نگاهی کلی بر هوش مصنوعی در بازی‌های ویدئویی: مصنوعات جاندار

آرزو و ایده خلق موجوداتی هوشمند و دارای حیات توسط انسان، به عصر کهن بازگشته و قابل‌ردیابی در اسطوره‌های پیشینیان است. به‌عنوان‌مثال اسطوره پیگمالیون شرح ماجرای هنرمندی است که در پی خلق مجسمه‌ای زیبا به آن دل باخته و از خدایان درخواست می‌کند به آن موجود حیات و زندگی ببخشند و این مصنوع بشری به خواست خدایان حیات انسانی می‌یابد. ادامه این روند در ادبیات داستانی و مضامین دینی نیز قابل‌پیگیری است و از آن جمله می‌توان به جان‌بخشی به پینوکیو و مصنوع دست‌ساخته دکتر فرانکشتاین اشاره کرد. در پی پیشرفت فناوری با توسعه خود رانه‌ها و ربات‌ها، آرزوی انسان در خلق مصنوعی زنده از قالب ادبیات داستانی و تخیل خارج شد و جنبه عملی و این دنیایی به خود گرفت. چنین به نظر می‌رسد که امروزه هوش مصنوعی به‌گونه‌ای قادر به تقلید رفتار انسانی است که روزبه‌روز به هدفی که آلن تورینگ برای این حوزه از دانش ترسیم کرده بود نزدیک‌تر می‌شویم. مصنوعات محاسباتی تولیدشده توسط انسان با بروز فناوری‌های نوین نظیر واقعیت افزوده و پیشرفت‌های فناوری در حوزه سخت‌افزار بیانگر موقعیتی نویددهنده و درعین‌حال تهدیدکننده هستند. هوش مصنوعی می‌تواند در قالب ذهن‌های بدون بدن بر کاربر عرضه شود که باوجود تقویت حواس و ادراک حسی برای فرد انسانی به‌مثابه موجود«دیگری» جلوه‌گر شود که کنترل و هدایت آن چندان به دست انسان خالق آن نیست.

آیا بازی‌های ویدئویی مصنوعات مادی ساخته دسته بشر هستند؟

اصطلاح «مصنوع» می‌تواند به موارد مختلفی اشاره داشته باشد به‌عنوان‌مثال چیزی که بشر معمولاً برای یک هدف عملی خلق می‌کند به‌خصوص یک شی‌ء باقی‌مانده از یک دوره خاص یا چیزی که مشخصه - یا ناشی از - یک نهاد خاص انسانی، دوره، روند یا افراد باشد مصنوع خوانده می‌شود. در تعریف دیگر مصنوع هر چیزی است که بتوانیم آن را طراحی کنیم و شامل مصنوعات برای انجام یک کار یا ساختن چیزی می‌شود. مصنوعات فن‌آوری می‌توانند اشکال خاصی از قدرت و اقتدار را در خود جای دهند. محققان به دو مورد اصلی در این زمینه اشاره دارند: مواردی که در آن اختراع، طراحی یا چیدمان یک دستگاه فنی خاص یا سیستم به روشی برای حل مسئله در امور یک جامعه خاص تبدیل می‌شود و همچنین سیستم‌های ساخته‌شده توسط بشر که با انواع خاصی از روابط سیاسی سازگار باشد. باوجودآنکه بازی‌های ویدیویی مطمئناً هر دو مورد را شامل می‌شوند درعین‌حال این بازی‌های وضعیت هستی شناختی پایدار اشیاء ساخته دست بشر را زیر سؤال می‌برند و سؤال مربوط به عاملیت مصنوع را مطرح می‌کنند. بازی‌های ویدئویی با خاستگاه نظامی خود و با برخورداری از ماهیت پیشرو و قابل‌برنامه‌ریزی و همچنین محبوبیت گسترده در میان افراد پرسش‌های علمی ‌متعددی را پیش روی محققان باز می‌کنند.

درواقع تاریخچه شناخته‌شده بازی‌ها تاریخچه مصنوعات است. درک فعلی از ریشه‌های بازی عمدتاً بر اساس مصنوعات تاریخی است که در سایت‌های باستانی جهان کشف‌شده است. اولین طاس‌ها‌، تخته‌های بازی و سایر تجهیزات بازی باستانی شناخته‌شده می‌توانند اشکال و ماهیت بازی را حتی در جوامع پیش از تولد زبان روشن کنند. امروزه نگاهی دقیق به نمایشگاه‌های اخیر بازی‌های ویدیویی در موزه‌ها نشان می‌دهد که تاریخچه بازی‌های ویدیویی از نزدیک با مظاهر مادی بازی گره‌خورده است. از جذابیت‌های اصلی این نمایشگاه‌ها می‌توان به اتاقک‌های بازی، کنسول‌های خانگی اولیه و وسایل جانبی عجیب‌وغریب مخصوص بازی و به‌عبارت‌دیگر به مصنوعات مادی و اشیاء باقی‌مانده از یک دوره خاص اشاره کرد.

دیدگاه تاریخی همچنین به‌خوبی نشان می‌دهد که مصنوعات الزاماً پایدار نیستند و باگذشت زمان تغییر می‌کنند. به‌عنوان‌مثال بازی شطرنج ریشه‌های مختلفی دارد. نمونه‌های پیشین آن را می‌توان در هند و آسیای شرقی یافت. این بازی در طول قرن‌ها با تغییرات مختلفی همراه بوده است و قطعات شطرنجی که امروزه می‌شناسیم فقط در قرون‌وسطی طراحی‌شده‌اند تا ذائقه اروپاییان را برآورده کنند و سلسله‌مراتب اجتماعی فئودالی آن زمان را منعکس کنند. به همین‌ترتیب‌، محصولات صنعت بازی‌های رایانه‌ای مدرن دارای پتانسیلی برای ضبط، بایگانی و برقراری ارتباط بین اندیشه‌ها و رفتارهای فرهنگی، اجتماعی و اقتصادی معمول دوره‌ها و جوامع خاص هستند. یکی از حکایات غالباً تکرار شده برای فرهنگ بازی‌های ویدیویی‌، داستان دفن کارتریج آتاری است. طبق داستان، شرکت آتاری چندین میلیون کارتریج فروش نیافته و برگشتی بازی E.T. the Extra-Terrestrial را در محل دفن زباله در نیومکزیکو در سال ۱۹۸۳ میلادی دفن کرد. این تدفین باعث شد کارتریج بازی E.T. به‌عنوان یک مصنوع نمادین و نماد اصلی سقوط صنعت بازی‌های ویدیویی در آن زمان شناخته شود.

شخصی که تحولات صنعت بازی جهانی را از نزدیک دنبال کرده است‌، ممکن است به این نکته اشاره کند که روندهای اخیر صنعتی در این حوزه‌، مجازی‌سازی، فراگیر بودن، شفافیت و غیرمادی بودن را موردتوجه خود قرار داده است. و به‌درستی چنین به نظر می‌رسد که امروزه توزیع دیجیتالی بازی‌ها، سرویس‌های بازی مبتنی بر ابر و رابط‌های بدون کنترل، اهمیت سخت‌افزار را زیر سؤال می‌برد. در حقیقت‌، گاهی اوقات به نظر می‌رسد که رهایی بازیکنان از زنجیره مصنوعات مادی به یک آرزوی گسترده در صنعت تبدیل‌شده است. جالب اینجاست که با نگاه دقیق به فرهنگ‌های بازی معاصر هنوز هم معانی غنی از معانی سخت‌افزار بازی و سایر مظاهر مادی بازی دیجیتال آشکار می‌شود.

