُعتبر الذكاء الاصطناعي الغشاش عندما يبدو أن اللعبة تخالف قواعدها، مما يُنتج نتائج مستحيلة. أما عكس ذلك فهو الصعوبة الديناميكية ، وهي تعديل مُنظّم لمهارة الذكاء الاصطناعي للحفاظ على المنافسة، مع مراعاة آليات اللعبة. قد تجمع بعض الألعاب بين هذين النظامين معًا.

أمثلة

في لعبة " كريتشرز " (Creatures) الصادرة عام 1996، يقوم المستخدم بتفقيس حيوانات صغيرة ذات فراء ويعلمها كيفية التصرف. تستطيع هذه "النورنز" (Norns) التحدث، وإطعام نفسها، وحماية نفسها من المخلوقات المفترسة. كانت هذه اللعبة أول تطبيق شائع للتعلم الآلي في محاكاة تفاعلية. تستخدم المخلوقات الشبكات العصبية لتعلم ما يجب فعله. تُعتبر اللعبة طفرة في أبحاث الحياة الاصطناعية ، التي تهدف إلى نمذجة سلوك الكائنات الحية المتفاعلة مع بيئتها. [ 50 ]

في لعبة التصويب من منظور الشخص الأول "هالو: كومبات إيفولفد" الصادرة عام 2001 ، يتولى اللاعب دور "ماستر تشيف"، ويخوض معارك ضد كائنات فضائية متنوعة سيرًا على الأقدام أو في مركبات. يستخدم الأعداء التغطية بذكاء شديد، ويوظفون نيران التغطية والقنابل اليدوية. يؤثر وضع الفريق على الأفراد، لذا يفر بعض الأعداء عند موت قائدهم. يُولى اهتمام كبير للتفاصيل الدقيقة، حيث يقوم الأعداء برمي القنابل اليدوية أو يستجيب أعضاء الفريق عند تعرضهم للمضايقة. وقد اكتسبت تقنية " شجرة السلوك " الأساسية شعبية واسعة في صناعة الألعاب منذ " هالو 2 " . [ 50 ]

في لعبة الرعب النفسي FEAR، التي صدرت عام 2005، يواجه اللاعبون كتيبة من الجنود الخارقين المستنسخين والروبوتات والكائنات الخارقة للطبيعة . يستخدم الذكاء الاصطناعي في اللعبة مُخططًا لتوليد سلوكيات حساسة للسياق، وهي المرة الأولى التي تُستخدم فيها هذه التقنية في لعبة رئيسية. ولا تزال هذه التقنية مرجعًا للعديد من استوديوهات تطوير الألعاب. تستطيع النسخ المستنسخة استغلال بيئة اللعبة لصالحها، مثل قلب الطاولات والرفوف للاحتماء، وفتح الأبواب، وتحطيم النوافذ، أو حتى ملاحظة مصباح اللاعب اليدوي (وتنبيه رفاقهم إليه). إضافةً إلى ذلك، يستطيع الذكاء الاصطناعي أيضًا القيام بمناورات التفافية، باستخدام نيران كثيفة، وإلقاء القنابل اليدوية لإخراج اللاعب من مخبئه، وحتى التظاهر بالموت. معظم هذه الأفعال، وخاصةً المناورات الالتفافية، هي نتيجة سلوكيات ناشئة. [ 51 ] [ 52 ]

تُقدّم سلسلة ألعاب الرعب والبقاء STALKER (2007–) تجربةً فريدةً للاعب، حيث يواجه تجارب من صنع الإنسان، وجنودًا عسكريين، ومرتزقة يُعرفون باسم "المطاردين". يستخدم الأعداء المتنوعون (عند ضبط مستوى الصعوبة على أعلى مستوى) أساليب قتالية وسلوكيات مختلفة، مثل معالجة الحلفاء الجرحى، وإصدار الأوامر، ومحاصرة اللاعب، واستخدام الأسلحة بدقة متناهية.

