상업용 게임에서 더 높은 수준의 'Pure AI'개념 (예 : Neural-Nets 또는 Genetic Algos)이 성공적으로 구현 되었습니까?


18

그래픽이 저의 주요 초점 분야이지만, 저는 꽤 오랫동안 Game AI 개념을 다루고 있습니다. 간단한 A * 경로 찾기에서 복잡한 퍼셉트론까지 ..

내 질문은 이것입니다; 누구든지 대규모 상용 타이틀에서 일부 고급 AI 개념을 성공적으로 (또는 더 흥미롭게, 실패한) 구현 한 예가 있습니까?

더 높은 수준으로, 나는 순수 AI에서 일반적으로 발견되는 지능을 시뮬레이션하는 방법을 의미합니다.

  • 신경망
  • 유전자 알고리즘
  • 의사 결정 이론

나는 재정 예산뿐만 아니라 개발자도 메모리 사용 예산을 가지고 있다는 것을 알고 있습니다 (AI는 종종 뒷좌석을 차지합니다). 이 방법들 중 많은 것들이 구현하고 제한적인 수익을 제공하는 데 많은 비용이 듭니다. 나는 어디에서 언제 이들 (또는 내가 언급했던 것을 잊어 버린 다른 높은 수준의 개념)이 어디에 또는 언제 있는지 알고 있는지 궁금합니다. 잘 알려진 게임 :)

나는 또한이 산업에서 영업 비밀은 삶의 사실이라는 것을 알고있다. :디

답변:


18

일반적으로 신경망과 유전자 알고리즘은 게임에 사용되지 않으며 딥 러닝을 위해 신경망을 사용하는 것에 대한 최근의 관심과는 별개로, 게임 외부에서는 그렇지 않습니다.

이것이 인공 지능 학계에서 가르치는 주된 이유는 실제 적용 가능성 때문이 아니라 가르치는 장치로 설명하기가 쉽기 때문입니다. 수학 및 생물학적 유사체가있어 학생들이 어떻게 일할 수 있는지 이해할 수 있습니다.

현실에서는 일반적으로 신뢰성과 예측 성이 필요합니다. 학습 방법의 문제점은 그들이 '야생적으로'배우면 잘못된 패턴을 배우고 신뢰할 수 없다는 것입니다. NN 또는 GA는 잠재적으로 로컬 최대 값에 도달 할 수 있으며, 이는 예를 들어 필요한 게임 플레이 경험을 제공하기에 충분하지 않을 수 있습니다. 다른 경우에, 그것은 너무 좋은 결과를 낼 수 있으며, 타의 추종을 불허하는 완벽한 전략을 찾습니다. 대부분의 엔터테인먼트 제품에서는 바람직하지 않습니다.

오프라인에서 (예 : 게임 플레이 중이 아닌 시작하기 전에) 훈련하더라도, 외관상 좋은 데이터 세트는 플레이어가 발견 한 악용을 쉽게 숨길 수 있습니다. 신경망은 특히 연구하기에는 불투명 한 일련의 가중치를 발전 시키며, 그 결정은 추론하기 어렵다. 설계자가 그러한 AI 루틴을 원하는대로 수행하도록 조정하는 것은 어려울 것입니다.

그러나 가장 심각한 문제는 GA와 NN이 일반적으로 게임 개발 작업에 가장 적합한 도구가 아니라는 것입니다. 훌륭한 교수법 장치이지만, 주제 영역에 대한 충분한 지식을 가진 사람은 일반적으로 유사한 결과를 얻기 위해 다른 방법을 사용하는 것이 더 좋습니다. 이것은 지원 벡터 머신이나 행동 트리와 같은 다른 AI 기술에서 상태 머신과 같은 더 간단한 접근 방식이나 심지어 if-then 조건 조건의 긴 체인에 이르기까지 다양 할 수 있습니다. 이러한 접근 방식은 개발자의 도메인 지식을보다 잘 활용하는 경향이 있으며 학습 방법보다 더 신뢰할 수 있고 예측 가능합니다.

그러나 일부 개발자는 개발 과정에서 신경망을 사용하여 경마장 주위의 좋은 경로를 찾도록 운전자를 훈련시킨 다음이 경로를 게임의 일부로 배송 할 수 있다고 들었습니다. 최종 게임에는 훈련 된 그물 조차도이 기능을 수행하기 위해 신경망 코드가 필요하지 않습니다.

이 방법의 '비용'은 실제로 문제가되지 않습니다. NN과 GA는 모두 매우 저렴하게 구현할 수 있으며 특히 NN은 사전 계산 및 최적화에 대출합니다. 문제는 실제로 유용한 정보를 얻을 수 있다는 것입니다.


3
게임 이외의 GA는 엔지니어링 문제에 대한 난해한 해결책, 즉 유전 회로에 관한 Adrian Thompson 박사의 초기 연구가 "유용하지 않은"서브 회로를 만들어 나머지 작업을 수행하는 방식으로 플럭스에 영향을 미치는 "쓸모없는"서브 회로를 만들어내는 데 크게 성공했습니다. 문제는 효과적인 밀교 솔루션이 엔지니어링 에서처럼 게임에서 가치가 없다는 것입니다. 게임 AI의 가장 어려운 문제는 AI가 단순히 잘하는 것이 아니라 이해하기 쉬운 전략을 갖도록하는 것입니다.