علیرغم اصطلاحات رایج فناوری اطلاعات که فرایندهای غوطه‌وری، غیرمادی سازی و مجازی‌سازی را پیش‌زمینه قرار می‌دهد به نظر می‌رسد گیمرها روش‌های مختلفی را برای کاربست ابزارهایی که رفتارهای بازیگوشانه آن‌ها را امکان‌پذیر و تسهیل می‌کند‌، پیدا می‌کنند. به همین‌ترتیب‌ می‌توانیم داده‌های تجربی را پیدا کنیم تا نشان دهیم چگونه اتاقک‌های بازی‌، کارتریج‌ها‌، دیسک‌ها‌، جعبه‌ها و سایر مواد مرتبط می‌توانند به‌عنوان حامل‌ها و واسطه‌های مهمی ‌عمل کنند که ارزش فرهنگی بازی‌ها را فراتر از نمونه‌های بازی تولید می‌کنند. پدیده‌هایی مانند جمع‌آوری بازی، بازی‌ها را با مضامین کلی‌تر هویت‌، جامعه‌پذیری و تاریخچه مرتبط می‌سازد. ذخیره‌سازی، سازمان‌دهی و به نمایش گذاشتن بازی‌ها می‌تواند در ایجاد یک هویت خاص از بازیکن‌، جمع‌آوری سرمایه خرده‌فرهنگ برای انتقال به سایر علاقه‌مندان و حصول اطمینان از فرصت فراخواندن و یادآوری تجربیات گذشته در بازی‌، نقش مهمی ‌داشته باشند. مطالب ذکرشده در مورد بازی‌های ویدیویی به‌عنوان مصنوعات فیزیکی می‌تواند به‌عنوان یک یادآوری باشد که چگونه حتی امروز بازی‌های دیجیتال نباید به خطوط برنامه‌نویسی صرف که در طی کابل‌های الکترونیکی اجرا می‌شوند کاهش یابد. در حقیقت‌، رشد مداوم محبوبیت در جمع‌آوری عناصر انحصاری‌، وسایل جانبی گیم رده‌بالا و بازی‌های ترکیبی و اسباب‌بازی‌ها نشان می‌دهد که مطمئناً مادیت زدایی تنها روند تعیین‌کننده آینده بازی‌های ویدیویی تجاری نیست.

بازی‌های ویدئویی به‌عنوان مصنوعات رویه‌ای

با یک نگاه اجمالی به تاریخچه رایانه‌ها مشخص می‌شود که همپوشانی قابل‌توجهی میان سخت‌افزار و نرم‌افزار وجود دارد. برای سازندگان اولین بازی‌های ویدیویی ایجاد نرم‌افزار بدون دست‌کاری سخت‌افزار امکان‌پذیر نبود. در دهه ۱۹۸۰ میلادی، کرک و دست‌کاری رایانه‌ها حداقل به همان اندازه که در مورد نرم‌افزار بود به سخت‌افزار نیز مربوط می‌شد. شناخت رابطه پیچیده اما ضروری بین توابع سطح بالاتر (کدهای نرم‌افزار) و شرایط مادی مانند اختلاف ولتاژ (سطح سخت‌افزار) نشان می‌دهد که همه نرم‌افزارها از نزدیک با پایه‌های مادی گره‌خورده‌اند و در آینده نیز چنین خواهند بود. تحلیل گسترده‌تر فرهنگی رسانه‌های محاسباتی و شبکه‌ای اغلب درک عمیقی از نحوه عملکرد نرم‌افزار و چگونگی هدایت کاربران توسط آن را ندارد. این مسئله از منظر بازی‌ها‌، خواستار توجه بیشتر به فرایندهای محاسباتی است که اساساً باعث عملکرد بازی‌های ویدیویی می‌شود.

به‌منظور تبیین توان بیانگر نرم‌افزار‌، محققان مفهوم «پردازش بیانگر» را ابداع کرده‌اند. این اصطلاح برای برانگیختن دو مسئله متفاوت است. اول آنکه فرایندهای محاسباتی باید به‌عنوان ابزاری برای بیان مؤلفان مانند طراحان بازی دیده شوند و دیگر آنکه اشکال فرآیندهای محاسباتی به تاریخ‌، اقتصاد و مکاتب فکری متصل است. اگر فرآیندها تعیین‌کننده تکنیک‌ها و منطق‌های کارا باشند، از رویه برای اشاره به روش‌های ایجاد‌، توضیح یا درک این فرآیندها استفاده می‌شود. یک نقطه شروع حیاتی برای رویکردهای رویه‌ای‌، مفهومی است که بیان می‌کند منحصربه‌فرد بودن بازی‌های دیجیتال‌ از چیزهای دیگر‌، بر اساس ماهیت رویه‌ای آن‌هاست. مؤلفان نرم‌افزار مانند طراحان بازی کدی می‌نویسند که قوانین را برای تولید نمایش‌ها اعمال می‌کند. بر این اساس‌، گفته می‌شود که بیشتر معانی بازی در قوانین رویه‌ای کدگذاری شده است. قوانین شبیه‌سازی برای ارائه مقادیر تعبیه‌شده اعمال می‌شود و با رمزگشایی این مجموعه‌ بازیکنان تولید معنا تولید می‌شود. ازاین‌رو‌، رویه نه‌تنها به‌عنوان یک ویژگی اصلی دربازی‌های ویدیویی دیده می‌شود‌، بلکه به‌عنوان روش خاصی که در آن بازی‌های رایانه‌ای گفتمان‌هایی باارزش اخلاقی‌، سیاسی‌، اجتماعی و زیبایی‌شناختی ایجاد می‌کنند در نظر گرفته می‌شود.

تأکید بر نقش قوانین کد نویسی شده در تولید معنا ممکن است منجر به تصور بازیکنان به‌عنوان صرف فعال‌کننده معانی جاسازی‌شده شود. هم‌زمان، مطالعات تجربی نشان می‌دهد که بازیکنان به‌طور فعال مذاکره می‌کنند‌، قوانین را تغییر می‌دهند و آن‌ها را کنار می‌گذارند و استفاده‌های کاملاً جدید و غیرمنتظره‌ای را برای بازی‌های ویدیویی ایجاد می‌کنند. جدی گرفتن جنبه‌های خلاقانه و مولد بازی که ماهیت هم-آفرین تجربه لودیک را برجسته می‌کند ما را به زیر سؤال بردن فرضیه‌های اصلی رویه گرایی سوق می‌دهد. پدیده‌های فرهنگی بازی مانند تغییرات بازی و فیلم‌های ماشینیما به‌خوبی ماهیت بازی‌های ویدیویی را به‌عنوان مصنوعات نرم‌افزاری قابل‌انعطاف و قابل‌برنامه‌ریزی مجدد برجسته می‌کنند. این مصنوعات در دست بازیکنان مشتاق‌، به ابزارهای متنوع برای بیانگری تبدیل می‌شوند.

معنا سازی نمادین و فن‌آوری‌های برساخته اجتماعی

ماهیت و نقش فرهنگی خاص بازی‌های ویدیویی طی دهه‌های گذشته به‌طور فعال در جامعه مطالعات بازی موردبحث قرارگرفته است. این روزها به‌طور گسترده‌ای موافقت شده است که انقیاد خلاق بازیکن از عناصر ضروری و مشخصه هر بازی است. به‌عبارت‌دیگر‌، بازی‌ها باید بازی شوند همان‌طور که معانی در گفتگوی بین سازندگان بازی‌، سیستم‌های بازی و بازیکنان بازی هم آفرینی می‌شوند. بنابراین‌، درحالی‌که درک بازی‌های ویدئویی معاصر مهارت‌های مشابه مهارت‌های تماشای فیلم‌، گوش دادن به موسیقی یا شعرخوانی را ضروری می‌کند‌، اما بازی‌ها مهارت‌های متنوعی را نیز به همراه دارند و به آن نیاز دارند. درروند یادگیری بازی‌، یک بازیکن نه‌تنها قوانین صریح بلکه قراردادهای ضمنی و دستورالعمل‌های بازی را به دست می‌آورد. بر این اساس‌، بازیکنان به‌طور هم‌زمان هم روش‌های عملی انجام بازی و هم مفاهیم بزرگ‌تر- که درواقع انجام یک بازی خاص به چه معنی است- دریافت می‌کنند.

