الذكاء الاصطناعي في ألعاب الفيديو

الموسوعة الحرة

جزء من سلسلة عن
صناعة العاب الفيديو
تطوير
منتجات
نشر
التوزيع والتسييل​
متعلق ب
القوائم
  • ف
  • ت
  • هـ

في ألعاب الفيديو ، يتم استخدام الذكاء الاصطناعي (AI) لتوليد سلوكيات استجابة أو تكيفية أو ذكية بشكل أساسي في الشخصيات غير القابلة للعب (NPCs) المشابهة للذكاء البشري . كان الذكاء الاصطناعي جزءًا لا يتجزأ من ألعاب الفيديو منذ نشأتها في عام 1948، وقد شوهد لأول مرة في لعبة Nim . [1] الذكاء الاصطناعي في ألعاب الفيديو هو مجال فرعي مميز ويختلف عن الذكاء الاصطناعي الأكاديمي. إنه يعمل على تحسين تجربة اللاعب في اللعبة بدلاً من التعلم الآلي أو اتخاذ القرار. خلال العصر الذهبي لألعاب الفيديو، تم ترويج فكرة خصوم الذكاء الاصطناعي إلى حد كبير في شكل مستويات صعوبة متدرجة وأنماط حركة مميزة وأحداث داخل اللعبة تعتمد على مدخلات اللاعب. غالبًا ما تنفذ الألعاب الحديثة تقنيات موجودة مثل تحديد المسار وأشجار القرار لتوجيه تصرفات الشخصيات غير القابلة للعب. غالبًا ما يستخدم الذكاء الاصطناعي في الآليات التي لا يمكن للمستخدم رؤيتها على الفور، مثل استخراج البيانات وتوليد المحتوى الإجرائي . [2] يمكن العثور على أحد أكثر الأمثلة شهرة لتكنولوجيا NPC ومستويات الصعوبة التدريجية في لعبة Mike Tyson's Punch-Out!! (1987). [3]

بشكل عام، لا يعني الذكاء الاصطناعي في الألعاب، كما قد يعتقد البعض ويُصوَّر أحيانًا، تجسيدًا لشخصية اصطناعية تتوافق مع شخصية غير قابلة للعب على غرار اختبار تورينج أو الذكاء الاصطناعي العام .

ملخص

يُستخدم مصطلح الذكاء الاصطناعي في الألعاب للإشارة إلى مجموعة واسعة من الخوارزميات التي تتضمن أيضًا تقنيات من نظرية التحكم والروبوتات والرسومات الحاسوبية وعلوم الكمبيوتر بشكل عام، وبالتالي فإن الذكاء الاصطناعي في ألعاب الفيديو قد لا يشكل غالبًا "ذكاءً اصطناعيًا حقيقيًا" حيث لا تسهل هذه التقنيات بالضرورة التعلم الحاسوبي أو معايير قياسية أخرى، بل تشكل فقط "حسابًا آليًا" أو مجموعة محددة مسبقًا ومحدودة من الاستجابات لمجموعة محددة مسبقًا ومحدودة من المدخلات. [4] [5] [6]

يزعم العديد من الصناعات والأصوات المؤسسية [ من؟ ] أن الذكاء الاصطناعي للألعاب قد قطع شوطًا طويلاً بمعنى أنه أحدث ثورة في الطريقة التي يتفاعل بها البشر مع جميع أشكال التكنولوجيا، على الرغم من أن العديد من الباحثين الخبراء [ من؟ ] يشككون في مثل هذه الادعاءات، وخاصة فكرة أن مثل هذه التقنيات تناسب تعريف "الذكاء" المستخدم بشكل قياسي في العلوم المعرفية . [4] [5] [6] [7] تزعم أصوات الصناعة [ من؟ ] أن الذكاء الاصطناعي أصبح أكثر تنوعًا في الطريقة التي نستخدم بها جميع الأجهزة التكنولوجية لأكثر من غرضها المقصود لأن الذكاء الاصطناعي يسمح للتكنولوجيا بالعمل بطرق متعددة، ويزعم أنها تطور شخصياتها الخاصة وتنفذ تعليمات معقدة للمستخدم. [8] [9]

لقد زعم الأشخاص [ من؟ ] في مجال الذكاء الاصطناعي أن الذكاء الاصطناعي في ألعاب الفيديو ليس ذكاءً حقيقيًا، بل هو مصطلح إعلاني يستخدم لوصف برامج الكمبيوتر التي تستخدم خوارزميات الفرز والمطابقة البسيطة لخلق وهم السلوك الذكي مع منح البرامج هالة مضللة من التعقيد والتقدم العلمي أو التكنولوجي. [4] [5] [6] [10] نظرًا لأن الذكاء الاصطناعي في الألعاب للشخصيات غير القابلة للعب يركز على مظهر الذكاء واللعب الجيد ضمن قيود البيئة، فإن نهجه يختلف تمامًا عن نهج الذكاء الاصطناعي التقليدي.

تاريخ

كانت ممارسة الألعاب مجالًا للبحث في الذكاء الاصطناعي منذ نشأته. أحد الأمثلة الأولى للذكاء الاصطناعي هي لعبة نيم المحوسبة التي صنعت في عام 1951 ونشرت في عام 1952. على الرغم من كونها تقنية متقدمة في العام الذي صنعت فيه، قبل 20 عامًا من لعبة بونج ، اتخذت اللعبة شكل صندوق صغير نسبيًا وكانت قادرة على الفوز بالمباريات بانتظام حتى ضد لاعبين ذوي مهارات عالية في اللعبة. [1] في عام 1951، باستخدام آلة فيرانتي مارك 1 بجامعة مانشستر ، كتب كريستوفر ستراتشي برنامجًا للعبة الداما وكتب ديتريش برينز برنامجًا للشطرنج . [11] كانت هذه من بين أول برامج الكمبيوتر المكتوبة على الإطلاق. حقق برنامج الداما الخاص بآرثر صموئيل ، الذي تم تطويره في منتصف الخمسينيات وأوائل الستينيات، في النهاية مهارة كافية لتحدي الهواة المحترمين. [12] بلغ العمل على لعبة الداما والشطرنج ذروته بهزيمة غاري كاسباروف بواسطة كمبيوتر Deep Blue من IBM في عام 1997. [13] كانت ألعاب الفيديو الأولى التي تم تطويرها في الستينيات وأوائل السبعينيات، مثل Spacewar! و Pong و Gotcha (1973)، عبارة عن ألعاب تم تنفيذها على منطق منفصل ومبنية بشكل صارم على المنافسة بين لاعبين، بدون الذكاء الاصطناعي.

بدأت الألعاب التي تتميز بوضع اللاعب الفردي مع الأعداء في الظهور في سبعينيات القرن العشرين. ظهرت أولى الألعاب البارزة للصالات في عام 1974: لعبة Speed ​​Race من شركة Taito ( لعبة فيديو سباق ) ولعبتي Qwak من شركة Atari (لعبة صيد البط بالبندقية الخفيفة ) و Pursuit ( محاكاة قتال جوي للطائرات المقاتلة ). كما كان هناك أعداء في لعبتين حاسوبيتين تعتمدان على النصوص، وهما Star Trek (1971) و Hunt the Wumpus (1973). كانت حركة الأعداء تعتمد على الأنماط المخزنة. وكان دمج المعالجات الدقيقة يسمح بمزيد من العمليات الحسابية والعناصر العشوائية المتراكبة في أنماط الحركة.

تتنافس شخصيات دورة الضوء على أن تكون آخر من يركب في GLtron .

خلال العصر الذهبي لألعاب الفيديو ، انتشرت فكرة خصوم الذكاء الاصطناعي على نطاق واسع، وذلك بسبب نجاح لعبة Space Invaders (1978)، والتي تميزت بمستوى صعوبة متزايد وأنماط حركة مميزة وأحداث داخل اللعبة تعتمد على وظائف التجزئة بناءً على مدخلات اللاعب. أضافت لعبة Galaxian (1979) حركات عدو أكثر تعقيدًا وتنوعًا، بما في ذلك المناورات التي يقوم بها أعداء فرديون يخرجون من التشكيل. قدمت لعبة Pac-Man (1980) أنماط الذكاء الاصطناعي لألعاب المتاهة ، مع إضافة غرابة الشخصيات المختلفة لكل عدو. قدمت لعبة Karate Champ (1984) لاحقًا أنماط الذكاء الاصطناعي لألعاب القتال . كانت لعبة First Queen (1988) لعبة تقمص أدوار تكتيكية تتميز بشخصيات يمكن التحكم فيها بواسطة الذكاء الاصطناعي للكمبيوتر في متابعة الزعيم. [14] [15] قدمت لعبة لعب الأدوار دراغون كويست 4 (1990) نظام "تكتيكات"، حيث يمكن للمستخدم تعديل روتينات الذكاء الاصطناعي للشخصيات غير القابلة للعب أثناء المعركة، وهو مفهوم تم تقديمه لاحقًا إلى نوع لعبة لعب الأدوار الحركية بواسطة Secret of Mana (1993).