4
AI 드라이버 변수를 조정하기 위해 GA를 사용했습니다. 그러나 언급했듯이 튜닝 데이터를 생성하는 도구를 사용하여 오프라인으로 수행되었습니다. 이 게임에는 적극적인 GA가 제공되지 않았으며 개발 과정에서 파생 된 숫자 만 제공되었습니다.
wkerslake

@ 조-그래, 나는 GA를 좋아한다. 그것들은 알고리즘을 조정하는 사람에게 매우 직관적 인 방식으로 문제 공간을 탐색하는 효과적인 방법이라고 생각합니다. 또한 실시간 의사 결정에 사용했지만 대안보다 더 효율적이거나 효과적이라고 주장하기는 어렵습니다.
Kylotan

도메인 지식 +1 또한 비즈니스 사례를 할인하지 마십시오. 레이싱 라인을 생성하고 조정하고 유지하는 데 몇 주 간의 프로그래머 시간 NN은 스플라인을 배치하고 며칠 동안 디자이너 시간을내는 간단한 최대 도구보다 비용 효율성이 떨어질 수 있습니다.
tenpn

문제는 유용한 것을 배우기 위해서는 많은 계산 능력을 필요로하는 큰 신경망이 필요하다는 것입니다. 당신이 작은 그물을 가지고 있다면, 당신이 말한 것처럼 훈련하는 것이 저렴하지만 정교한 행동을 배울 기회는 없습니다. 또 다른 문제는 ML에 대한 엄청난 양의 훈련 예제가 필요하다는 것입니다. 따라서 게임 플레이 중에는 적들이 영리 해지기까지 너무 오래 걸리기 때문에 훈련을 할 수 없습니다. 반면에 강화 Q- 러닝은이를위한 좋은 기술처럼 보입니다. 트릭은이 AI에 대해 한 번만 작동합니다. 게임에서 사용했는지 확실하지 않습니다.
danijar

7

게임에서 "학술적"인공 지능의 응용은 일반적으로 게임 영역에서 인공 지능으로 생각하는 것보다 훨씬 미묘한 경향이 있습니다. 학교에있을 때 게임 AI 교수의 많은 관심은 카메라 제어를위한 AI였습니다. 그의 다른 관심 분야는 AI 내러티브 관리였습니다. 이 후기 영역의 주목할만한 예는 정면 입니다.

게임에서 "학술적"AI의 주요 문제는 다른 문제를 해결한다는 것입니다. 당신은 종종 게임에서 요구 사항을 만족시키기를 원하지 않습니다. 당신은 단지 만족하고 싶다. 이전에 말했듯이, 당신은 쉬워지기를 원하지 않지만 AI 상대가 너무 어려워지는 것을 원하지 않습니다.

즉, Lionhead의 흑백 게임 시리즈는 위의 질문에 대해 이야기 한 것과 비슷한 AI를 사용했으며 적어도 속편 을 만들만큼 충분히 성공했습니다 .

"The Elder Scrolls IV : Oblivion" 의 빛나는 인공 지능에 대한 보고서는 원래이 행동의 예이기도하지만 NPC가 음식을 통해 서로를 죽이는 것과 같은 이상한 예기치 않은 행동으로 인해 벙어리가되어야한다는 사실을 기억합니다.


GA는 또한 생물 시리즈에서도 사용됩니다 : en.wikipedia.org/wiki/Creatures_(artificial_life_program) 이전에 언급 한 흑백이나 망각만큼 성공하지
못함

답을 주셔서 감사합니다. 게임 개발의 거의 모든 측면에서 현실적이고 믿을 수 있기 전에 재미 있어야하기 때문에 게임 AI의 균형이 얼마나 중요한지 언급 한 것은 흥미 롭습니다. 너무 '영리한'인공 지능은 전혀 재미없고, 아무도 스마트 알렉을 좋아하지 않습니다 :)
Bluestone

1

그것들은 디버깅하기가 어렵 기 때문에 실수로 과도하게 최적화 된 결함을 쉽게 해결할 수 없습니다. 이 때문에 게임에 사용 된 신경망은 게임 플레이 중에 실시간으로 학습해야합니다. 그러나 게임 NERO와 같이 사용되었습니다.



1

사용 된 신경망에 대해 알고있는 가장 빠른 타이틀은 1993 년에 출시 된 D & D TBS / 액션 게임 인 Fantasy Empires였습니다. 이들은 던전 마스터 피겨가 말한 것을 이끌어 내기 위해 이것을 사용했습니다. "지능적"이지만 "예측할 수없는"방식으로하십시오. 게임을 많이 해본 적이 있다면 동의하지 않을 수 있습니다! 애니메이션 던전 마스터 피겨는 NN을 사용하여 정적 사운드 비트 모음에서 최근 작업을 기반으로 게임 플레이 스타일에 대한 지침을 제공합니다. 나는 그것이 매우 간단한 네트워크라고 가정합니다.

( 자세한 내용 은 설명서 57 페이지 참조)

여기에 이미지 설명을 입력하십시오


이것은 흥미로운 예일 수 있지만,이 게임을하지 않은 사람에게는 별 도움이되지 않습니다. 신경망에 의해 제어되는 게임 메커니즘, 의도가 무엇인지, 그리고 그것이 만들어 낸 좋은 결과와 나쁜 결과의 예를 설명 할 수 있습니까?
Philipp

@Philipp 당신의 요점은 ETA입니다. 신경망의 아날로그 특성이 매우 제한된 출력 동작 세트로 정량화되는 것처럼 보였기 때문에 결과는 그리 "나쁜"것이 아닙니다.
엔지니어
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.