تتيح لعبة StarCraft II: Wings of Liberty، وهي لعبة استراتيجية في الوقت الحقيقي صدرت عام 2010، للاعب التحكم في أحد الفصائل الثلاثة في ساحة معركة فردية (1 ضد 1)، أو ثنائية (2 ضد 2)، أو ثلاثية (3 ضد 3). يجب على اللاعب هزيمة خصومه بتدمير جميع وحداتهم وقواعدهم. ويتحقق ذلك من خلال إنشاء وحدات فعّالة في مواجهة وحدات الخصوم. يمكن للاعبين اللعب ضد مستويات صعوبة مختلفة للذكاء الاصطناعي، تتراوح من السهل جدًا إلى مستوى "الغش 3" (الجنوني). يتمتع الذكاء الاصطناعي بالقدرة على الغش في مستوى "الغش 1" (الرؤية)، حيث يمكنه رؤية الوحدات والقواعد التي لا يستطيع اللاعب رؤيتها في نفس الموقف. يمنح مستوى "الغش 2" الذكاء الاصطناعي موارد إضافية، بينما يمنح مستوى "الغش 3" ميزة كبيرة على خصمه. [ 53 ]

تُجسّد لعبة Red Dead Redemption 2 ، التي أصدرتها شركة Rockstar Games عام 2018، الاستخدام المتقدم للذكاء الاصطناعي في ألعاب الفيديو الحديثة. تتضمن اللعبة نظام ذكاء اصطناعي متطورًا للغاية يُسيطر على سلوك الشخصيات غير القابلة للعب (NPCs) وعالم اللعبة الديناميكي. تُظهر الشخصيات غير القابلة للعب في اللعبة سلوكيات معقدة ومتنوعة بناءً على مجموعة واسعة من العوامل، بما في ذلك بيئتها وتفاعلات اللاعب ووقت اليوم. يُساهم هذا المستوى من دمج الذكاء الاصطناعي في خلق تجربة غنية وغامرة، حيث تتفاعل الشخصيات مع اللاعبين بطريقة واقعية، مما يُعزز مكانة اللعبة كواحدة من أكثر ألعاب العالم المفتوح تطورًا على الإطلاق. [ 54 ]

الذكاء الاصطناعي التوليدي في ألعاب الفيديو

ظهر الذكاء الاصطناعي التوليدي ، وهو نظام ذكاء اصطناعي قادر على الاستجابة للمطالبات وإنتاج النصوص والصور والمقاطع الصوتية والمرئية، في عام 2023 مع أنظمة مثل ChatGPT و Stable Diffusion . في ألعاب الفيديو، يمكن لهذه الأنظمة أن تخلق إمكانية إنشاء عناصر اللعبة بشكل غير محدود، متجاوزةً بذلك القيود المعتادة على الإبداعات البشرية.

على سبيل المثال، تستخدم لعبة Infinite Craft، وهي لعبة رملية تفاعلية صدرت عام 2024، برمجيات الذكاء الاصطناعي التوليدي ، بما في ذلك LLaMA . عند دمج عنصرين، يُولّد الذكاء الاصطناعي عنصرًا جديدًا. [ 55 ] كما تستخدم لعبة Oasis، وهي لعبة رملية أخرى صدرت عام 2024 ، الذكاء الاصطناعي التوليدي لمحاكاة لعبة Minecraft . تم تدريب Oasis على ملايين الساعات من لقطات Minecraft ، وتتنبأ بشكل الإطار التالي من اللعبة باستخدام هذه البيانات. لا تتمتع Oasis بثبات الكائن لأنها لا تخزن أي بيانات. [ 56 ] أما لعبة AI2U: With You 'Til The End ، التي طورتها شركة AlterStaff Inc. عام 2025، فقد استخدمت ChatGPT لحوار الشخصيات غير القابلة للعب في اللعبة. [ 57 ]

تم دمج الذكاء الاصطناعي التوليدي لتحسين جودة صور الألعاب. وقد اعتمدت كل من تقنية Deep Learning Super Sampling (DLSS) من إنفيديا وتقنية FidelityFX Super Resolution (FSR) من AMD على الذكاء الاصطناعي في محركاتها. في مارس 2026، أعلنت إنفيديا عن الإصدار 5.0 من DLSS المقرر إطلاقه لاحقًا في نفس العام، والذي يتضمن، من بين تحسينات أخرى، محرك ذكاء اصطناعي "يُضفي على البكسلات إضاءة ومواد واقعية" لجعل رسومات الألعاب الحالية تبدو أكثر واقعية. وبينما أشاد بعض المطورين، بمن فيهم تود هوارد من بيثيسدا سوفت ووركس وجون تاكيوتشي من كابكوم، بهذه التقنية، فقد قوبلت من قبل مطورين آخرين والعديد من اللاعبين بأنها تبدو كعملية ذكاء اصطناعي رديئة ، حيث تبدو وجوه الشخصيات وكأنها مُعدّلة لتشبه شخصيات بشرية أخرى تم إنشاؤها بواسطة مخرجات فيديو الذكاء الاصطناعي التوليدي أو فلاتر الفيديو المستخدمة على وسائل التواصل الاجتماعي، مما يُقلل من قيمة الجهود الفنية للمطورين. [ 58 ] صرّح جنسن هوانغ من شركة إنفيديا بأن المطورين سيتمتعون بتحكم أكبر بكثير في كيفية تفاعل تقنية DLSS 5.0 مع ألعابهم، مما يسمح لهم بتعديل الإضاءة وتحسينات الملمس، وأن إنفيديا تواصل تحسين هذه التقنية قبل إصدارها. [ 59 ]