محققان، بازی‌های ویدیویی را به‌عنوان کالای ایدئال پسا فوردیسم توصیف می‌کند. اگر کالاهای معمولی فوردیست مانند اتومبیل‌، مسکن حومه‌ای و لوازم‌خانگی با انبوه‌سازی، دوام‌، استحکام‌، ساختار‌، استانداردسازی، ثبات‌، طول عمر و سودمندی مشخص می‌شوند‌، کالاهای پسا فوردیسم مانند بازی‌های ویدئویی با ترکیبی از ویژگی‌هایی نظیر لحظه‌ای، تجربی‌، سیال‌، انعطاف‌پذیر‌، ناهمگن‌، سفارشی‌، قابل‌حمل بودن تعریف می‌شوند. با داشتن توانایی در استعمار مؤثر اوقات فراغت مردم و فراهم کردن زمینه‌ای برای صنایع و بازارهای کاملاً جدید‌، بازی‌های ویدیویی ممکن است کالایی رؤیایی برای سرمایه پس از فوردیسم به نظر برسد.

تعریف از ماده فقط شامل ماشین‌آلات و اشیا نیست‌، بلکه با گردش جهانی مواد اولیه‌، کالاها و زباله ارتباط نزدیک دارد. صنعت بازی‌های ویدیویی نه‌تنها به سخت‌افزارهای متکی بر مواد معدنی استخراج‌شده در کشورهای درحال‌توسعه و تولیدشده در محیط کار نامطلوب توسط نیروی کار ارزان‌قیمت متکی است‌، بلکه مقادیر قابل‌توجهی زباله الکترونیکی را نیز تولید می‌کند. مشابه سایر وسایل الکترونیکی‌، تجهیزات بازی اغلب پس از مدت‌زمان نسبتاً کوتاه دور انداخته می‌شوند. اکثر تولیدکنندگان، برنامه‌های استفاده مجدد و بازیافت را توسعه داده‌اند‌ اما سه دهه پس از خاک‌سپاری بدنام بازی ویدیویی آتاری‌، هنوز مقدار قابل‌توجهی از رایانه‌ها‌، تلفن‌های همراه و کنسول‌های بازی به محل‌های دفن زباله و زباله‌سوز ریخته می‌شوند و یا به زباله‌دان‌های کشورهای درحال‌توسعه صادر می‌شوند. علاوه بر این‌، سرویس‌های ابری که به‌عنوان یک گزینه پاک و بدون دردسر تبلیغ می‌شوند‌، مبتنی بر مراکز داده‌ای هستند که مقادیر عظیمی ‌از انرژی برق را که غالباً از منابع انرژی تجدید ناپذیر تولید می‌شود مصرف می‌کنند. باوجوداین مطالعات دانشگاهی بازی‌های ویدیویی تاکنون‌ در این زمینه بسیار کم کار کرده است که بیان کند چگونه مصرف دائماً در حال افزایش منابع طبیعی و انرژی و مواد سمی که به طبیعت نشت می‌کنند به تجربیات سرگرم‌کننده بازی‌های ویدیویی متصل می‌شود.

هدف از رویکردهای مربوط به نظریه شبکه کنشگران (ANT) غلبه بر شکاف انسان/غیر انسان در توزیع ویژگی‌های عاملیت است. بر این اساس‌، باید به بازی‌های ویدیویی و بازیکنان آن‌ها به‌عنوان شبکه‌ای از بازیگران نزدیک شد که همه باهم کار می‌کنند و همدیگر را تحت تأثیر قرار می‌دهند. به نظر می‌رسد هرچه ماشین‌آلات پیچیده‌تر می‌شوند‌، عاملیت آن‌ها باورپذیرتر می‌شود. بازی آنلاین که توسط شبکه‌ای از روترها‌، پروتکل‌ها‌، کدهای دسترسی‌، پلتفرم‌های توزیع‌، به‌روزرسانی‌های نرم‌افزاری‌، الگوریتم‌های رتبه‌بندی، و بسیاری از اجزای دیگر تعریف‌شده است‌، نمونه‌ای از یک سیستم است که با دقت مشخص می‌کند چه کسی و با چه شرایطی می‌تواند بازی کند. علاوه بر این‌، عجیب نیست که بازیکنان عمداً عاملیت را به بازیگران غیرانسانی نسبت می‌دهند‌، مانند ماشین‌هایی که نرم‌افزار خاص تقلب را اجرا می‌کنند یا ماکروهایی که برای انجام خودکار دستورات بازی از طریق روال‌های هوش مصنوعی طراحی‌شده‌اند.

هوش مصنوعی: تعریف و تاریخچه

در یک تعریف ساده، هوش مصنوعی بیانگر این مفهوم است که رایانه‌ها قادر به انجام نوعی از کارهای فکری باشند که انسان و حیوان قادر به انجام آن هستند. در عمل هوش مصنوعی با نوشتن کد‌های برنامه‌نویسی که تقلیدی از فرآیندهای فکری انسان یا سایر موجودات زنده است‌ حاصل می‌شود. ما در حال حاضر می‌توانیم کامپیوترها را طوری برنامه‌ریزی کنیم که توانایی‌های فوق بشری در حل بسیاری از مشکلات داشته باشند: حساب‌، مرتب‌سازی، جستجو و غیره. حتی می‌توانیم کامپیوترها را بهتر از هر انسانی به انجام برخی بازی‌های رومیزی وادار سازیم. در ابتدا بسیاری از این موارد در اصل مشکلات هوش مصنوعی در نظر گرفته می‌شدند‌، اما به این دلیل که این مسائل با روش‌های جامع و گسترده‌تری برطرف شدند از دامنه کار توسعه‌دهندگان هوش مصنوعی خارج شدند. اما موارد زیادی وجود دارد که رایانه‌ها هنوز در آن‌ها چندان خوب نیستند و در دامنه هوش مصنوعی قرار می‌گیرند ؛ شناسایی چهره‌های آشنا، صحبت با زبان طبیعی‌، تصمیم‌گیری در انجام کار درست و خلاقیت از این موارد هستند. در حوزه هوش مصنوعی در دانشگاه‌، برخی از محققان هوش مصنوعی انگیزه‌های فلسفی دارند: درک ماهیت فکر و ماهیت هوش و ساختن نرم‌افزار برای مدل‌سازی نحوه کارکرد تفکر. انگیزه برخی دیگر از آن‌ها روانشناسی است: درک مکانیک مغز انسان و فرایندهای ذهنی. دسته دیگری نیز انگیزه‌هایشان در شاخه مهندسی است: ساخت الگوریتم برای انجام کارهای شبیه به انسان. این تمایز سه‌گانه در قلب هوش مصنوعی دانشگاهی قرار دارد و ذهنیت‌های مختلف، مسئول زیرشاخه‌های مختلف این موضوع هستند.

دوران ابتدایی در تاریخ هوش مصنوعی شامل زمان قبل از ظهور رایانه است‌، جایی که فلسفه ذهن گهگاه سؤالاتی ازاین‌دست را مطرح می‌کرد «چه چیزی فکر را تولید می‌کند؟»‌، «آیا می‌توانید به یک‌چیز بی‌جان زندگی دهید؟» و «چه تفاوتی بین جسد و انسان قبل از مرگ این جسد وجود دارد؟». در نزدیکی با این روند اقبال عمومی‌ به سمت ربات‌های مکانیکی در عصر ویکتوریایی حرکت کرد. با شروع قرن، مدل‌های مکانیکی در تقلید از حرکت انسان و حیوان تولید شد و اکنون نیز هنرمندان بازی‌های ویدئویی برای خلق و توسعه این مدل‌ها استخدام می‌شوند. در تلاش‌های جنگی دهه ۱۹۴۰ میلادی، نیاز به شکستن کدهای دشمن و انجام محاسبات موردنیاز برای جنگ اتمی‌، انگیزه توسعه اولین کامپیوترهای قابل‌برنامه‌ریزی بود. با توجه به اینکه از این ماشین‌ها برای انجام عملیات محاسباتی –که فرآیندی انسانی بود- استفاده می‌شد‌، طبیعی بود که برنامه‌نویسان به هوش مصنوعی علاقه‌مند شوند. چندین پیشگام محاسبات نیز در اوایل هوش مصنوعی پیشگام بودند. آلن تورینگ درنتیجه مقاله فلسفی‌ای که در سال ۱۹۵۰ میلادی منتشر کرد‌، به پدرخوانده‌ در این زمینه تبدیل‌شده است.