اعتمدت ألعاب مثل Madden Football و Earl Weaver Baseball و Tony La Russa Baseball على الذكاء الاصطناعي في محاولة لتكرار أسلوب التدريب أو الإدارة الخاص بالمشاهير المختارين على الكمبيوتر. قامت Madden وWeaver وLa Russa بعمل مكثف مع فرق تطوير الألعاب هذه لزيادة دقة الألعاب. [ بحاجة لمصدر ] سمحت عناوين الألعاب الرياضية اللاحقة للمستخدمين "بضبط" المتغيرات في الذكاء الاصطناعي لإنتاج استراتيجية إدارية أو تدريبية محددة للاعب.

دفع ظهور أنواع الألعاب الجديدة في التسعينيات إلى استخدام أدوات الذكاء الاصطناعي الرسمية مثل آلات الحالة المحدودة . أرهقت ألعاب الإستراتيجية في الوقت الفعلي الذكاء الاصطناعي بالعديد من الأشياء والمعلومات غير المكتملة ومشاكل تحديد المسار والقرارات في الوقت الفعلي والتخطيط الاقتصادي، من بين أشياء أخرى. [16] كانت الألعاب الأولى من هذا النوع تعاني من مشاكل سيئة السمعة. على سبيل المثال، كان هيرتزوغ زوي (1989) قد كسر تقريبًا تحديد المسار وآلات الحالة الأساسية المكونة من ثلاث حالات للتحكم في الوحدة، وهاجمت Dune II (1992) قاعدة اللاعبين في خط مستقيم واستخدمت العديد من الغش. [17] أظهرت الألعاب اللاحقة في هذا النوع ذكاءً اصطناعيًا أكثر تطورًا.

استخدمت الألعاب اللاحقة أساليب الذكاء الاصطناعي من الأسفل إلى الأعلى ، مثل السلوك الناشئ وتقييم تصرفات اللاعب في ألعاب مثل Creatures أو Black & White . تم إصدار Façade (قصة تفاعلية) في عام 2005 واستخدمت الحوارات التفاعلية متعددة الاتجاهات والذكاء الاصطناعي كجانب رئيسي من اللعبة.

روبوت يذهب إلى الكرة ويتنافس في بطولة روبوكوب.
روبوت يذهب إلى الكرة ويتنافس في بطولة روبوكوب.

لقد وفرت الألعاب بيئة لتطوير الذكاء الاصطناعي مع تطبيقات محتملة تتجاوز اللعب. ومن الأمثلة على ذلك واتسون ، وهو كمبيوتر يلعب لعبة Jeopardy!؛ وبطولة RoboCup ، حيث يتم تدريب الروبوتات للتنافس في كرة القدم. [18]

المشاهدات

يشكو العديد من الخبراء من أن "الذكاء الاصطناعي" في مصطلح الذكاء الاصطناعي للألعاب يبالغ في قيمته، حيث لا يتعلق الذكاء الاصطناعي للألعاب بالذكاء ، ويشارك القليل من أهداف المجال الأكاديمي للذكاء الاصطناعي. في حين يتناول "الذكاء الاصطناعي الحقيقي" مجالات التعلم الآلي، واتخاذ القرار بناءً على إدخال بيانات عشوائية، وحتى الهدف النهائي المتمثل في الذكاء الاصطناعي القوي القادر على التفكير، فإن " الذكاء الاصطناعي للألعاب " يتكون غالبًا من نصف دزينة من القواعد العامة، أو القواعد الاستدلالية ، والتي تكفي فقط لتقديم تجربة لعب جيدة. تاريخيًا ، كانت مشاريع الذكاء الاصطناعي للألعاب الأكاديمية منفصلة نسبيًا عن المنتجات التجارية لأن الأساليب الأكاديمية تميل إلى أن تكون بسيطة وغير قابلة للتطوير. طور الذكاء الاصطناعي للألعاب التجارية مجموعة أدواته الخاصة، والتي كانت كافية لتقديم أداء جيد في كثير من الحالات. [2]

إن الوعي المتزايد لدى مطوري الألعاب بالذكاء الاصطناعي الأكاديمي والاهتمام المتزايد بألعاب الكمبيوتر من قبل المجتمع الأكاديمي يتسبب في أن يصبح تعريف ما يعد ذكاءً اصطناعيًا في اللعبة أقل خصوصية . ومع ذلك، فإن الاختلافات الكبيرة بين مجالات التطبيق المختلفة للذكاء الاصطناعي تعني أنه لا يزال من الممكن اعتبار الذكاء الاصطناعي في اللعبة مجالًا فرعيًا متميزًا للذكاء الاصطناعي. على وجه الخصوص، تخلق القدرة على حل بعض مشكلات الذكاء الاصطناعي في الألعاب عن طريق الغش تمييزًا مهمًا. على سبيل المثال، يمكن أن يكون استنتاج موضع جسم غير مرئي من الملاحظات السابقة مشكلة صعبة عند تطبيق الذكاء الاصطناعي على الروبوتات، ولكن في لعبة كمبيوتر يمكن لـ NPC ببساطة البحث عن الموضع في الرسم البياني لمشهد اللعبة . يمكن أن يؤدي هذا الغش إلى سلوك غير واقعي وبالتالي فهو ليس مرغوبًا دائمًا. لكن إمكانية حدوثه تخدم في التمييز بين الذكاء الاصطناعي في اللعبة وتؤدي إلى مشاكل جديدة لحلها، مثل متى وكيف يتم الغش. [ بحاجة لمصدر ]

إن القيد الرئيسي الذي يفرضه الذكاء الاصطناعي القوي هو العمق المتأصل في التفكير والتعقيد الشديد لعملية اتخاذ القرار. وهذا يعني أنه على الرغم من أنه من الممكن نظريًا إنشاء ذكاء اصطناعي "ذكي"، فإن المشكلة ستتطلب قوة معالجة كبيرة. [ بحاجة لمصدر ]

الاستخدام

في محاكاة الكمبيوتر لألعاب الطاولة

في ألعاب الفيديو الحديثة

تُستخدم خوارزميات الذكاء الاصطناعي/الاستدلال في الألعاب في مجموعة متنوعة من المجالات المختلفة تمامًا داخل اللعبة. وأكثرها وضوحًا هو التحكم في أي شخصيات غير قابلة للعب في اللعبة، على الرغم من أن "البرمجة النصية" ( شجرة القرار ) هي حاليًا الوسيلة الأكثر شيوعًا للتحكم. [19] غالبًا ما تؤدي أشجار القرار المكتوبة بخط اليد إلى "غباء مصطنع" مثل السلوك المتكرر أو فقدان الانغماس أو السلوك غير الطبيعي في المواقف التي لم يخطط لها المطورون. [20]

Pathfinding ، وهو استخدام شائع آخر للذكاء الاصطناعي، يُرى على نطاق واسع في ألعاب الإستراتيجية في الوقت الفعلي . Pathfinding هي الطريقة لتحديد كيفية نقل NPC من نقطة واحدة على الخريطة إلى أخرى، مع مراعاة التضاريس والعقبات وربما " ضباب الحرب ". [21] [22] غالبًا ما تستخدم ألعاب الفيديو التجارية "مسارًا قائمًا على الشبكة" سريعًا وبسيطًا، حيث يتم تعيين التضاريس على شبكة صلبة من المربعات المنتظمة ويتم تطبيق خوارزمية تحديد المسار مثل A * أو IDA * على الشبكة. [23] [24] [25] بدلاً من مجرد شبكة صلبة، تستخدم بعض الألعاب مضلعات غير منتظمة وتجمع شبكة ملاحة من مناطق الخريطة التي يمكن لـ NPCs المشي إليها. [23] [26] كطريقة ثالثة، يكون من المناسب أحيانًا للمطورين تحديد "نقاط الطريق" يدويًا التي يجب على NPCs استخدامها للتنقل؛ والتكلفة هي أن مثل هذه النقاط يمكن أن تخلق حركة غير طبيعية المظهر. بالإضافة إلى ذلك، تميل نقاط الطريق إلى الأداء بشكل أسوأ من شبكات الملاحة في البيئات المعقدة. [27] [28] إلى جانب تحديد المسار الثابت، فإن الملاحة هي مجال فرعي من الذكاء الاصطناعي للعبة يركز على منح الشخصيات غير القابلة للعب القدرة على التنقل في بيئة ديناميكية، وإيجاد مسار إلى هدف مع تجنب الاصطدامات مع الكيانات الأخرى (شخصيات غير قابلة للعب أخرى، لاعبين...) أو التعاون معهم (الملاحة الجماعية). [ بحاجة لمصدر ] غالبًا ما يكون أداء الملاحة في ألعاب الإستراتيجية الديناميكية التي تحتوي على أعداد كبيرة من الوحدات، مثل Age of Empires (1997) أو Civilization V (2010)، ضعيفًا؛ غالبًا ما تعترض الوحدات طريق الوحدات الأخرى. [28]