مع ذلك، توجد مخاوف مماثلة في مجالات أخرى، لا سيما احتمال فقدان الوظائف المخصصة عادةً لإنشاء هذه الأصول. [ 60 ] كان ممثلو الأداء الصوتي من أوائل الفئات التي أعربت عن قلقها بشأن استخدام الذكاء الاصطناعي التوليدي في ألعاب الفيديو. أنهى اتحاد ممثلي الشاشة (SAG-AFTRA) في أمريكا الشمالية إضرابًا عام 2023 ضد شركات إنتاج التلفزيون والأفلام، وانتهى الإضراب ببنود تعاقدية جديدة تمنح الممثلين سيطرة قوية على استخدام أصواتهم لتدريب محركات الذكاء الاصطناعي التوليدي. [ 61 ] بعد ذلك بوقت قصير، وافق الاتحاد على عقد مع شركة الذكاء الاصطناعي "ريبليكا ستوديوز" يسمح باستخدام أصوات أعضاء الاتحاد لتدريب الذكاء الاصطناعي وفي الألعاب، مع ضمان العقد للأجور وحماية الحقوق. ورغم موافقة لجنة تابعة لاتحاد ممثلي الشاشة (SAG-AFTRA) على العقد، فقد انتقد العديد من الأعضاء هذه الخطوة، لعدم إبلاغهم بها إلا بعد إتمامها، ولأن الاتفاق لم يوفر حماية كافية للممثلين. [ 62 ] بحلول الوقت الذي كان من المقرر أن تجدد فيه العديد من شركات نشر ألعاب الفيديو بنود عقودها العامة مع نقابة ممثلي الشاشة - الاتحاد الأمريكي لفناني التلفزيون والراديو (SAG-AFTRA)، اتخذت النقابة موقفًا أكثر حزمًا، مطالبةً بمزيد من الحماية للممثلين من استخدام الذكاء الاصطناعي، وبدأت إضرابًا استمر قرابة عام في يوليو 2024 عندما رفضت شركات ألعاب الفيديو الاستجابة لهذه المطالب. وانتهى الإضراب بحلول يوليو 2025 بموافقة شركات النشر المتضررة على عقد يمنح الممثلين سيطرة أكبر على استخدام أصواتهم في الذكاء الاصطناعي. [ 63 ] [ 64 ] [ 65 ]

أعربت شريحة كبيرة من اللاعبين عن استيائها من الألعاب التي تستخدم الذكاء الاصطناعي التوليدي في تطوير الرسومات وموارد اللعبة، إذ يرون أن استخدامه قد يضر بالعمل الإبداعي للمطورين البشريين، وسينتقدون الألعاب التي يعتقدون أنها تستخدم " ذكاءً اصطناعياً رديئاً " في إصداراتها، كما في حالة لعبة Where Winds Meet ، حيث لاحظ اللاعبون أن الحوارات داخل اللعبة تبدو وكأنها مُولّدة بواسطة روبوت محادثة يعمل بالذكاء الاصطناعي. كما ينتقد هؤلاء اللاعبون الاستوديوهات التي صرّحت بأنها استكشفت الذكاء الاصطناعي في عملية التطوير؛ ففي حالة لعبة Clair Obscur: Expedition 33 ، اعترفت شركة Sandfall Interactive المطورة باستخدامها لرسومات مُولّدة بالذكاء الاصطناعي أثناء التطوير، لكنها لم تكن موجودة في النسخة النهائية، ومع ذلك فقد تسببت هذه التقنية في خسارة اللعبة لجائزتين من جوائز Indie Game Awards لعام 2025، التي تمنع استخدام أي محتوى مُولّد بالذكاء الاصطناعي في التطوير. [ 66 ]

