En términos generales, las redes neuronales y los algoritmos genéticos no se usan en los juegos, y aparte del interés reciente en el uso de redes neuronales para el aprendizaje profundo, tampoco es tan frecuente fuera de los juegos.
La razón principal por la que se enseñan en la academia de inteligencia artificial no es por su aplicabilidad práctica, sino porque son bastante fáciles de explicar como dispositivos de enseñanza: ambos tienen análogos matemáticos y biológicos que permiten a los estudiantes comprender cómo podrían funcionar.
En el mundo real, normalmente necesita confiabilidad y previsibilidad. El problema con los métodos de aprendizaje es que si aprenden 'en la naturaleza', pueden aprender los patrones equivocados y no ser confiables. Un NN o un GA podría alcanzar un máximo local que no se garantiza que sea lo suficientemente bueno como para proporcionar la experiencia de juego requerida, por ejemplo. Otras veces, puede terminar siendo demasiado bueno, encontrar una estrategia perfecta que sea inmejorable. Tampoco es deseable en la mayoría de los productos de entretenimiento.
Incluso si entrenas fuera de línea (es decir, antes del lanzamiento, y no durante el juego), un conjunto de datos aparentemente atractivo podría estar ocultando anomalías que, una vez encontradas por un jugador, son fáciles de explotar. Una red neuronal en particular generalmente desarrolla un conjunto de pesos que es bastante opaco para estudiar, y las decisiones que toma son difíciles de razonar. Sería difícil para un diseñador ajustar una rutina de IA como la que se desea.
Pero quizás el problema más condenatorio es que los GA y NN generalmente no son las mejores herramientas para cualquier tarea de desarrollo de juegos. Si bien son buenos dispositivos de enseñanza, cualquier persona con suficiente conocimiento del dominio de la materia generalmente está mejor equipada para usar un método diferente para lograr resultados similares. Esto podría ser cualquier cosa, desde otras técnicas de IA como máquinas de vectores de soporte o árboles de comportamiento hasta enfoques más simples como máquinas de estado o incluso una larga cadena de condicionales si-entonces. Estos enfoques tienden a hacer un mejor uso del conocimiento del dominio del desarrollador y son más confiables y predecibles que los métodos de aprendizaje.
Sin embargo, he oído que algunos desarrolladores han utilizado redes neuronales durante el desarrollo para entrenar a un conductor a encontrar una buena ruta alrededor de una pista de carreras, y luego esta ruta puede enviarse como parte del juego. Tenga en cuenta que el juego final no requiere ningún código de red neuronal para que esto funcione, ni siquiera la red entrenada.
El "costo" del método no es realmente el problema, por cierto. Tanto las NN como las GA se pueden implementar de manera extremadamente económica, y la NN en particular se presta para el cálculo previo y la optimización. El problema es realmente poder obtener algo útil de ellos.
Las aplicaciones de la IA "académica" en los juegos tienden a ser mucho más sutiles que los tipos de cosas que normalmente se consideran IA en la esfera del juego. Gran parte del enfoque de mi profesor de IA del juego cuando estaba en la escuela era IA para el control de la cámara. Su otra área de interés fue la gestión narrativa de inteligencia artificial, que, hasta donde yo sé, todavía se limita a la academia en su mayor parte. Un ejemplo notable de esta área posterior sería la fachada .
El problema principal para la IA "académica", en los juegos, es que están resolviendo diferentes problemas. A menudo no quieres satisfacer los requisitos, en el juego; solo quieres satisfacer. Como se ha redactado anteriormente: no quieres ser fácil, pero tampoco quieres que tu oponente de IA sea demasiado difícil.
Dicho esto, la serie de juegos en blanco y negro de Lionhead usaba IA similar a lo que estás hablando con la pregunta anterior y al menos tuvo el éxito suficiente para que hicieran una secuela .
Recuerdo los informes de IA radiante de "The Elder Scrolls IV: Oblivion", que originalmente también fue un ejemplo de esta veta de comportamiento, pero tuvo que ser silenciada debido a un comportamiento extraño e inesperado, como los NPC que se matan entre ellos por comida.
fuente
Son difíciles de depurar, por lo que un problema técnico (posiblemente causado por una sobre optimización accidental) no se puede solucionar fácilmente. Debido a esto, cualquier red neuronal que use los juegos debe aprender en tiempo real durante el juego. Sin embargo, se han utilizado, por ejemplo, el juego NERO.
fuente
Forza utiliza redes neuronales para la IA del automóvil. Por lo que he escuchado, aprendieron todo antes de lanzar el juego, por lo que es una red neuronal estática en tiempo de ejecución.
Un amigo mío en el proyecto me lo contó, pero este artículo también habla de ello: http://gamingbolt.com/forza-5-developer-best-explains-cloud-technology-create-ai-agents-to- ganar para ti
fuente
Dado que solicitó ejemplos en la industria, aquí hay uno para usted: el primer título que conozco que usaba redes neuronales era Fantasy Empires, un juego de D&D TBS / action lanzado en 1993. Aparentemente los usaron para conducir lo que diría la figura maestra del calabozo y hazlo de forma "inteligente" pero "no predecible" ... si has jugado mucho el juego, ¡puedes estar en desacuerdo! La figura maestra de la mazmorra animada ofrece orientación sobre su estilo de juego, basado en sus acciones recientes, de una colección de fragmentos de sonido estático, utilizando el NN. Supongo que es una red muy simple.
(vea la página 57 del manual para más detalles)
fuente