بدلاً من تحسين الذكاء الاصطناعي للعبة لحل مشكلة صعبة في البيئة الافتراضية بشكل صحيح، غالبًا ما يكون من الأكثر فعالية من حيث التكلفة تعديل السيناريو ليصبح أكثر قابلية للحل. إذا تعثرت عملية تحديد المسار بسبب عقبة معينة، فقد ينتهي الأمر بالمطور إلى نقل العقبة أو حذفها. [29] في Half-Life (1998)، فشلت خوارزمية تحديد المسار أحيانًا في إيجاد طريقة معقولة لجميع الشخصيات غير القابلة للعب للتهرب من قنبلة يدوية ملقاة؛ بدلاً من السماح للشخصيات غير القابلة للعب بمحاولة الخروج من الطريق والمخاطرة بالظهور غبيًا، قام المطورون بدلاً من ذلك ببرمجة الشخصيات غير القابلة للعب للانحناء والاختباء في مكانها في هذا الموقف. [30]

الذكاء الاصطناعي في ألعاب الفيديو القتالية

تندرج العديد من ألعاب الفيديو المعاصرة ضمن فئة الأكشن أو ألعاب إطلاق النار من منظور الشخص الأول أو المغامرات. وفي أغلب هذه الأنواع من الألعاب، هناك بعض مستويات القتال. وتعتبر قدرة الذكاء الاصطناعي على الفاعلية في القتال مهمة في هذه الأنواع. والهدف المشترك اليوم هو جعل الذكاء الاصطناعي أكثر إنسانية أو على الأقل يبدو كذلك.

من بين الميزات الأكثر إيجابية وكفاءة الموجودة في الذكاء الاصطناعي لألعاب الفيديو الحديثة هي القدرة على الصيد. كان رد فعل الذكاء الاصطناعي في الأصل بطريقة واضحة للغاية. إذا كان اللاعب في منطقة معينة، فسيتفاعل الذكاء الاصطناعي إما بطريقة هجومية كاملة أو دفاعية تمامًا. في السنوات الأخيرة، تم تقديم فكرة "الصيد"؛ في حالة "الصيد" هذه، سيبحث الذكاء الاصطناعي عن علامات واقعية، مثل الأصوات التي تصدرها الشخصية أو آثار الأقدام التي ربما تركتها وراءها. [31] تسمح هذه التطورات في النهاية بشكل أكثر تعقيدًا من اللعب. باستخدام هذه الميزة، يمكن للاعب أن يفكر في كيفية الاقتراب من العدو أو تجنبه. هذه ميزة سائدة بشكل خاص في نوع التخفي .

كان تطوير "غريزة البقاء" من التطورات الحديثة في الذكاء الاصطناعي في الألعاب. تستطيع أجهزة الكمبيوتر في اللعبة التعرف على أشياء مختلفة في بيئة معينة وتحديد ما إذا كانت مفيدة أو ضارة لبقائها. ومثل المستخدم، يستطيع الذكاء الاصطناعي البحث عن غطاء في تبادل إطلاق النار قبل اتخاذ إجراءات من شأنها أن تجعله عرضة للخطر، مثل إعادة تحميل السلاح أو إلقاء قنبلة يدوية. ويمكن وضع علامات تحدد متى يجب أن يتفاعل بطريقة معينة. على سبيل المثال، إذا تم إعطاء الذكاء الاصطناعي أمرًا للتحقق من صحته طوال اللعبة، فيمكن تعيين أوامر أخرى بحيث يتفاعل بطريقة معينة عند نسبة معينة من الصحة. وإذا كانت الصحة أقل من حد معين، فيمكن تعيين الذكاء الاصطناعي للهروب من اللاعب وتجنبه حتى يتم تشغيل وظيفة أخرى. ومن الأمثلة الأخرى إذا لاحظ الذكاء الاصطناعي نفاد الرصاص، فسوف يجد شيئًا غطاء ويختبئ خلفه حتى يتم إعادة تحميله. مثل هذه الإجراءات تجعل الذكاء الاصطناعي يبدو أكثر إنسانية. ومع ذلك، لا يزال هناك حاجة إلى التحسين في هذا المجال.

يحدث تأثير جانبي آخر للذكاء الاصطناعي القتالي عندما يلتقي شخصيتان يتحكم فيهما الذكاء الاصطناعي ببعضهما البعض؛ وقد انتشر هذا التأثير لأول مرة في لعبة Doom من إنتاج شركة id Software ، ويمكن أن يندلع ما يسمى "قتال الوحوش" في مواقف معينة. على وجه التحديد، فإن عملاء الذكاء الاصطناعي المبرمجين للرد على الهجمات المعادية سيهاجمون بعضهم البعض أحيانًا إذا هبطت هجمات مجموعتهم بالقرب منهم. [ بحاجة لمصدر ] في حالة Doom ، تشير أدلة اللعب المنشورة إلى الاستفادة من قتال الوحوش من أجل البقاء على قيد الحياة في مستويات وإعدادات صعوبة معينة.

إنشاء المحتوى الإجرائي

إن إنشاء المحتوى الإجرائي (PCG) هو تقنية ذكاء اصطناعي لإنشاء محتوى داخل اللعبة بشكل مستقل من خلال خوارزميات مع الحد الأدنى من المدخلات من المصممين. [32] يستخدم PCG عادةً لإنشاء ميزات اللعبة بشكل ديناميكي مثل المستويات وحوار NPC والأصوات. يقوم المطورون بإدخال معلمات محددة لتوجيه الخوارزميات في إنشاء محتوى لهم. يوفر PCG العديد من المزايا من وجهة نظر التطوير وتجربة اللاعب. تتمكن استوديوهات الألعاب من إنفاق أموال أقل على الفنانين وتوفير الوقت في الإنتاج. [33] يتم منح اللاعبين تجربة جديدة وقابلة لإعادة التشغيل بشكل كبير حيث تولد اللعبة محتوى جديدًا في كل مرة يلعبون فيها. يسمح PCG لمحتوى اللعبة بالتكيف في الوقت الفعلي مع تصرفات اللاعب. [34]

المستويات المولدة إجرائيًا

لقد تم استخدام الخوارزميات التوليدية (شكل بدائي من الذكاء الاصطناعي) لإنشاء المستويات لعقود من الزمن. لعبة الكمبيوتر الشهيرة Rogue لعام 1980 هي مثال أساسي. يتم تكليف اللاعبين بالنزول عبر المستويات الصعبة بشكل متزايد في الزنزانة لاستعادة تميمة Yendor. يتم إنشاء مستويات الزنزانة خوارزميًا في بداية كل لعبة. يتم حذف ملف الحفظ في كل مرة يموت فيها اللاعب. [ 35] يخلق إنشاء الزنزانة الخوارزمي طريقة لعب فريدة لن تكون موجودة بخلاف ذلك حيث أن هدف استرداد التميمة هو نفسه في كل مرة.

يمكن أن تختلف الآراء حول إجمالي توليد المستويات كما هو الحال في ألعاب مثل Rogue . قد يشكك بعض المطورين في جودة المحتوى المُولَّد ويرغبون في إنشاء عالم ذي طابع "إنساني" أكثر، لذا سيستخدمون PCG بشكل أكثر اقتصادًا. [32] وبالتالي، فإنهم سيستخدمون PCG فقط لتوليد مكونات محددة لمستوى مصنوع يدويًا. ومن الأمثلة البارزة على ذلك لعبة التصويب التكتيكية Tom Clancy's Ghost Recon Wildlands لعام 2017 من Ubisoft . استخدم المطورون خوارزمية تحديد المسار المدربة بمجموعة بيانات من الخرائط الحقيقية لإنشاء شبكات طرق تنسج عبر القرى المصنوعة يدويًا داخل عالم اللعبة. [34] يعد هذا استخدامًا ذكيًا لـ PCG حيث سيكون لدى الذكاء الاصطناعي قدر كبير من بيانات العالم الحقيقي للعمل بها والطرق سهلة الإنشاء. ومع ذلك، من المحتمل أن يفوت الذكاء الاصطناعي الفروق الدقيقة والتفاصيل الدقيقة إذا تم تكليفه بإنشاء قرية يعيش فيها الناس.