كشفت لعبة ARC Raiders ، التي أصدرتها شركة Embark Studios في نوفمبر 2025، عن استخدامها لأصوات الذكاء الاصطناعي التوليدية لبعض الشخصيات غير القابلة للعب. ورغم أن اللعبة لاقت استحسانًا عامًا من معظم مواقع الألعاب، حيث حصلت على تقييم 86 من 100 على موقع Metacritic ، إلا أن موقع Eurogamer منحها أحد أسوأ التقييمات، بتقييم 2 من 5، معللاً ذلك تحديدًا باستخدامها لأصوات الذكاء الاصطناعي التوليدية. أثار هذا الأمر نقاشًا واسعًا حول مسألة أصوات الذكاء الاصطناعي، حيث انتقد بعض اللاعبين لجوء الاستوديو إلى هذه التقنية، بينما رأى آخرون، مثل تيم سويني ، مؤسس شركة Epic Games ، أن هناك إمكانات هائلة لاستخدام أصوات الذكاء الاصطناعي، مما يتيح طرقًا لا حصر لها تقريبًا لتفاعل الشخصيات غير القابلة للعب مع اللاعبين. [ 67 ]

لضمان إفصاح ناشري الألعاب عن هذا المحتوى وتجنب مشاكل حقوق النشر المحتملة، فرضت شركة Valve متطلبات جديدة على ألعاب Steam ، تلزم بالإفصاح عن استخدام أصول الذكاء الاصطناعي المُولّدة مسبقًا أو التوليد المباشر عبر الذكاء الاصطناعي التوليدي في صفحة المتجر. [ 68 ] انتقد سويني هذه الخطوة، قائلاً: "إنها تجعل فرص نجاح مطوري الألعاب أصعب بكثير. إذ يضطرون للاختيار بين عدم استخدام الأدوات التي تُحسّن إنتاجيتهم بشكل كبير، أو الفشل على الأرجح بسبب المنافسة الشديدة التي تستخدمها." [ 69 ]