از اواخر دهه ۱۹۵۰ تا اوایل دهه ۱۹۸۰ میلادی مهم‌ترین تحقیقات در زمینه هوش مصنوعی در سیستم‌های «نمادین» بود. یک سیستم نمادین سیستمی‌ است که در آن الگوریتم به دو جزء تقسیم می‌شود: مجموعه‌ای از دانش (که به‌عنوان نمادهایی مانند کلمات‌، اعداد‌، جملات یا تصاویر نشان داده می‌شود) و یک الگوریتم استدلال که این نمادها را دست‌کاری می‌کند و ‌ترکیبات جدیدی از نمادها را ایجاد می‌کند که نشان‌دهنده راه‌حل‌های مسئله یا دانش جدید است. یک سیستم خبره ‌- معروف‌ترین تکنیک هوش مصنوعی- پایگاه اطلاعاتی گسترده‌ای از دانش دارد و برای کشف چیزهای جدید قوانینی را بر دانش اعمال می‌کند. سایر رویکردهای نمادین قابل‌استفاده دربازی‌ها شامل مسیریابی‌، درختان تصمیم‌گیری‌، ماشین‌های حالت و الگوریتم‌های فرمان است.

به‌تدریج در طی دهه ۱۹۸۰ و اوایل دهه ۱۹۹۰ میلادی، ناامیدی از رویکردهای نمادین افزایش یافت. ناامیدی در این زمینه به دو جهت ایجاد شد. اول آنکه ازنظر مهندسی‌ به نظر نمی‌رسید موفقیت‌های اولیه در مورد مشکلات ساده به حل مشکلات دشوارتر برسد؛ ممکن است توسعه هوش مصنوعی که جملات ساده را درک کند (یا به نظر می‌رسد آن را درک می‌کند) آسان باشد‌، اما به نظر می‌رسد درک یک‌زبان کامل انسانی به این روش امکان‌پذیر نیست. نگرانی دوم به این دلیل بود که ازنظر فلسفی‌، رویکردهای نمادین ازنظر زیست‌شناختی قابل‌قبول نبودند. شما نمی‌توانید با استفاده از الگوریتم نمادین برنامه‌ریزی مسیر، درک کنید که چگونه یک انسان مسیری را برنامه‌ریزی می‌کند و این مثل این است که بخواهید بامطالعه یک جرثقیل‌، نحوه کار عضلات انسان را درک کنید. تأثیر این مسئله حرکت به سمت محاسبات طبیعی بود: تکنیک‌های الهام گرفته از زیست‌شناسی یا سایر سیستم‌های طبیعی. این تکنیک‌ها شامل شبکه‌های عصبی‌، الگوریتم‌های ژنتیک و تبرید شبیه‌سازی‌شده است.

هوش مصنوعی دربازی‌های ویدئویی

هوش مصنوعی دربازی‌های ویدیویی به الگوریتم‌هایی اطلاق می‌شود که رفتار عامل‌های کنترل‌شده توسط رایانه- که برای ایجاد تعاملات معنی‌دار بین سیستم و انسان طراحی می‌شوند- را کنترل می‌کنند (این‌یک تعریف جداگانه و مجزا از هوش مصنوعی است که در خارج از بازی‌های ویدئویی مانند آنچه در علوم رایانه استفاده می‌شود). رایج‌ترین شکل هوش مصنوعی در بازی ویدیویی، کنترل دشمنان کامپیوتری است که با تقلید از رفتار انسان برای رقابت با بازیکن عمل می‌کنند. هوش مصنوعی در بیشتر بازی‌های مدرن سه نیاز اساسی را برطرف می‌کند: توانایی حرکت شخصیت‌ها‌، توانایی تصمیم‌گیری در مورد مکان حرکت و توانایی تفکر تاکتیکی یا استراتژیک.

هدف از تحقیقات دانشگاهی ایجاد هوش مصنوعی است که بتواند بهترین بازیکنان انسانی در جهان را دربازی‌هایی مانند شطرنج شکست دهد. بااین‌حال، هدف هوش مصنوعی در صنعت بازی‌های ویدیویی تجاری توسعه‌یافته چنین نیست. هوش مصنوعی دربازی‌های ویدئویی می‌تواند به‌عنوان مؤلفه‌های نرم‌افزاری در نظر گرفته شود که مسئولیت اجرای رفتار هوشمند توسط عناصر بازی مانند دشمنان و مبارزان یا شخصیت‌های غیر بازیکن و همکار با بازیکن در حین گیم پلی را بر عهده‌دارند. هدف هوش مصنوعی دربازی‌های ویدئویی تجاری تولید رفتار باورپذیر و در مواردی قابل پیش‌بینی است که در آن بازیکن به چالش کشیده می‌شود و تصمیماتی در رابطه با یک عامل یا شخصیت هوشمند اتخاذ می‌کند. هوش مصنوعی در بازی ویدیویی بیشتر به این مسئله می‌پردازد که بفهمد چگونه و کجا شخصیت‌ها را حرکت دهد و همچنین اندیشیدن هماهنگ یا متضاد با استفاده از تصمیم‌گیری‌های استراتژیک یا فنی را توسعه می‌دهد. در گیم پلی بازی این اتفاقات زمانی رخ می‌دهد که هوش مصنوعی اطلاعاتی را از فضا یا جهان بازی دریافت کرده و استراتژی‌ها‌، حرکات و تصمیم‌گیری را روی پردازنده انجام دهد. در اینجا این مسئله تعیین می‌شود که برای هر موقعیتی چه نوع واکنش‌هایی باید متحرک‌سازی شوند.

محققان هوش مصنوعی، این مفهوم را در قالب یک طیف تعریف می‌کنند. در یک‌سوی طیف نوعی از هوش مصنوعی قرار دارد که به دنبال شکست دادن یا تقلید از یک بازیکن انسانی است. هوش مصنوعی بازی دربازی‌های استراتژی تک نفره سعی در شبیه‌سازی تاکتیک‌ها و استراتژی‌های استفاده‌شده توسط یک بازیکن انسانی رقیب دارد و باید بتواند از بین بسیاری از تاکتیک‌های مختلفی که بازیکن انسانی برای پیروزی در بازی استفاده می‌کند‌، انتخاب درست را انجام دهد. چالش‌های مربوط به هوش مصنوعی در این نوع بازی‌ها در حول شبیه‌سازی این مسئله است که یک بازیکن واقعی در یک شرایط خاص چه‌کاری انجام می‌دهد.

در سوی دیگر طیف تعریفی از هوش مصنوعی قرار می‌گیرد که به‌منظور ایجاد یک تجربه سرگرم‌کننده و چالش‌برانگیز برای بازیکن طراحی می‌شود و در اینجا با داشتن اهداف خاص خود، از بازیکن انسانی مجزا و متمایز قرار می‌گیرد. بازیکن در این بازی‌ها به‌عنوان بخشی از محیط بازی با هوش مصنوعی بازی درگیر می‌شود. هوش مصنوعی بازی اهداف متفاوتی نسبت به بازیکن خواهد داشت و ممکن است تاکتیک‌ها یا استراتژی‌های مختلفی را استفاده کند. دغدغه‌ها در این نوع هوش مصنوعی در مورد این مسئله است که آیا بازیکن به چالش کشیده می‌شود و از آن لذت می‌برد یا خیر.