مع تقدم الذكاء الاصطناعي، تتحول أهداف المطورين إلى إنشاء مستودعات ضخمة للمستويات من مجموعات البيانات. في عام 2023، قام باحثون من جامعة نيويورك وجامعة فيتووترزراند بتدريب نموذج لغوي كبير لتوليد مستويات على غرار لعبة الألغاز سوكوبان عام 1981. ووجدوا أن النموذج تفوق في توليد مستويات بخصائص مطلوبة على وجه التحديد مثل مستوى الصعوبة أو التخطيط. [36] ومع ذلك، تتطلب النماذج الحالية مثل النموذج المستخدم في الدراسة مجموعات بيانات كبيرة من المستويات لتكون فعالة. وخلصوا إلى أنه على الرغم من كونها واعدة، فإن التكلفة العالية للبيانات لنماذج اللغة الكبيرة تفوق حاليًا الفوائد لهذا التطبيق. [36] من المرجح أن تؤدي التطورات المستمرة في هذا المجال إلى استخدام أكثر شيوعًا في المستقبل.

الموسيقى والصوت المولدين إجرائيًا

تُعَد النوتة الموسيقية للعبة الفيديو تعبيرًا مهمًا عن النغمة العاطفية للمشهد بالنسبة للاعب. تساعد المؤثرات الصوتية مثل صوت سلاح يضرب العدو في الإشارة إلى تأثير تصرفات اللاعب. إن إنشاء هذه المؤثرات في الوقت الفعلي يخلق تجربة جذابة للاعب لأن اللعبة تستجيب بشكل أكبر لمدخلاته. [32] ومن الأمثلة على ذلك لعبة المغامرات Proteus لعام 2013 حيث تقوم خوارزمية بتكييف الموسيقى بشكل ديناميكي بناءً على الزاوية التي يشاهد منها اللاعب المشهد داخل اللعبة. [35]

أدت الاختراقات الحديثة في مجال الذكاء الاصطناعي إلى إنشاء أدوات متقدمة قادرة على إنشاء الموسيقى والصوت بناءً على عوامل متطورة مع الحد الأدنى من مدخلات المطور. أحد الأمثلة على ذلك هو مولد الموسيقى MetaComposure. MetaComposure هي خوارزمية تطورية مصممة لتوليد مؤلفات موسيقية أصلية أثناء اللعب في الوقت الفعلي لتتناسب مع الحالة المزاجية الحالية للبيئة. [37] تتمكن الخوارزمية من تقييم الحالة المزاجية الحالية للعبة من خلال "وضع علامات على الحالة المزاجية". تشير الأبحاث إلى وجود ارتباط إحصائي إيجابي كبير فيما يتعلق بمشاركة اللاعب في اللعبة والتراكيب الموسيقية المولدة ديناميكيًا عندما تتطابق بدقة مع مشاعرهم الحالية. [38]

طريقة البحث عن شجرة مونت كارلو

غالبًا ما يصل الذكاء الاصطناعي في اللعبة إلى إيجاد المسار وآلات الحالة المحدودة. ينقل إيجاد المسار الذكاء الاصطناعي من النقطة أ إلى النقطة ب، عادةً بالطريقة الأكثر مباشرة ممكنة. تسمح آلات الحالة بالانتقال بين سلوكيات مختلفة. توفر طريقة البحث الشجري في مونت كارلو [39] تجربة لعب أكثر جاذبية من خلال إنشاء عقبات إضافية للاعب للتغلب عليها. تتكون طريقة البحث الشجري في مونت كارلو من رسم تخطيطي للشجرة يلعب فيه الذكاء الاصطناعي بشكل أساسي لعبة إكس أو . بناءً على النتيجة، فإنه يختار مسارًا ينتج العقبة التالية للاعب. في ألعاب الفيديو المعقدة، قد تحتوي هذه الأشجار على المزيد من الفروع، بشرط أن يتمكن اللاعب من التوصل إلى عدة استراتيجيات لتجاوز العقبة.

الاستخدامات في الألعاب خارج نطاق الشخصيات غير القابلة للعب

قد تلعب الذكاء الاصطناعي الأكاديمي دورًا في الذكاء الاصطناعي للألعاب، خارج الاهتمام التقليدي بالتحكم في سلوك الشخصيات غير القابلة للعب. سلط جورجيوس ن. ياناكاكيس الضوء على أربعة مجالات تطبيق محتملة: [2]

  1. نمذجة تجربة اللاعب : تمييز قدرة اللاعب وحالته العاطفية، وذلك لتخصيص اللعبة بشكل مناسب. يمكن أن يشمل ذلك موازنة صعوبة اللعبة الديناميكية ، والتي تتكون من ضبط الصعوبة في لعبة فيديو في الوقت الفعلي بناءً على قدرة اللاعب. قد تساعد الذكاء الاصطناعي في اللعبة أيضًا في استنتاج نية اللاعب (مثل التعرف على الإيماءات ).
  2. إنشاء المحتوى الإجرائي : إنشاء عناصر بيئة اللعبة مثل الظروف البيئية والمستويات وحتى الموسيقى بطريقة آلية. يمكن لأساليب الذكاء الاصطناعي إنشاء محتوى جديد أو قصص تفاعلية.
  3. استخراج البيانات حول سلوك المستخدم: يسمح هذا لمصممي الألعاب باستكشاف كيفية استخدام الأشخاص للعبة، والأجزاء التي يلعبونها أكثر، وما الذي يجعلهم يتوقفون عن اللعب، مما يسمح للمطورين بضبط طريقة اللعب أو تحسين الربح.
  4. النهج البديلة للتعامل مع الشخصيات غير القابلة للعب: تتضمن هذه النهج تغيير إعدادات اللعبة لتعزيز مصداقية الشخصيات غير القابلة للعب واستكشاف السلوك الاجتماعي بدلاً من السلوك الفردي للشخصيات غير القابلة للعب.

بدلاً من التوليد الإجرائي، استخدم بعض الباحثين شبكات التوليد التنافسية (GANs) لإنشاء محتوى جديد. في عام 2018، درب باحثون في جامعة كورنوال شبكة توليد تنافسية على ألف مستوى من صنع الإنسان للعبة Doom ؛ وبعد التدريب، تمكن النموذج الأولي للشبكة العصبية من تصميم مستويات جديدة قابلة للعب بمفرده. وبالمثل، قام باحثون في جامعة كاليفورنيا بتصميم نموذج أولي لشبكة توليد تنافسية لتوليد مستويات للعبة Super Mario . [40] في عام 2020، عرضت إنفيديا نسخة طبق الأصل من لعبة Pac-Man تم إنشاؤها بواسطة شبكة توليد تنافسية ؛ تعلمت الشبكة التوليدية التنافسية كيفية إعادة إنشاء اللعبة من خلال مشاهدة 50000 عملية لعب (معظمها من صنع الروبوتات). [41]

الشخصيات غير القابلة للعب (NPCs)

الشخصيات غير القابلة للعب هي كيانات داخل ألعاب الفيديو لا يتحكم فيها اللاعبون، بل يتم إدارتها بواسطة أنظمة الذكاء الاصطناعي. تساهم الشخصيات غير القابلة للعب في الانغماس في اللعبة وسرد القصص وآلياتها. غالبًا ما تعمل كرفاق ومقدمي مهام وتجار وغير ذلك الكثير. لقد تقدمت واقعيتها بشكل كبير في السنوات القليلة الماضية، وذلك بفضل التحسينات في تقنيات الذكاء الاصطناعي.

السرد وأدوار اللعب

تعد الشخصيات غير القابلة للعب ضرورية في كل من الألعاب التي تعتمد على السرد وكذلك الألعاب التي تعتمد على العالم المفتوح. فهي تساعد في نقل قصة اللعبة وسياقها، مما يجعلها محورية لبناء العالم والتقدم السردي. على سبيل المثال، يمكن للشخصيات غير القابلة للعب تقديم معلومات بالغة الأهمية، أو تقديم المهام، أو ببساطة ملء العالم لإضافة شعور بالواقعية إلى اللعبة. بالإضافة إلى ذلك، فإن دورها كمقدمي مهام أو تجار يجعلها جزءًا لا يتجزأ من حلقة اللعب، مما يمنح اللاعبين إمكانية الوصول إلى الموارد أو المهام أو الخدمات التي تمكنهم من التقدم بشكل أكبر.

بالإضافة إلى ذلك، يمكن تصميم الشخصيات غير القابلة للعب لأداء أدوار وظيفية في الألعاب، مثل التاجر أو تقديم خدمة للاعب. هذه الشخصيات أساسية لتسهيل آليات اللعبة من خلال العمل كوسطاء بين اللاعب والأنظمة داخل اللعبة. يقول الأكاديميون [ من؟ ] إن التفاعلات بين اللاعبين والشخصيات غير القابلة للعب غالبًا ما تكون مصممة لتكون مباشرة ولكنها ذات صلة بالسياق، مما يضمن حصول اللاعب على الملاحظات أو الموارد اللازمة لاستمرارية اللعب.