انظر أيضاً

القوائم

مراجع

  1. 1 2 بوغوست، إيان (مارس 2017). ""الذكاء الاصطناعي أصبح بلا معنى" . تم الاطلاع عليه بتاريخ 22 يوليو 2017 .
  2. 1 2 كابلان، جيري (مارس 2017). "مشكلة العلاقات العامة للذكاء الاصطناعي" . مجلة إم آي تي ​​للتكنولوجيا .
  3. 1 2 إيتون، إريك؛ ديتريش، توم؛ جيني، ماريا (ديسمبر 2015). "من يتحدث باسم الذكاء الاصطناعي؟". قضايا الذكاء الاصطناعي . 2 (2): 4-14 . doi : 10.1145/2847557.2847559 . S2CID 207233310 . 
  4. ↑ "كيف سيُحدث الذكاء الاصطناعي ثورة في طريقة تطوير ألعاب الفيديو ولعبها" . ذا فيرج . 6 مارس 2019.
  5. ↑ إيستوود، غاري. "كيف يُغيّر الذكاء الاصطناعي في ألعاب الفيديو العالم" . مجلة CIO . مؤرشف من الأصل بتاريخ 28 فبراير 2017. تم الاطلاع عليه بتاريخ 28 فبراير 2017 .
  6. ↑ "لماذا لن يساعد الذكاء الاصطناعي في الألعاب على جعل الذكاء الاصطناعي يعمل في العالم الحقيقي - ولكنه قد يفعل" . 30 أغسطس 2018.
  7. ↑ ريدهافر، ريموند (1948). "آلة للعب لعبة نيم" . المجلة الرياضية الأمريكية الشهرية . 55 (6): 343-349 . doi : 10.1080/00029890.1948.11999249 . ISSN 0002-9890 . 
  8. ↑ انظر "تاريخ موجز للحوسبة" على موقع AlanTuring.net.
  9. ↑ ، شيفر، جوناثان. قفزة واحدة للأمام: تحدي التفوق البشري في لعبة الداما ، 1997، 2009، سبرينغر، ISBN 978-0-387-76575-4الفصل السادس.
  10. ↑ ماكوردوك، باميلا (2004)، الآلات التي تفكر ( الطبعة الثانية)، ناتيك، ماساتشوستس: إيه كيه بيترز، رقم ISBN  1-5688-1205-1، الصفحات  480-483
  11. ↑ أول ملكة في موبي جيمز
  12. ↑ "الموقع الرسمي" . شركة كور سوفتوير كوبو . تم الاطلاع عليه بتاريخ 19 مايو 2011 .( ترجمة )
  13. ↑ شواب، 2004، الصفحات 97-112
  14. ↑ شواب، 2004، ص 107
  15. ↑ الذكاء الناشئ في الألعاب مؤرشف في 19 فبراير 2011 في Wayback Machine 17 فبراير 2011 .
  16. ↑ رابين، س. (2017). الذكاء الاصطناعي الاحترافي للألعاب 3: خلاصة حكمة محترفي الذكاء الاصطناعي للألعاب (المجلد 3). دار نشر سي آر سي. https://www.gameaipro.com/GameAIPro3/GameAIPro3_Chapter01_The_Illusion_of_Intelligence.pdf
  17. 1 2 ياناكاكيس، جيوجيوس ن (2012). “إعادة النظر في لعبة الذكاء الاصطناعي”. وقائع المؤتمر التاسع حول حدود الحوسبة (PDF) . ص 285 – 292. دوى : 10.1145 / 2212908.2212954 . رقم ISBN  9781450312158. S2CID 4335529 . مؤرشف (PDF) من الأصل في 8 أغسطس 2014. 
  18. ↑ غود، أوين س. (5 أغسطس 2017). "تعديل سكايرم يجعل تفاعلات الشخصيات غير القابلة للعب أقل آلية وأكثر شبهاً بلعبة سيمز" . بوليغون . تم الاطلاع عليه في 16 أبريل 2018 .
  19. ^ لارا كابريرا، ر.، نوغيرا-كولازو، م.، كوتا، سي، وفرنانديز ليفا، AJ (2015). لعبة الذكاء الاصطناعي: تحديات للمجتمع العلمي.
  20. ↑ ياناكاكيس، جي إن (مايو 2012). إعادة النظر في الذكاء الاصطناعي للألعاب. في وقائع المؤتمر التاسع حول حدود الحوسبة (ص 285-292). ACM.
  21. ↑ هاجلباك، يوهان، وستيفان ج. يوهانسون. "التعامل مع ضباب الحرب في بيئة لعبة استراتيجية في الوقت الحقيقي." في الذكاء الحسابي والألعاب، 2008. CIG'08. ندوة IEEE حول، الصفحات 55-62. IEEE، 2008.