تکنیک‌های مورداستفاده برای ایجاد هوش مصنوعی

در طول تاریخ هوش مصنوعی دربازی‌های ویدیویی‌، برخی از تکنیک‌های استاندارد برای ایجاد هوش مصنوعی توسعه‌یافته و به‌تدریج اصلاح‌شده است. تکنیک اصلی هوش مصنوعی در بازی، مبتنی بر حرکت کاراکترهای غیر بازیکن (NPC‌) یا عامل‌ها در طی بازی است‌. ازجمله این موارد تعیین مسیرهای بهینه با الگوریتم‌های مسیریابی است. تکنیک اصلی دیگر تصمیم‌گیری با استفاده از ماشین‌های حالت متناهی و درخت تصمیم‌گیری است. این تکنیک‌های اصلی بیشتر برای اجرای حرکت استراتژیک و تاکتیکی و تصمیم‌گیری توسعه‌یافته‌اند. سرانجام‌، نوعی از هوش مصنوعی دربازی‌های ویدئویی وجود دارد که با استفاده از شبکه‌های عصبی مصنوعی و سایر تکنیک‌ها‌، هنگام یادگیری در طی بازی پیاده‌سازی می‌شود.

چنانکه بیان شد هوش مصنوعی دربازی‌های ویدیویی در درجه اول بر روی کاراکترهای غیر بازیکن اعمال می‌شود. عامل‌ها عمق تجربه بازی و قابلیت‌های بازی را افزایش می‌دهند. یک کاراکتر غیر بازیکن مبتنی بر هوش مصنوعی یکی از بازیکنان بازی یا شخصیتی که اهداف‌، انگیزه‌ها و رفتارهای خاص خود را دارد به نظر می‌رسد. این عامل‌ها را می‌توان برای تشخیص و انجام واکنش به آنچه در بازی اتفاق می‌افتد‌، برنامه‌ریزی کرد و می‌توان آن‌ها را طوری برنامه‌ریزی کرد که اتفاقات قبلی را به خاطر بسپارند و هنگام تعیین واکنش خود این موارد را در نظر بگیرند. همچنین می‌توان اهداف و زیرمجموعه‌هایی را برای انجام توسط آن‌ها تعیین کرد تا کاملاً مبتنی بر رفتار ارتجاعی نباشند. یکی از پرتکرارترین الزامات در هوش مصنوعی بازی‌، انتقال عامل‌ها از یک مکان به مکان دیگر است. الگوریتم‌های حرکتی با استفاده از داده‌های هندسی -به‌عنوان ورودی و خروجی- یا در نظر گرفتن مکانی که عامل در دنیای بازی قرار دارد و جایی که باید به آن سفر کند ایجاد می‌شوند. برای حرکت کاراکترهای غیر بازیکن از اطلاعات اضافی مانند سرعت حرکت‌، جهتی که شخصیت رو به آن قرار دارد‌ و برخورد نکردن با مانع یا سیستم تشخیص برخورد استفاده می‌شود.

در استفاده از هوش مصنوعی دربازی‌های ویدئویی، رفتارهای جستجوگر و فرار کننده هنگامی‌که شخصیتی برخی از اهداف را جستجو می‌کند یا از آن دور می‌شود‌، استفاده می‌شود. الگوریتم‌های جستجو با نزدیک شدن کاراکتر به هدف برای ایجاد حرکت واقع‌گرایانه، سرعت را به‌تدریج کاهش می‌دهند. علاوه بر این هوش مصنوعی با شبیه‌سازی جمعیت سروکار دارد. در اینجا طراحان و هنرمندان می‌توانند پاسخ‌های مختلف عامل‌ها را در یک جمعیت به یک رویداد مشابه تنظیم کنند: برخی از شخصیت‌ها ممکن است یک انیمیشن را اجرا کنند درحالی‌که دیگران حیرت‌زده برای حرکت ایستاده‌اند. مسیریابی به‌واسطه هوش مصنوعی- که حرکت عامل‌ها در دنیای بازی به روش‌های باورپذیر‌، بهینه و هوشمند است - یکی از پرکاربردترین تکنیک‌های هوش مصنوعی دربازی‌های ویدیویی است. وقتی یافتن مسیر منجر به حرکت غیرمنطقی مانند عبور از دیواره‌ها‌، موانع زیست‌محیطی مانند رودخانه‌ها یا طولانی‌ترین مسیر ممکن شود، تجربه بازی برای کاربر با تقلیل کیفیت مواجه می‌شود. یکی دیگر از عملکردهای معمول هوش مصنوعی در بازی بر اساس حرکت شخصیت، جلوگیری از برخورد کاراکترها با عناصر و شی‌ءهای درون بازی است.

تصمیم‌گیری یکی دیگر از جنبه‌های مهم هوش مصنوعی بازی است. شخصیت‌ها نه‌تنها نیاز به حرکت‌دارند بلکه باید تصمیم بگیرند که در طول گیم پلی چه‌کاری انجام دهند. عامل‌ها بر اساس دانش داخلی شخصیت و دانش بیرونی از دنیای بازی تصمیم می‌گیرند. دانش داخلی و خارجی ورودی برای الگوریتم‌های تصمیم‌گیری است و خروجی الگوریتم انجام یک کنش یا تغییر در وضعیت درونی کاراکتر است. برخی از رایج‌ترین تکنیک‌های تصمیم‌گیری هوش مصنوعی بازی‌ها شامل درخت تصمیم‌گیری و ماشین‌های حالت است. ماشین‌های حالت و درختان تصمیم‌گیری شرایط محدودی دارند و می‌توانند از ساده تا پیچیده باشند. این نوع تکنیک‌های هوش مصنوعی در بازی ویدیویی برای تصمیم‌گیری در مورد تغییر عامل مصنوعی از یک حالت به حالت دیگر یا انجام عملی بر اساس طیف وسیعی از ورودی‌ها استفاده می‌شوند.

ماشین حالت یا ماشین حالت متناهی از یک وضعیت اولیه شروع به کار می‌کنند و در صورت وجود تغییرات در ورودی که نیاز به تغییر حالت را مطرح می‌کند به وضعیت دیگر منتقل می‌شود. درخت تصمیم ازنظر ماهیت شبیه ماشین‌های حالت است. یک درخت تصمیم‌، یک مؤلفه اولیه بازی را ارزیابی می‌کند و سپس تصمیم می‌گیرد که از طیف وسیعی از تصمیمات فرعی‌، انتخاب کند. درختان تصمیم با شروع از یک تصمیم اولیه بله / خیر دنباله‌ای از سؤالات دوحالتی را برای رسیدن به تصمیم صحیح دنبال می‌کنند. درنهایت کاراکتر کنش را تمام می‌کند.

حرکت عامل‌ها برای نظارت بر منطقه در حین انجام یک مأموریت مخفی‌کاری، یکی از نمونه‌های متداول است که می‌تواند برای توضیح ماشین‌های حالت و درختان تصمیم‌گیری استفاده شود. برای یک ماشین حالت‌، حالت اولیه نظارت بر منطقه‌ای برای بازیکن است. اگر عاملی بازیکن را پیدا کند یا فکر کند بازیکن را مشاهده کرده است‌، وضعیت آن تغییر می‌کند. دو یا چند ماشین حالت می‌توانند برای تصمیم‌گیری پیچیده‌تر ترکیب شوند. اگر شخصیت مجبور باشد مهمات یا سلامتی بیشتری را قبل از نظارت پیدا کند، آن ماشین حالت (جستجوی مهمات / سلامتی) جایگزین حالت نظارت می‌شود. با استفاده از همین مثال‌، درخت تصمیم با سؤال اولیه شروع می‌شود‌، آیا عامل می‌تواند بازیکن را ببیند؟ اگر خیر‌، به نظارت خود ادامه می‌دهد. اگر بازیکن دیده شود‌، می‌توان سؤال دیگری مطرح کرد مانند اینکه آیا عامل از سلامت کافی برای حمله برخوردار است؟ بسته به بازی‌، هر تعداد تصمیم بعدی می‌تواند به درخت تصمیم اضافه شود.