التطورات في الذكاء الاصطناعي NPC

لقد أدت التطورات الأخيرة [ كما هو الحال؟ ] في الذكاء الاصطناعي إلى تعزيز تعقيد وواقعية الشخصيات غير القابلة للعب بشكل كبير. قبل هذه التطورات، كان الذكاء الاصطناعي يعمل على سلوكيات مبرمجة مسبقًا، مما يجعلها قابلة للتنبؤ والتكرار. مع تطور الذكاء الاصطناعي، أصبحت الشخصيات غير القابلة للعب أكثر قدرة على التكيف وقادرة على الاستجابة الديناميكية للاعبين. يعتقد الخبراء [ من؟ ] أن دمج تقنيات التعلم العميق والتعلم المعزز مكّن الشخصيات غير القابلة للعب من تعديل سلوكها استجابةً لأفعال اللاعب، مما يخلق تجربة لعب أكثر تفاعلية وشخصية.

أحد هذه التطورات هو استخدام نماذج السلوك التكيفي. تسمح هذه النماذج للشخصيات غير القابلة للعب بتحليل قرارات اللاعبين والتعلم منها في الوقت الفعلي. يسمح هذا السلوك بتجربة أكثر جاذبية. على سبيل المثال، كما قال الخبراء في هذا المجال، [ من؟ ] يمكن للشخصيات غير القابلة للعب في ألعاب الفيديو الحديثة الآن الرد على تصرفات اللاعب بتعقيد متزايد، مثل تعديل تكتيكاتها في القتال أو تغيير حوارها بناءً على التفاعلات السابقة. من خلال استخدام خوارزميات التعلم العميق، تحاكي هذه الأنظمة عملية اتخاذ القرارات الشبيهة بالبشر، مما يجعل الشخصيات غير القابلة للعب تبدو وكأنها أشخاص حقيقيون وليس عناصر لعبة ثابتة.

من التطورات الأخرى في الذكاء الاصطناعي للشخصيات غير القابلة للعب استخدام معالجة اللغة الطبيعية ، والتي تسمح للشخصيات غير القابلة للعب بالانخراط في محادثات أكثر واقعية مع اللاعبين. قبل ذلك، كان حوار الشخصيات غير القابلة للعب مقتصرًا على مجموعة ثابتة من الاستجابات. ويقال [ بواسطة من؟ ] إن معالجة اللغة الطبيعية حسنت من سيولة محادثات الشخصيات غير القابلة للعب، مما يسمح لها بالاستجابة بشكل أكثر سياقًا لمدخلات اللاعب. وقد أدى هذا التطور إلى زيادة عمق وانغماس تفاعلات اللاعب مع الشخصيات غير القابلة للعب، حيث يمكن للاعبين الآن الانخراط في حوارات أكثر تعقيدًا تؤثر على القصة ونتائج اللعب.

بالإضافة إلى ذلك، سمحت نماذج التعلم العميق للشخصيات غير القابلة للعب بأن تصبح أكثر قدرة على التنبؤ بسلوكيات اللاعبين. يسمح التعلم العميق للشخصيات غير القابلة للعب بمعالجة كميات كبيرة من البيانات والتكيف مع استراتيجيات اللاعبين، مما يجعل التفاعلات معهم أقل قابلية للتنبؤ وأكثر تنوعًا. هذا يخلق تجربة أكثر غامرة، حيث أصبحت الشخصيات غير القابلة للعب الآن قادرة على "التعلم" من سلوك اللاعب، مما يوفر شعورًا أكبر بالواقعية داخل اللعبة.

التحديات في تطوير NPC

على الرغم من كل هذه التطورات في الذكاء الاصطناعي للشخصيات غير القابلة للعب، لا تزال هناك تحديات كبيرة يواجهها المطورون في تصميم الشخصيات غير القابلة للعب. فهم بحاجة إلى الموازنة بين الواقعية والوظائف وتوقعات اللاعبين. ويتمثل التحدي الرئيسي في التأكد من أن الشخصيات غير القابلة للعب تعزز تجربة اللاعبين، بدلاً من إزعاج طريقة اللعب. فالشخصيات غير القابلة للعب الواقعية بشكل مفرط والتي تتصرف بشكل غير متوقع يمكن أن تحبط اللاعبين من خلال إعاقة التقدم أو كسر الانغماس. وعلى العكس من ذلك، قد تفشل الشخصيات غير القابلة للعب التي يمكن التنبؤ بها أو التبسيطية بشكل مفرط في إشراك اللاعبين، مما يقلل من الفعالية الإجمالية لسرد اللعبة وميكانيكاها.

هناك عامل آخر يجب وضعه في الحسبان وهو تكلفة حساب تنفيذ الذكاء الاصطناعي المتقدم للشخصيات غير القابلة للعب. يتطلب استخدام تقنيات الذكاء الاصطناعي المتقدمة هذه قدرًا كبيرًا من قوة المعالجة، مما قد يحد من استخدامها. يعد موازنة أداء الشخصيات غير القابلة للعب التي تعمل بالذكاء الاصطناعي مع القيود الفنية الشاملة للعبة أمرًا بالغ الأهمية لضمان اللعب السلس. ذكر الخبراء [ من؟ ] كيف يجب على المطورين تخصيص الموارد بكفاءة لتجنب إرهاق أنظمة اللعبة، خاصة في الألعاب الكبيرة المفتوحة حيث يجب أن يتفاعل العديد من الشخصيات غير القابلة للعب مع اللاعب في وقت واحد.

أخيرًا، يظل إنشاء شخصيات غير قابلة للعب قادرة على الاستجابة بشكل ديناميكي لمجموعة واسعة من سلوكيات اللاعبين مهمة صعبة. يجب أن تكون الشخصيات غير القابلة للعب قادرة على التعامل مع التفاعلات المكتوبة والسيناريوهات غير المكتوبة حيث قد يتصرف اللاعبون بطرق غير متوقعة. يتطلب تصميم شخصيات غير قابلة للعب قادرة على التكيف مع مثل هذا التنوع نماذج ذكاء اصطناعي معقدة يمكنها أن تأخذ في الاعتبار العديد من التفاعلات المحتملة، والتي قد تكون كثيفة الموارد وتستغرق وقتًا طويلاً بالنسبة للمطورين.

الغش في الذكاء الاصطناعي

يسأل اللاعبون دائمًا عما إذا كانت الذكاء الاصطناعي يغش (من المفترض حتى يتمكنوا من الشكوى إذا خسروا)

—  تيري لي كولمان من عالم ألعاب الكمبيوتر ، 1994 [42]

في سياق الذكاء الاصطناعي في ألعاب الفيديو، يشير الغش إلى قيام المبرمج بإعطاء العملاء إجراءات والوصول إلى معلومات لن تكون متاحة للاعب في نفس الموقف. [43] اعتقادًا منه أن جهاز Atari 8-bit لا يمكنه المنافسة ضد لاعب بشري، لم يصلح كريس كروفورد خطأ في Eastern Front (1941) أفاد الجانب الروسي الذي يتحكم فيه الكمبيوتر. [44] ذكرت Computer Gaming World في عام 1994 أن "من المعروف أن العديد من الذكاء الاصطناعي "يغش" (أو على الأقل "يتلاعب") حتى يتمكن من مواكبة اللاعبين البشر". [45]

على سبيل المثال، إذا أراد الوكلاء معرفة ما إذا كان اللاعب قريبًا، فيمكنهم إما أن يُزوَّدوا بأجهزة استشعار معقدة تشبه أجهزة الاستشعار البشرية (الرؤية والسمع وما إلى ذلك)، أو يمكنهم الغش ببساطة عن طريق سؤال محرك اللعبة عن موقع اللاعب. تشمل الاختلافات الشائعة إعطاء الذكاء الاصطناعي سرعات أعلى في ألعاب السباق لمواكبة اللاعب أو وضعها في مواقع مواتية في ألعاب الرماية من منظور الشخص الأول. يُظهر استخدام الغش في الذكاء الاصطناعي حدود "الذكاء" الذي يمكن تحقيقه بشكل مصطنع؛ بشكل عام، في الألعاب حيث يكون الإبداع الاستراتيجي مهمًا، يمكن للبشر بسهولة التغلب على الذكاء الاصطناعي بعد الحد الأدنى من التجربة والخطأ إذا لم يكن الأمر كذلك. غالبًا ما يتم تنفيذ الغش لأسباب تتعلق بالأداء حيث قد يُعتبر في كثير من الحالات مقبولًا طالما أن التأثير غير واضح للاعب. في حين يشير الغش فقط إلى الامتيازات الممنوحة خصيصًا للذكاء الاصطناعي - فهو لا يشمل السرعة والدقة غير الإنسانية الطبيعية للكمبيوتر - فقد يطلق اللاعب على المزايا المتأصلة في الكمبيوتر "غشًا" إذا أدت إلى تصرف العميل على عكس اللاعب البشري. [43] ذكر سيد ماير أنه حذف تحالفات اللاعبين المتعددين في لعبة الحضارة لأنه وجد أن الكمبيوتر كان جيدًا تقريبًا مثل البشر في استخدامها، مما جعل اللاعبين يعتقدون أن الكمبيوتر كان يغش. [46] يقول المطورون إن معظم الذكاء الاصطناعي في اللعبة صادق لكنهم لا يحبون اللاعبين الذين يشكون خطأً من الذكاء الاصطناعي "الغش". بالإضافة إلى ذلك، يستخدم البشر تكتيكات ضد أجهزة الكمبيوتر لا يستخدمونها ضد أشخاص آخرين. [44]