  22. 1 2 عبد الغفور، زياد؛ سونار، محمد شهرزال؛ كوليفاند، هوشانغ (2015). "دراسة شاملة حول تقنيات إيجاد المسار للروبوتات وألعاب الفيديو" . المجلة الدولية لتكنولوجيا ألعاب الحاسوب . 2015 : 1-11 . doi : 10.1155/2015/736138 .
  23. ↑ ياب، بيتر. "إيجاد المسار القائم على الشبكة". في مؤتمر الجمعية الكندية للدراسات الحاسوبية للذكاء، ص 44-55. سبرينغر، برلين، هايدلبرغ، 2002.
  24. ↑ ستورتيفانت، ن. ر. (يونيو 2012). "معايير البحث عن المسار القائم على الشبكة". معاملات IEEE في الذكاء الحسابي والذكاء الاصطناعي في الألعاب . 4 (2): 144-148 . Bibcode : 2012ITCIA...4..144S . doi : 10.1109/TCIAIG.2012.2197681 . S2CID 2864753 . 
  25. ↑ غودوين، إس دي، مينون، إس، وبرايس، آر جي (2006). إيجاد المسار في التضاريس المفتوحة. في وقائع المؤتمر الأكاديمي الدولي حول مستقبل تصميم الألعاب والتكنولوجيا.
  26. ↑ ناريك، أ. (2004). الذكاء الاصطناعي في ألعاب الكمبيوتر. طابور، 1(10).
  27. 1 2 كوي، إكس.، وشي، إتش. (2011). البحث عن المسار باستخدام خوارزمية A* في ألعاب الكمبيوتر الحديثة. المجلة الدولية لعلوم الحاسوب وأمن الشبكات، 11(1)، 125-130.
  28. ↑ "تقنيات التصميم ومبادئ ألعاب الفيديو" . مجلة بايت . المجلد 7، العدد 12. 1982. ص 100.   
  29. ↑ ليدين، ل. (2003). الغباء الاصطناعي: فن الأخطاء المتعمدة. حكمة برمجة ألعاب الذكاء الاصطناعي، 2، 41-48.
  30. ↑ "الذكاء الاصطناعي في تصميم الألعاب" . ai-depot.net . تم الاطلاع عليه بتاريخ 23 مايو 2024 .
  31. 1 2 3 4 5 تود، غراهام؛ إيرل، سام؛ ناصر، محمد عمير؛ غرين، مايكل سيرني؛ توغيليوس، جوليان (2023). "توليد المستويات من خلال نماذج لغوية كبيرة" . وقائع المؤتمر الدولي الثامن عشر حول أسس الألعاب الرقمية . الصفحات 1-8 . arXiv : 2302.05817 . doi : 10.1145/3582437.3587211 . ISBN  978-1-4503-9855-8.
  32. ↑ R. van der Linden, R. Lopes and R. Bidarra, “Procedural Generation of Dungeons,” in IEEE Transactions on Computational Intelligence and AI in Games, vol. 6, no. 1, March 2014, pp. 78-89. doi: 10.1109/TCIAIG.2013.2290371 .
  33. 1 2 سيدل، س.، وآخرون. "الذكاء الاصطناعي وإنشاء ألعاب الفيديو: إطار عمل للمنطق الجديد للتصميم المستقل." مجلة البحوث الاجتماعية الرقمية ، المجلد 2، العدد 3، نوفمبر 2020، الصفحات 126-157. doi:10.33621/jdsr.v2i3.46 .
  34. 1 2 ليابيس، أنطونيوس (2021). "الذكاء الاصطناعي لتصميم الألعاب" . الذكاء الاصطناعي والفنون . التركيب الحاسوبي والأنظمة الإبداعية. ص 277-310 . doi : 10.1007/978-3-030-59475-6_11 . ISBN  978-3-030-59474-9.
  35. ↑ بيري، هايلي (9 مايو 2023). "لا تخف. العب لعبة روغلايك" . صحيفة نيويورك تايمز . تم الاطلاع عليه بتاريخ 27 يونيو 2026 .
  36. ↑ سكيريا، ماركو، وآخرون. "تأليف موسيقي تطوري عاطفي باستخدام ميتا كومبوز". البرمجة الجينية والآلات القابلة للتطور ، المجلد 18، العدد 4، ديسمبر 2017، الصفحات 433-465. doi:10.1007/s10710-017-9307-y .
  37. ↑ سكيريا، ماركو، وآخرون. "تطوير موسيقى معبرة عن الحالة المزاجية داخل اللعبة باستخدام MetaCompose." وقائع مؤتمر الصوت في الغالب 2018 حول الصوت في الانغماس والعاطفة (AM '18) ، رابطة آلات الحوسبة، 2018، المقالة 8، الصفحات 1-8. doi:10.1145/3243274.3243292 .
