کاربرد هوش مصنوعی در صنعت بازی سازی چیست؟

در حقیقت هوش مصنوعی که در بازی‌های رایانه‌ای استفاده می‌شود با هوش مصنوعی کلاسیک تفاوت دارد. در صنعت بازی‌سازی، هوش مصنوعی نه به عنوان ابزاری برای دستیابی به دقت علمی بلکه با هدف خلق تجربه‌ای سرگرم‌کننده، چالش‌برانگیز و باورپذیر برای بازیکن به کار می‌رود.

در فناوری‌های معمول هوش مصنوعی، هدف یادگیری ماشینی، درس گرفتن برای تصمیم‌گیری بهتر است، ولی در بازی‌های رایانه‌ای هدف بهتر کردن تجربه بازی و جذابیت‌های آن است.

آغاز دوران جذاب بهره‌گیری از AI در بازی‌سازی

در اوایل استفاده از هوش مصنوعی در صنعت بازی‌سازی یا گیمیفیکیشن (gamification)، از هوش مصنوعی تنها برای تنظیم سطح میزان دشواری بازی استفاده می‌شد و هدف الگوریتم‌ها در بازی تنها جواب‌دادن به کنش‌های بازیکن بود.

البته در کنار این موضوع، هدف فرعی دیگر پژوهش در هوش مصنوعی بوده تا جایی که پژوهشگران MIT در ابتدای دهه 60 میلادی برای آزمایش بسیاری از الگوریتم‌ها از بازی‌ها استفاده می‌کردند.

یکی از نخستین نمونه‌های استفاده از هوش مصنوعی در صنعت بازی‌سازی، بازی رایانه‌ای «نیم» است که در سال 1951 ساخته و در سال 1952 منتشر شد. همچنین در سال 1951 با استفاده از دستگاه «Ferranti Mark1» در دانشگاه منچستر، دو پژوهشگر به نام‌های «کریستوفر استراچی» و «دیتریش پرینز» الگوریتم بازی‌های «چکرز» و «شطرنج» را نوشتند. در نهایت، کار روی چکرز و شطرنج با شکست گری کاسپاروف توسط دیپ بلو، ساخته شرکت IBM در سال 1997 به اوج خود رسید.

با ظهور ژانرهای نوین در بازی‌ها در دهه 90 میلادی، استفاده از ابزارهای هوش مصنوعی، مانند ماشین‌های حالات متناهی نیز رونق گرفت. در همین حال در این سال‌ها بازی‌های نوین استراتژی نیز رونق دوباره‌ای یافتند؛ این بازی‌ها از بسیاری از سرویس‌های هوش مصنوعی برای جذاب کردن خود کمک گرفتند. سرویس‌هایی مانند دریافت اطلاعات و پردازش آن‌ها، مسیریابی کاراکترها، تصمیم‌گیری بلادرنگ و پردازش‌های مالی در بازی به این بازی‌ها کمک بسیاری کردند.

بازی‌های بعدی که با استفاده از هوش مصنوعی ساخته می‌شدند، از روش‌های پایین به بالا در هوش مصنوعی، مانند رفتارهای واکنش‌گر بلادرنگ و ارزیابی اقدامات بازیکن استفاده کرده‌اند. بعدتر نیز بازی‌هایی با داستان‌های تعاملی به وجود آمدند که هوش مصنوعی روند داستان در بازی را بر اساس چگونگی و تصمیمات گوناگون بازیکن تغییر می‌داد. در این بازی‌ها از دیالوگ‌های چندگانه تعاملی استفاده می‌شد و هوش مصنوعی اصلی‌ترین جنبه این بازی‌ها بود.

استفاده از یادگیری ماشینی در بازی‌سازی

هوش مصنوعی با روش‌های مختلفی به صنعت بازی‌سازی کمک می‌کند. یکی از مهم‌ترین این روش‌ها یادگیری ماشینی در بازی‌سازی است. در توسعه بازی‌های رایانه‌ای، یادگیری ماشینی با روش‌های مختلفی به کار می‌روند، ولی دو کاربرد یادگیری ماشینی وجود دارد که بیشترین استفاده را دارند. یکی استفاده از یادگیری ماشینی برای کنترل کاراکترهای غیر بازیکن (NPC) و دیگری تولید محتوای رویه‌ای (PCG) است. یادگیری ماشینی در صنعت بازی‌سازی با استفاده از الگوریتم‌ها و مدل‌های آماری به تصمیم‌گیری رایانه در بازی بدون برنامه‌نویسی خاص، کمک می‌کند.