أمثلة

في لعبة Creatures التي صدرت عام 1996 ، يقوم المستخدم بـ"فقس" حيوانات صغيرة ذات فرو ويعلمها كيفية التصرف. يمكن لهذه "النورنز" التحدث وإطعام نفسها وحماية نفسها من المخلوقات الشرسة. كان هذا أول تطبيق شائع للتعلم الآلي في محاكاة تفاعلية. تستخدم المخلوقات الشبكات العصبية لتعلم ما يجب القيام به. تعتبر اللعبة بمثابة اختراق في أبحاث الحياة الاصطناعية ، والتي تهدف إلى نمذجة سلوك المخلوقات التي تتفاعل مع بيئتها. [47]

في لعبة التصويب من منظور الشخص الأول Halo: Combat Evolved التي صدرت عام 2001 ، يتولى اللاعب دور Master Chief، ويقاتل العديد من الكائنات الفضائية سيرًا على الأقدام أو في المركبات. يستخدم الأعداء الغطاء بحكمة شديدة، ويستخدمون النيران والقنابل اليدوية. يؤثر وضع الفريق على الأفراد، لذلك يفر بعض الأعداء عندما يموت زعيمهم. يتم الاهتمام بالتفاصيل الصغيرة، حيث يلقي الأعداء القنابل اليدوية بشكل ملحوظ أو يستجيب أعضاء الفريق للإزعاج. أصبحت تقنية " شجرة السلوك " الأساسية شائعة جدًا في صناعة الألعاب منذ Halo 2. [ 47]

في لعبة الرعب النفسي FEAR 2005، يقاتل اللاعبون كتيبة من الجنود الخارقين المستنسخين والروبوتات والمخلوقات الخارقة للطبيعة . يستخدم الذكاء الاصطناعي مخططًا لتوليد سلوكيات حساسة للسياق، وهي المرة الأولى في لعبة رئيسية. لا تزال هذه التكنولوجيا تستخدم كمرجع للعديد من الاستوديوهات. تستطيع النسخ المتماثلة الاستفادة من بيئة اللعبة لصالحها، مثل قلب الطاولات والأرفف لإنشاء غطاء، وفتح الأبواب، والتحطم من خلال النوافذ، أو حتى ملاحظة (وإنذار بقية رفاقهم) مصباح يدوي للاعب. بالإضافة إلى ذلك، فإن الذكاء الاصطناعي قادر أيضًا على أداء مناورات التفاف، واستخدام النيران الكابتة، وإلقاء القنابل اليدوية لإخراج اللاعب من الغطاء، وحتى التظاهر بالموت. معظم هذه الإجراءات، وخاصة التفاف، هي نتيجة لسلوك ناشئ. [48] [49]

تواجه سلسلة الرعب والبقاء STALKER (2007–) اللاعب بتجارب من صنع الإنسان وجنود عسكريين ومرتزقة معروفين باسم Stalkers. يستخدم الأعداء المتنوعون الذين يواجههم اللاعب (إذا تم ضبط مستوى الصعوبة على أعلى مستوى ) تكتيكات وسلوكيات قتالية مثل شفاء الحلفاء الجرحى وإصدار الأوامر والتغلب على اللاعب واستخدام الأسلحة بدقة متناهية. [ بحاجة لمصدر ]

تمنح لعبة الإستراتيجية في الوقت الفعلي StarCraft II: Wings of Liberty لعام 2010 اللاعب التحكم في أحد الفصائل الثلاثة في ساحة معركة 1 ضد 1 أو 2 ضد 2 أو 3 ضد 3. يجب على اللاعب هزيمة خصومه من خلال تدمير جميع وحداتهم وقواعدهم. يتم تحقيق ذلك من خلال إنشاء وحدات فعالة في مواجهة وحدات الخصوم. يمكن للاعبين اللعب ضد مستويات مختلفة متعددة من صعوبة الذكاء الاصطناعي تتراوح من السهل جدًا إلى Cheater 3 (مجنون). يتمكن الذكاء الاصطناعي من الغش في صعوبة Cheater 1 (الرؤية)، حيث يمكنه رؤية الوحدات والقواعد عندما لا يستطيع لاعب في نفس الموقف ذلك. يمنح Cheater 2 الذكاء الاصطناعي موارد إضافية، بينما يمنح Cheater 3 ميزة كبيرة على خصمه. [50]

تُجسّد لعبة Red Dead Redemption 2 ، التي أصدرتها شركة Rockstar Games في عام 2018، الاستخدام المتقدم للذكاء الاصطناعي في ألعاب الفيديو الحديثة. تتضمن اللعبة نظام ذكاء اصطناعي مفصل للغاية يحكم سلوك الشخصيات غير القابلة للعب وعالم اللعبة الديناميكي. تعرض الشخصيات غير القابلة للعب في اللعبة سلوكيات معقدة ومتنوعة بناءً على مجموعة واسعة من العوامل بما في ذلك بيئتها وتفاعلات اللاعبين ووقت اليوم. يخلق هذا المستوى من تكامل الذكاء الاصطناعي تجربة غنية وغامرة حيث تتفاعل الشخصيات مع اللاعبين بطريقة واقعية، مما يساهم في سمعة اللعبة كواحدة من أكثر ألعاب العالم المفتوح تقدمًا على الإطلاق. [51]

تستخدم لعبة Infinite Craft التي تعتمد على المتصفح في عام 2024 برامج الذكاء الاصطناعي التوليدي ، بما في ذلك LLaMA . عندما يتم دمج عنصرين، يتم إنشاء عنصر جديد بواسطة الذكاء الاصطناعي. [ 52]

تستخدم لعبة Oasis المستندة إلى المتصفح لعام 2024 الذكاء الاصطناعي التوليدي لمحاكاة لعبة الفيديو Minecraft . يتم تدريب Oasis على ملايين الساعات من لقطات Minecraft ، وتتنبأ بمظهر الإطار التالي من اللعب باستخدام مجموعة البيانات هذه. لا تتمتع Oasis بثبات الكائن لأنها لا تخزن أي بيانات. [53]

الذكاء الاصطناعي التوليدي في ألعاب الفيديو

نشأ الذكاء الاصطناعي التوليدي ، وهو نظام ذكاء اصطناعي يمكنه الاستجابة للمطالبات وإنتاج النصوص والصور ومقاطع الصوت والفيديو، في عام 2023 مع أنظمة مثل ChatGPT و Stable Diffusion . في ألعاب الفيديو، يمكن لهذه الأنظمة أن تخلق إمكانية إنشاء أصول اللعبة إلى أجل غير مسمى، متجاوزة القيود النموذجية على الإبداعات البشرية. ومع ذلك، هناك مخاوف مماثلة في مجالات أخرى وخاصة إمكانية فقدان الوظائف المخصصة عادةً لإنشاء هذه الأصول. [54]

في يناير 2024، وقعت نقابة ممثلي الشاشة (SAG-AFTRA) ، وهي نقابة أمريكية تمثل الممثلين، عقدًا مع شركة Replica Studios يسمح لشركة Replica بالتقاط أصوات ممثلي النقابة لإنشاء أنظمة صوتية تعتمد على أصواتهم لاستخدامها في ألعاب الفيديو، مع ضمان العقد لحماية الأجور والحقوق. وبينما تم الاتفاق على العقد من قبل لجنة نقابة ممثلي الشاشة (SAG-AFTRA)، أعرب العديد من الأعضاء عن انتقادهم لهذه الخطوة، حيث لم يتم إخبارهم بها حتى اكتمالها وأن الصفقة لم تفعل ما يكفي لحماية الممثلين. [55]

مستقبل الذكاء الاصطناعي في الألعاب

يحمل مستقبل الذكاء الاصطناعي في ألعاب الفيديو إمكانية تقديم تجارب أكثر تفاعلية واستجابة. وبفضل التقدم في التعلم الآلي والتقنيات مثل الشبكة العصبية، يمكن لشخصيات الذكاء الاصطناعي التكيف والتطور وفقًا لتفاعلات اللاعبين، مما يؤدي إلى تجارب لعب مميزة وشخصية. بالإضافة إلى ذلك، فإن التطورات في الذكاء الاصطناعي ستعزز التفاعلات الطبيعية والحدسية بين اللاعبين وشخصيات اللعبة. قد تتضمن الألعاب المستقبلية شخصيات غير قابلة للعب قادرة على فهم الأوامر المعقدة للاعب والاستجابة لها من خلال لغة المحادثة، مما يعزز الانغماس والواقعية في عالم اللعبة. من المقرر أن يحدث مستقبل الذكاء الاصطناعي في ألعاب الفيديو تغييرات ثورية من شأنها أن تعزز بشكل كبير تجربة اللعب. وكما يسلط شهزاد أحمد الضوء، فإن قدرة الذكاء الاصطناعي على إنشاء وتعديل المحتوى أثناء التنقل ستسمح للألعاب بتقديم تحديات وسيناريوهات فريدة للاعبين مصممة خصيصًا لأسلوب لعبهم وتفضيلاتهم. [56]