  38. ↑ موليجان، إس. جيه. (10 سبتمبر 2024). ما تأثير الذكاء الاصطناعي على تطوير ألعاب الفيديو؟ مجلة إم آي تي ​​للتكنولوجيا. https://www.technologyreview.com/2024/09/10/1103752/what-impact-will-ai-have-on-video-game-development/
  39. ↑ سينغ، ب.، مهندس، نائب رئيس قسم الهندسة، تورنو، ن.، مهندس، نائب رئيس قسم الهندسة، و2025. (بدون تاريخ). تقديم مكعب روبلوكس: نظام الذكاء الاصطناعي التوليدي الأساسي لدينا للرسومات ثلاثية ورباعية الأبعاد. شركة روبلوكس. تم الاسترجاع في 30 يوليو 2025، من https://corp.roblox.com/newsroom/2025/03/introducing-roblox-cube
  40. ↑ ستات، نيك (9 مارس 2019). "كيف سيُحدث الذكاء الاصطناعي ثورة في طريقة تطوير ألعاب الفيديو ولعبها" . تم الاطلاع عليه بتاريخ 23 فبراير 2020 .
  41. ↑ "الذكاء الاصطناعي يُنشئ مستويات جديدة للعبة Doom" . بي بي سي نيوز. 8 مايو 2018. تاريخ الاطلاع: 17 مايو 2018 .
  42. ↑ فينسنت، جيمس (22 مايو 2020). "ذكاء اصطناعي من إنفيديا يعيد إنشاء لعبة باك مان من الصفر بمجرد مشاهدة طريقة لعبها" . ذا فيرج . تم الاطلاع عليه بتاريخ 28 مايو 2020 .
  43. ↑ [*الذكاء الاصطناعي في الألعاب*]( https://link.springer.com/content/pdf/10.1007/978-3-319-42716-4.pdf ). SpringerLink، 2016.
  44. ↑ [*تقنيات الذكاء الاصطناعي لأنظمة الألعاب التفاعلية*]( https://ieeexplore.ieee.org/abstract/document/6363215 ). IEEE، 2012.
  45. ↑ كولمان، تيري لي (يوليو 1994). "إنه ليس ثقيلاً، إنه سيّدي" . عالم ألعاب الكمبيوتر . الصفحات 110-111 . 
  46. 1 2 سكوت، بوب (2002). "وهم الذكاء". في رابين، ستيف (محرر). حكمة برمجة ألعاب الذكاء الاصطناعي . تشارلز ريفر ميديا. ص 16-20 . 
  47. 1 2 ويلسون، جوني ل.؛ براون، كين؛ لومباردي، كريس؛ ويكسلر، مايك؛ كولمان، تيري (يوليو 1994). "معضلة المصمم: المؤتمر الثامن لمطوري ألعاب الكمبيوتر" . عالم ألعاب الكمبيوتر . ص 26-31 . 
  48. ↑ ويلسون، جوني ل. (فبراير 1994). "الاعتراف بالذنب والمسؤولية" . افتتاحية. عالم ألعاب الكمبيوتر . ص 8. 
  49. ↑ "المؤتمر الدولي السابع لمطوري ألعاب الكمبيوتر" . عالم ألعاب الكمبيوتر . يوليو 1993. ص 34. تم الاطلاع عليه بتاريخ 12 يوليو 2014 . 
  50. 1 2 "AiGameDev – أفضل 10 ألعاب ذكاء اصطناعي مؤثرة" . مؤرشف من الأصل في 21 أبريل 2013. تم الاطلاع عليه في 22 سبتمبر 2012 .
  51. ↑ هورتي، صموئيل (3 أبريل 2017). "لماذا لا يزال الذكاء الاصطناعي في لعبة FEAR هو الأفضل في ألعاب إطلاق النار من منظور الشخص الأول؟" . روك، بيبر، شوتجن . تم الاطلاع عليه بتاريخ 29 ديسمبر 2020 .
  52. ↑ "بناء الذكاء الاصطناعي للخوف من خلال تخطيط العمل الموجه نحو الهدف" . gamasutra.com . 7 مايو 2020. تم الاطلاع عليه بتاريخ 29 ديسمبر 2020 .{{cite web}}: CS1 maint: deprecated archiveal service ( link )
  53. ↑ "ستار كرافت 2" . ستار كرافت 2. تم الاطلاع عليه بتاريخ 28 فبراير 2017 .
  54. ↑ "ريد ديد ريدمبشن 2: ذروة الذكاء الاصطناعي الحالية في ألعاب الفيديو" . مدونة كريس . 17 مايو 2019. تم الاطلاع عليه بتاريخ 4 سبتمبر 2024 .
  55. ↑ ليتشفيلد، تيد (4 فبراير 2024). "تبدأ لعبة الصياغة اللانهائية هذه القائمة على المتصفح بالنار والماء، لكنها سرعان ما تتطور إلى الله والانفجار العظيم و"يين يودا"." . PCGamer . تم الاطلاع عليه بتاريخ 24 فبراير 2024 .