در همین راستا معمولاً کاراکترهای غیر بازیکن برای رشد شخصیت و بهترشدن تصمیماتی که می‌گیرند از یادگیری عمیق استفاده می‌کنند. هوش مصنوعی در صنعت بازی‌سازی برای بهتر کردن کارکرد کاراکترها از نوعی یادگیری عمیق استفاده می‌کند که به شدت بر استفاده از شبکه‌های عصبی مصنوعی (ANN) تمرکز دارد و همین به کاراکتر کمک می‌کند که حل وظایف پیچیده را یاد بگیرد. با استفاده از یادگیری عمیق، کاراکتر از چندین لایه شبکه عصبی مصنوعی و تکنیک‌های دیگر، برای استخراج تدریجی اطلاعات از یک ورودی استفاده می‌کند. همین رویکرد چندلایه‌ای پیچیده به کاراکتر کمک می‌کند تا شخصیتش را رشد دهد و بر اساس داده‌های گوناگونی که دریافت می‌کند او نیز تغییر کند و بازی‌اش بهتر و جذاب‌تر شود.

یادگیری ماشینی در صنعت بازی‌سازی با استفاده از تولید محتوای رویه‌ای کمک فراوانی به این صنعت کرده است. تولید محتوای رویه‌ای یا PCG فرایندی است که در آن داده‌ها با الگوریتم‌های پیشرفته تولید می‌شوند، و نه به‌صورت دستی. از این تکنیک برای رشد نوآورانه بازی بدون نیاز به توسعه‌دهندگان انسانی استفاده می‌شود. در بازی‌های جهان آزاد، رویکردهای این تکنیک را بیشتر می‌بینیم که شامل گرامرها، الگوریتم‌های مبتنی بر جستجو و برنامه‌نویسی منطقی است و به هوش مصنوعی در بازی‌سازی کمک می‌کند.

برخی از برترین بازی‌های هوش مصنوعی

بازی‌های هوش مصنوعی، نه‌تنها از فناوری‌های هوش مصنوعی برای کارکرد بهتر خود استفاده کرده‌اند، بلکه موجب پیشرفت این فناوری هم شده‌اند. از مهم‌ترین بازی‌های هوش مصنوعی که قلب تپنده آن فناوری‌های این رشته است، می‌توان به بازی «کریچرز» (Creatures) تولید 1996 اشاره کرد. در این بازی، بازیکن باید موجودات پشمالوی کوچکی را که از تخم بیرون می‌آیند بزرگ کند و به آنها نحوه زندگی را بیاموزند.

در این بازی کاربر همچنین می‌تواند کاراکترها را رها کند تا خودشان بر اساس شرایط پیرامون یاد بگیرند. این «نورون‌ها» می‌توانند صحبت کنند، برای خودشان خوراک پیدا کنند و از خود در برابر موجودات پلیدی به نام گرندل محافظت کنند. این نخستین کاربرد فراگیر یادگیری ماشینی در یک شبیه‌سازی بود. این موجودات برای یادگیری ماشینی از شبکه‌های هوشمند عصبی استفاده می‌کنند. از این دستاورد در یک بازی هوش مصنوعی، به‌عنوان نخستین پیشرفت در پژوهش‌های زندگی مجازی و مصنوعی یاد می‌شود که هدف آن مدل‌سازی رفتار موجودات در تعامل با محیط پیرامون خود است.

یکی دیگر از نمونه‌های هوش مصنوعی در بازی‌سازی که موجب پیشرفت تکنولوژی این رشته شد، بازی «هیلو: نبرد تکامل» است که در سال 2001 منتشر شد. هیلو یک بازی اول شخص و جنگی (شوتر) است. در این بازی نیروهای دشمن با استفاده از هوش مصنوعی، بر اساس محیط پیرامون، خود را استتار می‌کنند و رفتاری هماهنگ دارند. کاراکترهای هر تیم در یک شبکه مجازی به هم پیوند دارند و وضعیتشان روی هم تأثیر می‌گذارد. به همین خاطر نیز نیروهای دشمن زمانی که رهبرشان می‌میرد فرار می‌کنند. یکی از فناوری‌های مرتبط با هوش مصنوعی که در ساخت این بازی مورد استفاده قرار گرفته، فناوری زیربنایی «درخت رفتار» است که همه کاراکترها را به هم پیوند می‌دهد و رفتار آن‌ها در این شبکه درختی بر اساس یادگیری ماشینی تکامل می‌یابد.

این فناوری به خاطر بازخورد مثبت این بازی، در دیگر بازی‌های هوش مصنوعی نیز به کار گرفته شد و گسترش یافت.