التطورات في مجال الذكاء الاصطناعي

أدت التطورات الأخيرة في الذكاء الاصطناعي لألعاب الفيديو إلى سلوكيات أكثر تعقيدًا وتكيفًا في الشخصيات غير القابلة للعب (NPCs). على سبيل المثال، تستخدم أنظمة الذكاء الاصطناعي الآن تقنيات متطورة مثل أشجار القرار وآلات الحالة لتعزيز تفاعلات NPC والواقعية، كما تمت مناقشته في "الذكاء الاصطناعي في الألعاب". [57] ركزت التطورات الأخيرة في الذكاء الاصطناعي لألعاب الفيديو أيضًا على تحسين السلوكيات الديناميكية والتكيفية في الشخصيات غير القابلة للعب. على سبيل المثال، استكشفت الأبحاث الحديثة استخدام الشبكات العصبية المعقدة لتمكين الشخصيات غير القابلة للعب من تعلم وتكييف سلوكها بناءً على تصرفات اللاعب، مما يعزز تجربة اللعب الشاملة. تم تفصيل هذا النهج في ورقة IEEE حول "تقنيات الذكاء الاصطناعي لأنظمة الألعاب التفاعلية". [58]

انظر أيضا

القوائم

مراجع

  1. ^ ab Redheffer, Raymond (1948). "آلة للعب لعبة نيم". المجلة الرياضية الأمريكية . 55 (6): 343–349. doi :10.1080/00029890.1948.11999249. ISSN  0002-9890.
  2. ^ اي بي سي 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 من الأصل (PDF) في 8 أغسطس 2014.
  3. ^ "Punch-Out!! (NES)"، ويكيبيديا ، 28 يوليو 2024 ، تم الاسترجاع في 31 يوليو 2024
  4. ^ abc Bogost, Ian (مارس 2017). ""الذكاء الاصطناعي" أصبح بلا معنى" . تم الاسترجاع في 22 يوليو 2017 .
  5. ^ abc Kaplan, Jerry (مارس 2017). "مشكلة العلاقات العامة في الذكاء الاصطناعي". MIT Technology Review .
  6. ^ abc Eaton, Eric; Dietterich, Tom; Gini, Maria (December 2015). "من يتحدث باسم الذكاء الاصطناعي؟". AI Matters . 2 (2): 4–14. doi :10.1145/2847557.2847559. S2CID  207233310.
  7. ^ "كيف سيعمل الذكاء الاصطناعي على إحداث ثورة في طريقة تطوير ألعاب الفيديو ولعبها". The Verge . 6 مارس 2019.
  8. ^ إيستوود، غاري. "كيف تغير الذكاء الاصطناعي لألعاب الفيديو العالم". CIO . مؤرشف من الأصل في 28 فبراير 2017 . تم الاسترجاع 28 فبراير 2017 .
  9. ^ "لماذا لن تساعد الذكاء الاصطناعي في الألعاب في جعل الذكاء الاصطناعي يعمل في العالم الحقيقي - ولكن من الممكن أن يفعل ذلك". 30 أغسطس 2018.
  10. ^ "لماذا لا تعتبر ألعاب الفيديو وألعاب الطاولة مقياسًا جيدًا لذكاء الذكاء الاصطناعي". 19 ديسمبر 2019.
  11. ^ انظر "تاريخ موجز للحوسبة" على AlanTuring.net.
  12. ^ شايفر، جوناثان. قفزة واحدة للأمام: تحدي التفوق البشري في لعبة الداما ، 1997، 2009، سبرينغر، ISBN 978-0-387-76575-4 . الفصل 6. 
  13. ^ McCorduck, Pamela (2004), Machines Who Think (الطبعة الثانية)، ناتيك، ماساتشوستس: AK Peters، ISBN 1-5688-1205-1، ص 480-483
  14. ^ الملكة الأولى في MobyGames
  15. ^ "الموقع الرسمي". Kure Software Koubou . تم الاسترجاع في 19 مايو 2011 .(ترجمة)
  16. ^ شواب، 2004، ص 97-112
  17. ^ شواب، 2004، ص 107
  18. ^ الاستخبارات الناشئة في الألعاب أرشيف 19 فبراير 2011 على موقع واي باك مشين 17 فبراير 2011 .
  19. ^ Good, Owen S. (5 أغسطس 2017). "تعديل Skyrim يجعل تفاعلات NPC أقل نصية وأكثر شبهاً بـ Sims". Polygon . تم الاسترجاع في 16 أبريل 2018 .
  20. ^ Lara-Cabrera، R.، Nogueira-Collazo، M.، Cotta، C.، & Fernández-Leiva، AJ (2015). لعبة الذكاء الاصطناعي: تحديات للمجتمع العلمي.
  21. ^ Yannakakis, GN (2012, May). Game AI revisited. في وقائع المؤتمر التاسع حول حدود الحوسبة (ص 285-292). ACM.
  22. ^ هاجيلباك، يوهان، وستيفان جيه. جوهانسون. "التعامل مع ضباب الحرب في بيئة لعبة إستراتيجية في الوقت الحقيقي". في Computational Intelligence and Games، 2008. CIG'08. ندوة معهد مهندسي الكهرباء والإلكترونيات، ص 55-62. معهد مهندسي الكهرباء والإلكترونيات، 2008.
  23. ^ عبد الغفور، زياد؛ سونار، محمد شهرزال؛ كوليوند، هوشانغ (2015). "دراسة شاملة حول تقنيات تحديد المسار للروبوتات وألعاب الفيديو". المجلة الدولية لتكنولوجيا ألعاب الكمبيوتر . 2015 : 1-11. doi : 10.1155/2015/736138 .
  24. ^ ياب، بيتر. "البحث عن المسار على أساس الشبكة". في مؤتمر الجمعية الكندية للدراسات الحاسوبية للذكاء، ص 44-55. سبرينغر، برلين، هايدلبرغ، 2002.
  25. ^ Sturtevant, NR (يونيو 2012). "Benchmarks for Grid-Based Pathfinding". معاملات معهد مهندسي الكهرباء والإلكترونيات للذكاء الحاسوبي والذكاء الاصطناعي في الألعاب . 4 (2): 144–148. doi :10.1109/TCIAIG.2012.2197681. S2CID  2864753.
  26. ^ Goodwin, SD, Menon, S., & Price, RG (2006). Pathfinding in open land. في وقائع المؤتمر الأكاديمي الدولي حول مستقبل تصميم الألعاب والتكنولوجيا.
  27. ^ ناريك، أ. (2004). الذكاء الاصطناعي في ألعاب الكمبيوتر. قائمة الانتظار، 1(10).
  28. ^ ab Cui, X., & Shi, H. (2011). Pathfinding القائم على A* في ألعاب الكمبيوتر الحديثة. المجلة الدولية لعلوم الكمبيوتر وأمن الشبكات، 11(1)، 125-130.
  29. ^ "تقنيات التصميم والمثل العليا لألعاب الفيديو". مجلة بايت . المجلد 7، العدد 12. 1982. ص 100.
  30. ^ ليدن، ل. (2003). الغباء الاصطناعي: فن الأخطاء المتعمدة. حكمة برمجة ألعاب الذكاء الاصطناعي، 2، 41-48.
  31. ^ "الذكاء الاصطناعي في تصميم الألعاب". ai-depot.net . تم الاسترجاع في 23 مايو 2024 .
  32. ^ abc Todd, Graham; Earle, Sam; Nasir, Muhammad Umair; Green, Michael Cerny; Togelius, Julian (2023). "توليد المستويات من خلال نماذج اللغة الكبيرة". وقائع المؤتمر الدولي الثامن عشر حول أسس الألعاب الرقمية . ص. 1-8. arXiv : 2302.05817 . doi :10.1145/3582437.3587211. ISBN 978-1-4503-9855-8.
  33. ^ R. van der Linden وR. Lopes وR. Bidarra، "التوليد الإجرائي للأبراج المحصنة"، في معاملات معهد مهندسي الكهرباء والإلكترونيات للذكاء الحاسوبي والذكاء الاصطناعي في الألعاب، المجلد 6، العدد 1، مارس 2014، ص 78-89. doi: 10.1109/TCIAIG.2013.2290371.
  34. ^ ab Seidel, S., et al. "الذكاء الاصطناعي وإنشاء ألعاب الفيديو: إطار عمل للمنطق الجديد للتصميم المستقل". مجلة البحوث الاجتماعية الرقمية ، المجلد 2، العدد 3، نوفمبر 2020، ص 126-157. doi:10.33621/jdsr.v2i3.46.
  35. ^ ab Liapis, Antonios (2021). "الذكاء الاصطناعي لتصميم الألعاب". الذكاء الاصطناعي والفنون . التوليف الحسابي والأنظمة الإبداعية. ص 277-310. doi :10.1007/978-3-030-59475-6_11. ISBN 978-3-030-59474-9.
  36. ^ ab Graham Todd, Sam Earle, Muhammad Umair Nasir, Michael Cerny Green, and Julian Togelius. 2023. Level Generation Through Large Language Models. In Foundations of Digital Games 2023 (FDG 2023)، 12-14 أبريل 2023، لشبونة، البرتغال. ACM، نيويورك، نيويورك، الولايات المتحدة الأمريكية، 9 صفحات. doi:10.1145/3582437.3587211.
  37. ^ Scirea, Marco, et al. "Affective Evolutionary Music Composition with MetaCompose." Genetic Programming and Evolvable Machines ، المجلد 18، العدد 4، ديسمبر 2017، ص 433-465. doi:10.1007/s10710-017-9307-y.
  38. ^ Scirea, Marco, et al. "Evolving In-Game Mood-Expressive Music with MetaCompose." Proceedings of the Audio Mostly 2018 on Sound in Immersion and Emotion (AM '18) ، رابطة آلات الحوسبة، 2018، المادة 8، ص 1-8. doi:10.1145/3243274.3243292.
  39. ^ ستات، نيك (9 مارس 2019). "كيف سيحدث الذكاء الاصطناعي ثورة في طريقة تطوير ألعاب الفيديو ولعبها" . تم الاسترجاع في 23 فبراير 2020 .
  40. ^ "الذكاء الاصطناعي يخلق مستويات جديدة للعبة Doom". BBC News. 8 مايو 2018. تم استرجاعه في 17 مايو 2018 .
  41. ^ فينسنت، جيمس (22 مايو 2020). "ذكاء اصطناعي من إنفيديا يعيد إنشاء لعبة باك مان من الصفر بمجرد مشاهدتها أثناء اللعب". The Verge . تم الاسترجاع في 28 مايو 2020 .
  42. ^ كولمان، تيري لي (يوليو 1994). "إنه ليس ثقيلًا، إنه ملكي". عالم ألعاب الكمبيوتر . ص 110-111.
  43. ^ ab Scott, Bob (2002). "وهم الذكاء". في Rabin, Steve (محرر). حكمة برمجة ألعاب الذكاء الاصطناعي . تشارلز ريفر ميديا. ص 16-20.
  44. ^ ab Wilson, Johnny L.; Brown, Ken; Lombardi, Chris; Weksler, Mike; Coleman, Terry (يوليو 1994). "معضلة المصمم: المؤتمر الثامن لمطوري ألعاب الكمبيوتر". عالم ألعاب الكمبيوتر . ص 26-31.
  45. ^ ويلسون، جوني إل. (فبراير 1994). "الذنب والمسؤولية". افتتاحية. عالم ألعاب الكمبيوتر . ص 8.
  46. ^ "المؤتمر الدولي السابع لمطوري ألعاب الكمبيوتر". عالم ألعاب الكمبيوتر . يوليو 1993. ص. 34. تم الاسترجاع في 12 يوليو 2014 .
  47. ^ "AiGameDev – Top 10 Most Influential AI Games". مؤرشف من الأصل في 21 أبريل 2013. استرجاع 22 سبتمبر 2012 .
  48. ^ Horti, Samuel (3 أبريل 2017). "لماذا لا يزال الذكاء الاصطناعي في FEAR هو الأفضل في ألعاب التصويب من منظور الشخص الأول". Rock, Paper, Shotgun . تم الاسترجاع في 29 ديسمبر 2020 .
  49. ^ "بناء الذكاء الاصطناعي للخوف من خلال التخطيط للعمل الموجه نحو الهدف". gamasutra.com . 7 مايو 2020 . تم الاسترجاع في 29 ديسمبر 2020 .
  50. ^ "StarCraft II". StarCraft II . تم الاسترجاع في 28 فبراير 2017 .
  51. ^ "Red Dead Redemption 2: The Current Pinnacle of AI in Video Games". مدونة كريس . 17 مايو 2019. تم الاسترجاع في 4 سبتمبر 2024 .
  52. ^ Litchfield, Ted (4 فبراير 2024). "تبدأ هذه اللعبة القائمة على المتصفح "الصناعة اللانهائية" بالنار والماء، لكنها تتصاعد بسرعة إلى الله والانفجار الكبير و"ين يودا". PCGamer . تم الاسترجاع في 24 فبراير 2024 .
  53. ^ بنتلي، جيمس (1 نوفمبر 2024). "الكشف عن لعبة ماين كرافت المولدة بالذكاء الاصطناعي، والتي تعرض قدرة الذكاء الاصطناعي غير المحدودة على نسخ الأشياء ولكن الأسوأ". PC Gamer . تم الاسترجاع في 5 نوفمبر 2024 .
  54. ^ كيرنز، ريبيكا (23 أكتوبر 2023). "'ألعاب الفيديو في رحلة طويلة': كيف يمكن للذكاء الاصطناعي التوليدي إعادة تشكيل الألعاب بشكل جذري". سي إن إن . تم الاسترجاع في 9 يناير 2024 .
  55. ^ جيركين، توم (11 يناير 2024). "ممثلو أصوات الألعاب يفاجأون بصفقة الذكاء الاصطناعي غير المجدية". بي بي سي نيوز . تم الاسترجاع في 12 يناير 2024 .
  56. ^ أحمد، شهزاد. [*تأثير الذكاء الاصطناعي على الألعاب الحديثة: تحليل نقدي*](https://www.linkedin.com/pulse/ais-impact-modern-gaming-critical-analysis-shahzad-ahmad-s2ikf/). لينكد إن، 2023.
  57. ^ [*الذكاء الاصطناعي في الألعاب*](https://link.springer.com/content/pdf/10.1007/978-3-319-42716-4.pdf). SpringerLink، 2016.
  58. ^ [*تقنيات الذكاء الاصطناعي لأنظمة الألعاب التفاعلية*](https://ieeexplore.ieee.org/abstract/document/6363215). معهد مهندسي الكهرباء والإلكترونيات، 2012.