اگرچه از اسکریپت نویسی دیگر به‌عنوان یک تکنیک هوش مصنوعی بازی برای تصمیم‌گیری دربازی‌های پیچیده استفاده نمی‌شود اما بسیاری از بازی‌های رایانه شخصی به اسکریپت نویسی به‌عنوان روشی برای تعدیل رفتار شخصیت بازی در بازیکنان اعتماد می‌کنند. اسکریپت‌ها فهرستی از قوانین هستند که به ترتیب دنبال می‌شوند. دربازی‌های پیچیده‌، اسکریپت‌ها می‌توانند بسیار طولانی شوند و ممکن است با تغییرات استراتژی بازیکن سازگار نشوند. اسکریپت نویسی پویا نوعی مکانیسم یادگیری تطبیقی است که می‌تواند برخی از این مسائل را کاهش دهد. برنامه‌نویسی پویا بسته به عملکرد بازیکن یا زمینه‌های مختلف در طول گیم پلی‌، از لیست اسکریپت‌ها انتخاب می‌کند.

اگرچه استفاده زیادی از هوش مصنوعی دربازی‌های ویدیویی که از تحقیقات دانشگاهی هوش مصنوعی اتخاذشده است وجود نداشته است‌، تلاش‌های موفقیت‌آمیزی برای ترکیب شبکه‌های عصبی‌، الگوریتم‌های ژنتیک و سایر مفاهیم زندگی مصنوعی صورت گرفته است. سیستم بازی تطبیقی که به آن زندگی مصنوعی یا A-life نیز می‌گویند‌، روشی است که با استفاده از هوش مصنوعی رفتار بازیکنان را یاد می‌گیرد و گیم پلی بازی را بر اساس این اطلاعات تطبیق می‌دهد. این مورد برای تنظیم پویای سطح دشواری بازی استفاده می‌شود. همچنین یک سیستم بازی تطبیقی مانند سری Elder Scrolls ‌ترجیحات بازیکن را یاد می‌گیرد و کلاس و ویژگی‌های مناسب را به وی پیشنهاد می‌دهد. الگوریتم‌های ژنتیک نوعی زندگی مصنوعی است که مبتنی بر نظریه‌های بیولوژیکی یا تکاملی در علوم طبیعی است. این نوع هوش مصنوعی در زمینه دانشگاهی به‌عنوان روشی برای شبیه‌سازی روند تکامل ایجادشده است. معروف‌ترین بازی‌هایی که تکنیک‌های زندگی مصنوعی را پیاده‌سازی کرده‌اند‌، سری Black & White و سری Creatures است. شبکه‌های عصبی سعی می‌کنند با استفاده از خاطرات و پاسخ‌های آموخته‌شده، از روش سازمان‌دهی مغز انسان تقلید کنند. از شبکه‌های عصبی برای ساده‌سازی کد با واگذاری وظایف خاص به گره‌های آموزش‌دیده استفاده می‌شود. همچنین می‌توان از آن‌ها برای ایجاد هوش مصنوعی تطبیقی دربازی‌هایی استفاده کرد که بازی از عملکرد بازیکن یاد می‌گیرد. شبکه‌های عصبی فضای پردازش بیشتری را اشغال می‌کنند‌، بنابراین استفاده از آن‌ها در صنعت بازی‌های ویدیویی به دلیل نیاز پردازش منابع گرافیکی و صوتی محدودشده است. با وجود این، شبکه‌های عصبی دربازی‌های شبیه‌سازی مسابقه‌ای رایج است.

هوش مصنوعی بازی در ترکیب با سایر عناصر بازی و روایت، رضایت و تحسین بازیکنان را همراه دارد. به‌عنوان‌ مثال Uncharted 3: Drake’s Deception‌ برنده بازی سال در بخش هوش مصنوعی شد. هوش مصنوعی استفاده‌شده در همراهی عالی کاراکترهای غیر بازیکن در ترکیب با متن عالی‌، توسعه و رشد شخصیت‌ها‌ و انیمیشن زمینه‌ساز این موفقیت شد. در مواردی هوش مصنوعی بازی توسط توسعه‌دهندگان استفاده می‌شود تا سطح دشواری را برای بازیکنان مختلف تغییر دهد. هوش مصنوعی بازی را می‌توان برای بازیکنانی که به دنبال یک چالش دشوارتر هستند دشوارتر کرد. برای سخت‌تر کردن یک بازی، هوش مصنوعی عامل‌ها می‌تواند در تیراندازی دقیق‌تر باشد‌ یا ممکن است تعداد بیشتری عامل به‌طور هم‌زمان به یک بازیکن حمله کند. برای بازیکنانی که دوست دارند برای تجربه روایت تعاملی بازی کنند و از سناریوهای سخت‌گیرانه مبارزه‌ای به‌سرعت ناامید می‌شوند‌ عامل‌ها می‌توانند در تیراندازی دقت کمتری داشته باشند‌، یا کندتر حرکت کنند‌ و یا اشتباهات تاکتیکی یا تصمیمات نادرست داشته باشند.

تاریخچه توسعه هوش مصنوعی بازی

هوش مصنوعی بازی از ابتدای صنعت بازی‌های ویدیویی وجود داشته است‌، اما مسائل عمده این صنعت نظیر پردازش گرافیکی بلادرنگ و گرافیک واقع‌گرایانه بیشتر موردتوجه تاریخ بوده است. گرفتن خروجی‌های گرافیکی فشار قابل‌توجهی بر واحد پردازش مرکزی تحمیل می‌کند و به همین دلیل در اوایل توسعه بازی‌، استودیوها اغلب در مراحل تولید هوش مصنوعی بازی را رها می‌کردند. اکنون به‌طورکلی توسط کارشناسان صنعت پذیرفته‌شده است که هوش مصنوعی بازی باید در کنار یا هم‌زمان با طراحی بازی توسعه یابد و برنامه‌نویس هوش مصنوعی یک عنوان شغلی شناخته‌شده در صنعت بازی‌های ویدئویی است.

اولین بازی‌های ویدیویی به‌هیچ‌وجه از هوش مصنوعی برخوردار نبودند. تمام اقدامات موجود در بازی نتیجه مستقیم ورودی انسانی بود. بازی‌های اولیه مانند Spacewar! و PONG به‌طور کامل توسط اقدامات کاربر کنترل می‌شدند و هیچ عامل رایانه‌ای در آن‌ها وجود نداشت‌؛ بنابراین دو نفر بازیکن انسانی مجبور به بازی بودند. در دهه ۱۹۷۰ میلادی، اولین بازی‌های تک نفره با استفاده از دشمنان کامپیوتری ایجاد شد. این عامل‌ها از الگوهای رفتاری ذخیره‌شده پیروی می‌کردند که حرکت و عملکرد آن‌ها را دیکته می‌کرد. برخی از عامل‌های پیشرفته‌تر‌، تا حدودی رفتار خود را بر اساس عملکرد بازیکنان بنا می‌کردند. یک نمونه قابل‌توجه از این رفتار ، شبح‌های بازی Pac-Man بود. پک من از الگوی ساده ماشین وضعیت برای هر یک از شبح‌ها استفاده می‌کرد و هنگام تعقیب بازیکن‌، هر یک از ارواح از یک قانون متفاوت پیروی می‌کردند. این امر منجر به تعقیب پیچیده مانند بازی موش و گربه و احساس شخصیت برای دشمن توسط بازیکن می‌شد. Pac-Man اجرای زودهنگام یک شبکه تصمیم‌گیری را ارائه داد. هر یک از شبح‌ها حالت شکار یا تعقیب و گریز داشتند و هرکدام به‌صورت نیمه تصادفی یا در جهتی که با توجه به موقعیت بازیکن تعیین‌شده شکار یا فرار می‌کردند. اگرچه تکنیک مورداستفاده در این بازی یک ماشین حالت و یک الگوریتم ابتدایی برخلاف استانداردهای امروز بود‌، بازیکنان احساس می‌کردند عامل‌ها ذهن خودشان رادارند و علیه بازیکن کار می‌کنند.