  56. ↑ بنتلي، جيمس (1 نوفمبر 2024). "الكشف عن لعبة ماينكرافت المُولّدة بالذكاء الاصطناعي، والتي تُظهر قدرة الذكاء الاصطناعي غير المحدودة على نسخ الأشياء، ولكن بشكل أسوأ" . بي سي غيمر . تم الاسترجاع في 5 نوفمبر 2024 .
  57. ↑ كوبيسون، سامانثا (6 يناير 2025). "مراجعة تجريبية للعبة AI2U: صديقتك الذكية في انتظارك" . عالم ألعاب الإندي . تم الاطلاع عليه في 1 فبراير 2026 .
  58. ↑ ويبستر، أندرو (17 مارس 2026). "تقنية DLSS 5 من إنفيديا تشبه تقنية تنعيم الحركة لألعاب الفيديو، ولكنها أسوأ" . ذا فيرج . تم الاطلاع عليه بتاريخ 17 مارس 2026 .
  59. ↑ روبنسون، آندي (17 مارس 2026). "«إنهم مخطئون تماماً»: الرئيس التنفيذي لشركة إنفيديا يرد على الانتقادات الواسعة النطاق لتقنية DLSS 5. ( موقع Video Games Chronicle ، تاريخ الاطلاع: 17 مارس 2026 ).
  60. ↑ كيرنز، ريبيكا (23 أكتوبر 2023). "«ألعاب الفيديو على موعد مع رحلة استثنائية»: كيف يمكن للذكاء الاصطناعي التوليدي أن يُعيد تشكيل عالم الألعاب بشكل جذري . سي إن إن . تاريخ الاطلاع: 9 يناير 2024 .
  61. ↑ روفو، ياسمين (6 ديسمبر 2023). "نقابة ممثلي هوليوود ساغ-أفترا تُصدّق على عقد إنهاء الإضراب" . بي بي سي نيوز . تاريخ الاسترجاع: 15 نوفمبر 2025 .
  62. ↑ جيركين، توم (11 يناير 2024). "ممثلو الصوت في ألعاب الفيديو يُفاجأون بصفقة الذكاء الاصطناعي "السيئة" مع النقابة" . بي بي سي نيوز . تم الاطلاع عليه بتاريخ 12 يناير 2024 .
  63. ↑ كامبيوني، كاتي (11 يونيو 2025). "نقابة ممثلي الشاشة - الاتحاد الأمريكي لفناني التلفزيون والراديو تُعلّق إضراب ألعاب الفيديو بعد التوصل إلى اتفاق مبدئي مع كبار المطورين" . ديدلاين . تم الاطلاع عليه بتاريخ 11 يونيو 2025 .
  64. ↑ ماك إيفوي، صوفي (13 يونيو 2025). "المجلس الوطني لنقابة ممثلي الشاشة - الاتحاد الأمريكي لفناني التلفزيون والراديو يوافق على اتفاقية مبدئية" . GamesIndustry.biz . تم الاطلاع عليه بتاريخ 13 يونيو 2025 .
  65. ↑ أوغانيسيان، ناتالي (9 يوليو 2025). "نقابة ممثلي الشاشة - الاتحاد الأمريكي لفناني التلفزيون والراديو توافق بأغلبية ساحقة على اتفاقية ألعاب الفيديو، مما يمثل نهاية رسمية لإضراب دام قرابة عام" . ديدلاين هوليوود. مؤرشف من الأصل في 10 يوليو 2025. تم الاطلاع عليه في 10 يوليو 2025 .
  66. ↑ هانتر، تاتوم (26 يناير 2026). "اللاعبون الغاضبون يجبرون الاستوديوهات على إلغاء أو إعادة النظر في الإصدارات الجديدة" . صحيفة واشنطن بوست . تم الاطلاع عليه بتاريخ 27 يونيو 2026 .
  67. ↑ باكوود، لويس (11 نوفمبر 2025). "تيم سويني من إيبك يتدخل في جدل الذكاء الاصطناعي في لعبة آرك رايدرز" . GamesIndustry.biz . تم الاطلاع عليه بتاريخ 15 نوفمبر 2025 .
  68. ↑ بورتر، جون (10 يناير 2024). "شركة Valve تفتح الباب أمام المزيد من ألعاب Steam المطورة باستخدام الذكاء الاصطناعي" . موقع The Verge . تاريخ الاسترجاع: 15 نوفمبر 2025 .
  69. ↑ كلارك، تيم (24 يونيو 2026). "تيم سويني يتحدث عن مستقبل الألعاب والذكاء الاصطناعي، وما إذا كانت شركة Valve ستتعاون مع Epic يومًا ما: "من الواضح الآن أنه لن ينتهي الأمر بأحد باحتكار مطلق"" . PC Gamer . تم الاطلاع عليه بتاريخ 27 يونيو 2026 .

للمزيد من القراءة