فهرس

  • بوجوست، إيان (2017). "الذكاء الاصطناعي أصبح بلا معنى". [1]
  • بورج؛ سيمان (2004). الذكاء الاصطناعي لمطوري الألعاب . أوريلي وشركاه . ISBN 0-596-00555-5 . 
  • Buckland (2002). تقنيات الذكاء الاصطناعي لبرمجة الألعاب . Muska & Lipman. ISBN 1-931841-08-X . 
  • Buckland (2004). برمجة الذكاء الاصطناعي للألعاب من خلال المثال. Wordware Publishing. ISBN 1-55622-078-2 . 
  • Champandard (2003). تطوير ألعاب الذكاء الاصطناعي. New Riders . ISBN 1-59273-004-3 . 
  • إيتون، إيريك وآخرون (2015). "من يتحدث باسم الذكاء الاصطناعي؟" [2]
  • فونج (1999). الذكاء الاصطناعي للرسوم المتحركة والألعاب: نهج النمذجة المعرفية . إيه كيه بيترز . رقم ISBN 1-56881-103-9 . 
  • فونج (2004). الذكاء الاصطناعي لألعاب الكمبيوتر: مقدمة. إيه كيه بيترز. ISBN 1-56881-208-6 . 
  • كابلان، جيري (2017). "مشكلة العلاقات العامة للذكاء الاصطناعي". [3]
  • ميلينجتون (2005). الذكاء الاصطناعي للألعاب أرشيف 4 سبتمبر 2012 على موقع واي باك مشين . مورجان كوفمان . ISBN 0-12-497782-0 . 
  • شواب (2004). برمجة محرك ألعاب الذكاء الاصطناعي . تشارلز ريفر ميديا. ISBN 1-58450-344-0 . 
  • سميد وهاكونين (2006). الخوارزميات والشبكات لألعاب الكمبيوتر. جون وايلي وأولاده . ISBN 0-470-01812-7 . 
  • مجموعة الاهتمامات الخاصة بالذكاء الاصطناعي @IGDA
  • حكمة برمجة ألعاب الذكاء الاصطناعي على aiwisdom.com
  • جورجيوس ن. ياناكاكيس وجوليان توجيليوس
Retrieved from "https://en.wikipedia.org/w/index.php?title=Artificial_intelligence_in_video_games&oldid=1261356431"
Original text
Rate this translation
Your feedback will be used to help improve Google Translate