هوش مصنوعی بازی تا اواسط دهه ۱۹۹۰ میلادی تغییر چندانی نکرد. بیشتر شخصیت‌های کنترل‌شده توسط رایانه قبل از آن در حد یک شبح Pacman پیچیده بودند. در Golden Axe شخصیت‌های دشمن ایستاده بودند (یا به فاصله کمی به عقب و جلو می‌رفتند) تا جایی که بازیکن به آن‌ها نزدیک شده و پس‌ازآن آن‌ها روی بازیکن قرار می‌گرفتند. Golden Axe نوعی ابتکار ظریف در مورد دشمنانی داشت که از کنار بازیکن عبور می‌کردند و سپس از پشت حمله می‌کردند. پیچیدگی هوش مصنوعی در این بازی تنها یک‌قدم کوچک از Pacman جلوتر است. در اواسط دهه ۱۹۹۰ میلادی هوش مصنوعی به‌عنوان یک نقطه فروش برای بازی‌ها مطرح شد.Goldeneye 007‌، احتمالاً بیشترین تلاش را کرده است تا به بازیکنان نشان دهد که هوش مصنوعی برای بهبود گیم پلی چه‌کاری می‌تواند انجام دهد. Goldeneye 007 هنوز با تکیه‌بر شخصيت‌هايي با تعداد كمي از حالات مشخص‌، يك سيستم شبیه‌سازی حس را اضافه كرد: یک کاراکتر می‌توانست همكاران خود را ببيند و در صورت كشته شدن متوجه آن شود. شبیه‌سازی حسی موضوع اصلی این دوران بود و بازی Metal Gear Solid کلیت طراحی بازی خود را بر اساس این تکنیک بنا کرد.

تا اواخر دهه ۱۹۹۰ میلادی که به‌گونه‌ای آغاز به‌کارگیری تکنیک‌های هوش مصنوعی مانند شبیه‌سازی حس و یافتن مسیر به‌ویژه در زمان توسعه بازی‌های استراتژیک بلادرنگ بوده است پیشرفت کمی در هوش مصنوعی دربازی‌های ویدئویی وجود داشت. بعدازاینکه استودیوهای بازی با Xbox 360 و PlayStation 3 به‌اندازه کافی توسعه یافتند‌، پیشرفت‌های بیشتری در زمینه AI بازی آغاز شد. پردازنده‌های متعدد در سخت‌افزار بازی باعث شدند حافظه محاسباتی بیشتری برای هوش مصنوعی آزاد شود.

پردازنده‌های متعدد اجازه می‌دهند تا هوش مصنوعی بازی و سایر توابع به‌صورت موازی با یکدیگر پردازش شوند. از بازی‌های برجسته با جدیدترین نسل بازی AI که در آن سال به بازار آمدند می‌توان به Halo 3‌، Call of Duty 4: Modern Warfare با تکنیک‌های مبارزه تقویت‌شده اشاره کرد. Assassin’s Creed عملکرد شبیه‌سازی جمعیت و مسیریابی را از طریق رفتارهای هدایت‌کننده بهبود بخشید و Mass Effect شامل نوآوری‌هایی در داستان‌گویی و تصمیم‌گیری بود که با گیم پلی بازی تطبیق داشت. قبل از دهه ۲۰۰۰ میلادی‌، هوش مصنوعی در درجه اول مسئله‌ای واکنشی و انفعالی بود.

اخیراً‌، هوش مصنوعی بازی به یک ویژگی مؤثر در فروش بازی یا حداقل یک ویژگی تبدیل‌شده است که سازندگان بازی در بحث با روزنامه‌نگاران بازی و نمایشگاه‌های تجاری مطرح می‌کنند. علاوه بر این‌، محصولات میان‌افزار AI برای توسعه‌دهندگان بازی در دسترس است. مانند سایر جنبه‌های بازی‌های ویدیویی که بر پیشرفت فنّاورانه تأکیددارند‌، هوش مصنوعی نیز یک هدف ایدئال دارد که برنامه‌نویسان و طراحان درباره آن بحث می‌کنند: قبولی در آزمون تورینگ. آزمایش تورینگ به نام آلن تورینگ نام‌گذاری است و بیان می‌کند آزمایش نهایی رایانه‌ها ساخت ماشین‌هایی است كه می‌توانند مانند انسان عمل كنند. در نسخه هوش مصنوعی آزمون تورینگ از بازی ویدیویی‌، هوش مصنوعی بازی باید بتواند قابلیت‌های بازی کردن واقع‌گرایانه و شبیه انسان را فراهم کند.

بازی‌هایی با هوش مصنوعی نوآورانه

تعدادی از بازی‌های ویدیویی یا سری بازی‌ها وجود دارد که به‌طور خاص برای توسعه هوش مصنوعی بازی به شکلی نوآورانه شناخته‌شده‌اند. نوع خاص هوش مصنوعی بازی که در ساخت بازی‌های ویدیویی استفاده می‌شود از نزدیک با ژانر بازی گره‌خورده است. در هر ژانر‌، تکنیک‌های هوش مصنوعی بازی که موفقیت آن‌ها ثابت‌شده است‌، تکامل‌یافته‌اند و برای پیشرفت آن‌ها روندهای تکراری انجام‌شده است.

فرنچایز Black & White توسط استودیوی Lionhead توانایی هوش مصنوعی تطبیقی در بازی ویدئویی را به نمایش می‌گذارد. در Black & White ‌، بازیکن مسئول قبیله‌های مختلف در یک جزیره است. استفاده موفقیت‌آمیز بازی از تکنیک‌های یادگیری ماشینی مبتنی بر آموزش دادن بازیکن به مخلوق هوش مصنوعی خود‌، یکی از عناصر اصلی این مجموعه استراتژیک است. این مخلوق از گیم پلی بازی و از اقدامات پاداش‌دهنده یا تنبیه‌کننده بازیکن می‌آموزد. بنابراین بسته به عملکرد بازیکن‌، مخلوق به روش‌های منحصربه‌فرد و غیرمنتظره‌ای توسعه می‌یابد. به‌عنوان‌مثال‌، بازیکن می‌تواند با پرتاب شخصیت‌ها به اطراف یا پرتاب سنگ به سمت آن‌ها‌، خدایی پست و آسیب زن باشد. مخلوق این رفتار را مشاهده کرده و برای انجام کارهای آسیب زن مشابه سازگار می‌شود. بازیکنان اظهار داشته‌اند که موجوداتشان کارهای بسیار شگفت‌انگیزی انجام می‌دهند که بر اساس مجازات‌، پاداش‌ها و فعالیت‌های آموزشی‌شان برای آن‌ها غیرقابل‌انتظار بوده است.

سری Creatures ساخته Millennium Interactive از دهه ۱۹۹۰ میلادی در ابتدای توسعه زندگی مصنوعی دربازی‌های ویدیویی بوده است. اولین بازی Creatures اولین بازی در کاربست یادگیری ماشین در یک بازی ویدیویی بود. بازی‌های این مجموعه فرایندهای یادگیری روان‌شناختی و فیزیولوژیکی را در خلقت موجوداتی به نام Norns شبیه‌سازی می‌کنند که هر یک از آن‌ها بر اساس ورودی بازیکن منحصربه‌فرد هستند. سری Creatures دارای هوش مصنوعی بازی بسیار پیچیده‌ای است که از شبکه‌های عصبی برای هر موجودی استفاده می‌کند. موجودات می‌توانند یاد بگیرند که صحبت کنند‌، تغذیه کنند و از خود دفاع کنند. این بازی ازاین‌جهت نوآورانه در نظر گرفته می‌شود که Norns مانند حیوانات در زندگی واقعی رفتار می‌کند و تکامل می‌یابد.