 در ادامه روند تکامل فناوری‌های هوش مصنوعی در بازی‌سازی، چهار سال بعد بازی «F.E.A.R.» به وجود آمد. برای نخستین‌بار هوش مصنوعی در این بازی، از یک برنامه‌ریز خودکار استفاده می‌کرد که کاراکترها در آن با یادگیری ماشینی، رفتارهایی حساس به زمینه پیرامون خود نشان می‌دادند. این فناوری هنوز هم به عنوان مرجع برای بسیاری از استودیوهای بازی‌سازی استفاده می‌شود، همچون مجموعه بازی «آخرین بازمانده ما» (The Last Of Us).

در این‌گونه بازی‌های هوش مصنوعی، کاراکترهای غیر بازیکن می‌توانند از محیط بازی به نفع خود استفاده کنند. مانند واژگون کردن میزها و قفسه‌ها برای ایجاد پوشش هنگامی که حضور کاراکتر بازیکن را احساس کنند. آن‌ها همچنین می‌توانند درها یا پنجره‌ها را باز کنند و حتی اگر نور چراغ‌قوه‌ای را دیدند به دیگر همراهانشان خبر دهند. به غیر از این، هوش مصنوعی توانایی انجام مانورهای جانبی و استفاده خلاقانه از انواع وسایل را نیز دارد.

 از دیگر بازی‌های هوش مصنوعی در بازی‌سازی که یادگیری ماشینی به عنوان قلب تپنده آن بازی را جذاب کرده، بازی «استالکر: سایه چرنوبیل» محصول سال 2007 است. در این بازی سربازان دشمن می‌توانند با کمک یادگیری عمیق پس از چندین بار بازی با کاراکتر بازیکن، سبک بازی او را یاد گرفته و از آن بهتر شوند. آن‌ها همچنین می‌توانند با کمک یادگیری ماشینی اشیای مختلف را با هم ترکیب کنند و سلاح تازه‌ای بسازند.

بازی «استارکرفت: بال‌های آزادی» محصول سال 2010 دیگر نمونه استفاده از هوش مصنوعی در بازی‌سازی است. استارکرفت یک بازی استراتژی است که در آن بازیکن باید با یک شبکه هوشمند نورونی مبارزه کند. در حقیقت حریف بازیکن یک هوش مصنوعی است که می‌توان میزان هوشمندی‌اش را کم یا زیاد کرد. درنهایت بازیکن باید در میدان نبرد، با از بین بردن تمامی واحدها و پایگاه‌های حریف، پیروز شود و هوش مصنوعی قادر است با توجه به میزان سختی که بازیکن انتخاب کرده کاملاً خلاقانه تقلب کند.

ظهور هوش مصنوعی مولد در صنعت بازی‌سازی

هوش مصنوعی مولد (AGI) نقش برجسته‌ای در تولید بازی‌های ویدئویی خواهد داشت. این تأثیر شگرف از جنبه‌های مختلفی قابل بررسی است. یکی از مهم‌ترین کاربردهای AGI تولید حجم عظیمی محتوا و بهبود گرافیک و محیط‌های واقع‌گرایانه است. به کمک این فناوری می‌توان با هزینه بسیار کمتری نسبت به قبل، محیط‌های متنوعی برای بازی توسعه داد و مأموریت‌ها، مناظر و شخصیت‌هایی با جزئیات بالا ساخت.

توسعه شخصیت‌های غیر بازیکن (NPC) با قابلیت تعامل بالا و شخصی‌سازی شده با بازیکن از دیگر امکانات جذابی است که هوش مصنوعی مولد به ارمغان می‌آورد. همچنین هوش مصنوعی از طریق شبیه‌سازی بازیکن‌های با سطح مهارت متفاوت، می‌تواند سختی بازی را بهینه‌سازی کرده و تجربه‌ی متعادل‌تری فراهم آورد.

هوش مصنوعی مولد همچنین می‌تواند به توسعه‌دهندگان بازی‌های رایانه‌ای در آزمون و کشف باگ کمک کند. یکی از قابلیت‌های مهم این فناوری تست مداوم بازی‌ها با هزینه‌ی کم خواهد بود. 

هرچند که چالش‌هایی هم بر سر راه توسعه بازی‌های رایانه‌ای به کمک هوش مصنوعی وجود دارد. از جمله اینکه تولید خودکار ممکن است در نهایت منجر به تکراری و بی‌روح شدن بازی بینجامد.

در نهایت، واضح است که هوش مصنوعی مولد در حال تغییر اساسی جریان توسعه بازی است؛ از طراحی و ساخت محیط و شخصیت تا تست دقیق آن‌ها. این فناوری، نوید بازی‌های غنی‌تر، پویاتر و مقرون‌به‌صرفه‌تر را می‌دهد، اما نیازمند توسعه روش‌های کنترل کیفیت و حفظ خلاقیت انسانی است.