فرنچایز اول‌شخص Half-Life در مورد دانشمندی که با بیگانگان مبارزه می‌کند به دلیل توسعه سیستم‌های تاکتیکی عالی هوش مصنوعی ستایش‌شده است. دشمنان درHalf-Life 2 هنگام حمله به یک بازیکن تصمیمات مختلفی را اجرا می‌کنند. آن‌ها می‌توانند هر‌ترکیبی از پرتاب نارنجک‌، استفاده از آتش و حرکت به سمت پوشش بهتر را انتخاب کنند. نتیجه هوش مصنوعی در این بازی ویدیویی در مورد استراتژی نظامی ‌بسیار متفکرانه است. علاوه بر این‌، عامل‌های دشمن باهم به‌عنوان یک واحد کار می‌کنند. آن‌ها به‌عنوان یک گروه‌، نحوه محاصره کردن بازیکن را تعیین می‌کنند‌، بعضی از آن‌ها با عبور از مکان بازیکن کنار می‌روند و برخی دیگر رویکرد مستقیم را اتخاذ می‌کنند. Half-Life برخی از ویژگی‌های هوش مصنوعی در بازی را به‌گونه‌ای نوین ارائه داده است که هم‌اکنون از ویژگی‌های ثابت بازی‌های ویدیویی معاصر است. در این بازی کات سین‌ها تعاملی بودند. از اسکریپت نویسی و هوش مصنوعی استفاده شد تا گیم پلی بازی قطع نشود. همچنین‌، از یک کاراکتر غیر بازیکن همکار استفاده شد و تیم هوش مصنوعی توسعه داده شد.

سری Left 4 Dead و سایر بازی‌های ساخته‌شده توسط Valve از یک سیستم پایگاه داده برای ایجاد گفتگو در میان شخصیت‌ها استفاده می‌کنند. در طول گیم پلی‌، گفت‌وگوها اجرا می‌شوند که وضعیت بازی‌، آنچه شخصیت می‌بیند‌، شخصیت‌هایی که زنده هستند و وضعیت سلامتی آن‌ها، دشمنانی که در صورت وجود نزدیک می‌شوند و مکان فعلی روی نقشه را عامل بندی می‌کنند. شخصیت‌ها بر اساس انتخاب بهترین پاسخ در میان بسیاری از سؤالاتی که مناسب هستند‌، صحبت می‌کنند. با این کار به نظر می‌رسد شخصیت‌ها به‌جای پاسخ‌های ذخیره‌شده‌، هوشمندانه از نظرات کاملاً متناسب با بافتار استفاده می‌کنند. هوش مصنوعی همچنین موارد گفته‌شده را به خاطر می‌آورد و همچنین می‌تواند در بین شخصیت‌ها مکالمه ایجاد کند.

فرنچایزThe Sims یک بازی شبیه‌ساز زندگی است که به بازیکن امکان کنترل شخصیت‌ها را در تنظیمات مختلف می‌دهد. برای حرکت‌، نیازهای شخصیت تعیین می‌کند که شخصیت به سمت کدام شی‌ء حرکت کند. به‌عنوان‌مثال‌، اگر شخصیت نیاز به الهام گرفتن داشته باشد‌، به نزدیک‌ترین شی‌ء مانند نقاشی در یک اتاق مجاور منتقل می‌شود. این بدان معنی است که اشیا در جهان نقش بسزایی در بازی هوش مصنوعی دارند زیرا شخصیت‌ها با بسیاری از اشیا مختلف ارتباط برقرار می‌کنند که نیازها و خواسته‌ها مانند گرسنگی‌، تشنگی‌، تمیزی‌، الهام‌، سرگرمی‌، آموزش و موارد دیگر را برآورده می‌کنند. بازی‌های سیمز از منطق فازی برای احساسات و حالات فیزیکی شخصیت‌ها استفاده می‌کنند. هر یک از احساسات اساسی مانند گرسنگی یا اجتماعی بودن محدوده ارزش حداقل و حداکثر رادارند که بر حالت شخصیت‌ها نگاشت می‌شود. ضروری‌ترین حالات جسمی مانند گرسنگی یا خواب به دغدغه اصلی تبدیل شود‌، به این معنی که احساسات دیگر متوقف می‌شوند.

سیمز ۳ با گسترش محیط به یک شهر کامل و همچنین ارائه انواع شخصیت‌ها و خواسته‌های متعدد‌، بر هوش مصنوعی بازی‌های قبلی این مجموعه گسترش یافت. برای اینکه بازی مؤثر و سرگرم‌کننده باشد‌، هوش مصنوعی بازی باید کارهایی فراتر از زندگی اساسی (غذا خوردن‌، خوابیدن یا استفاده از حمام) برای همه شخصیت‌ها انجام دهد. عامل‌های ساکن در این شهر شخصیت و روابط خاص خود را با یکدیگر و همچنین در شغلشان دارند. این مسئله به عامل‌ها زندگی مصنوعی می‌بخشد.

بازی ماجراجویی اکشن سوم شخص جهان باز Red Dead Redemption یک شبیه‌سازی بسیار پیچیده از حیات‌وحش ایجاد کرده و سیستم‌های هوش مصنوعی پیچیده ازجمله شبیه‌سازی جمعیت‌، حرکت دشمن‌، پوشش و مسیریابی را ارائه می‌دهد. شبیه‌ساز حیات‌وحش که شامل پرندگان‌، شیر‌ها‌، مارها‌، سگ‌ها‌، اسب‌های وحشی و خرس‌ها می‌شود قادر به استدلال گرسنگی‌، تشنگی است و در صورت تهدید پاسخ می‌دهد. تولید حیوانات مختلف به موقعیت جغرافیایی بستگی دارد‌، بنابراین حیوانات مختلف در مناطق مختلفی ازجمله بیابان‌ها‌، کوه‌ها‌، رودخانه‌ها و دشت‌ها را زندگی می‌کنند. هوش مصنوعی حیات‌وحش منجر به گیم پلی هیجان‌انگیز و غیرمنتظره می‌شود: مانند اولین باری که یک شیرکوهی بازیکن را در یک حمله از عقب از اسب پایین می‌اندازد. تعداد عامل‌ها نیز نشانگر هوش مصنوعی باکیفیت بالا است. توسعه‌دهندگان ۸۰۰ شخصیت ایجاد کردند و هرکدام صدای منحصربه‌فرد خود را داشتند. Red Dead Redemption به‌جای استفاده از دستگاه حالت محدود برای همه عامل‌ها، از درختان رفتاری برای بیش از ۲۰۰ عامل استفاده می‌شود که زندگی روزمره آن‌ها را در جهان اداره می‌کند. عامل‌ها همچنین دارای مشخصات شخصیتی بودند که تعیین می‌کردند آن‌ها بی‌پروا‌، پرخاشگر‌، محتاط و غیره هستند. و این تیپ‌های شخصیتی بر نحوه عملکرد آن‌ها در جنگ و در زمینه‌های دیگر مانند بازی با ورق حاکم است.

ساخت رفتارهای هوشمندانه و باورپذیر برای شخصیت‌های بازی‌های ویدیویی به‌طور روزافزون توجه بیشتری را در صنعت به خود جلب می‌کند زیرا کمپانی‌های بازی‌سازی برتری بیشتری نسبت به رقبای خود را خواستارند. باوجوداین گیمرها و منتقدان بازی می‌توانند درحالی‌که از هوش مصنوعی چشم‌پوشی می‌کنند‌ در مورد کیفیت ظاهر بازی قضاوت کنند زیرا در حال حاضر‌، هوش مصنوعی در دید ساده و اولیه نسبت به بازی‌ها پنهان می‌شود. گیمرها از بد بودن هوش مصنوعی شکایت می‌کنند‌، اما ممکن است هرگز متوجه یک سیستم هوش مصنوعی عالی یا ابتکاری نشوند. توسعه بیشتر درصحنه‌های مستقل فضای جدید را برای نوآوری توسط توسعه‌دهندگان فراهم می‌کند. طراحان مستقل و برنامه‌نویسان هوش مصنوعی در حال ایجاد بازی‌های مبتنی بر هوش مصنوعی هستند که ژانرهای جدید ساخته‌شده بر اساس توسعه شخصیت‌، تعامل اجتماعی و پیچیدگی اجتماعی را کشف می‌کنند.

---