Herní umělá inteligence je soubor softwarových technik, které se používají v počítačových hrách k vytvoření iluze inteligence v chování počítačem řízených postav . Herní umělá inteligence kromě metod tradiční umělé inteligence zahrnuje také algoritmy teorie řízení , robotiky , počítačové grafiky a informatiky obecně.
Implementace umělé inteligence výrazně ovlivňuje hratelnost , systémové požadavky a rozpočet hry a vývojáři tyto požadavky vyvažují a snaží se vytvořit zajímavou umělou inteligenci s nízkými zdroji za nízkou cenu. Proto se přístup k herní umělé inteligenci vážně liší od přístupu k tradiční umělé inteligenci – široce se používají nejrůznější zjednodušení, podvody a emulace . Například: na jedné straně ve střílečkách z pohledu první osoby nenechává bezchybný pohyb a okamžité zaměřování vlastní botům žádnou šanci, takže jsou tyto schopnosti uměle redukovány. Na druhou stranu, boti musí přepadnout, fungovat jako tým atd., k tomu se používají „berličky“ ve formě kontrolních bodů umístěných na úrovni.
CitátHlavním úkolem AI není vyhrát proti hráči, ale krásně se mu poddat.
Timur Bukharaev, Nival [1]Postavy počítačových her řízených herní umělou inteligencí se dělí na:
Zpočátku byly počítačové hry a hratelnost na poli výzkumu různých vědců. V roce 1951 pomocí Ferranti Mark I , prvního komerčně dostupného počítače na světě, na Manchesterské univerzitě Christopher Strachey napsal program, který hrál dámu a Dietrich Prinz napsal program pro šachy [3] . Byly to jedny z prvních počítačových programů, které byly kdy napsány. Simulátor návrhů, vyvinutý Arthurem Samuelem v polovině 50. a na počátku 60. let, nakonec dosáhl dostatečné dovednosti, aby napadl mistra světa [4] . Práce na počítačové dámě a šachu vyvrcholily v roce 1997, kdy Deep Blue vyhrál na třetí pokus šachový zápas proti mistru světa Garry Kasparovovi [5] .
Zobecněním takových programů jsou univerzální herní programy , které mohou vystupovat jako partner v řadě logických her, jejichž pravidla musí být popsána ve speciálním deklarativním jazyce , příkladem komerční implementace tohoto přístupu je hra Zillions of Games .
První počítačové hry vyvinuté v 60. a začátkem 70. let, jako Spacewar! , Pong and Gotcha (1973), byly hry postavené na diskrétní logice a přísně zaměřené na soutěž (bitvu) mezi dvěma hráči bez AI.
V 70. letech se začaly objevovat hry, které obsahovaly režim pro jednoho hráče a počítačové soupeře. Prvními pozoruhodnými hrami byly arkádové hry Qwak (lov kachen) a Pursuit (bojový simulátor). Dvě textové počítačové hry z roku 1972, Hunt the Wumpus a Star Trek , také poskytovaly počítačové soupeře . Pohyb nepřátel byl založen na předem uložených vzorech.
Arkádová hra Space Invaders z roku 1978 se vyznačovala proměnnou úrovní obtížnosti, odlišnými pohybovými vzory a událostmi ve hře závislými na hashovacích funkcích založených na vstupu hráče. Arkádová střílečka Galaxian (1979) představovala složitější a rozmanitější nepřátelské pohyby.
Populární arkádová hra Pac-Man (1980) aplikovala tyto vzory na bludiště hry a přidala rozdíly pro každého nepřítele. Karate Champ (1984) přidal podobné chování do bojových her , ačkoli špatná herní umělá inteligence prosazovala druhou verzi hry.
Hry jako Madden Football , Earl Weaver Baseball a Tony La Russa Baseball postavily svou umělou inteligenci na pokusech replikovat trénink nebo management vybrané celebrity na počítači. Týmy pro vývoj her Madden, Weaver a La Russa odvedly rozsáhlou práci na maximalizaci přesnosti těchto her. Novější sportovní hry umožnily uživatelům „vyladit“ proměnné v AI hry a vytvořit tak hráčem definovanou organizační nebo tréninkovou strategii.
Vznik nových herních žánrů v 90. letech podnítil použití formálních nástrojů umělé inteligence, jako jsou automaty konečných stavů . Real-time strategie ( angl. RTS ) kladou herní umělé inteligenci mnoho nových úkolů: neúplné povědomí, hledání cesty, rozhodování v reálném čase a ekonomické plánování [6] . První hry tohoto žánru měly známé problémy. Například v jedné z raných strategií Herzoga Zweie bylo hledání cesty téměř přerušeno a v Dune II byly rozbity velmi důležité třístavové stroje pro ovládání jednotek, což způsobilo, že počítačoví oponenti nefungovali správně. Následující hry v tomto žánru měly mnohem lepší herní umělou inteligenci.
Novější hry používaly nedeterministické techniky umělé inteligence, od prvního použití sítí ve hře Battlecruiser 3000AD roku 1996 až po nepředvídatelné chování a hodnocení hráčských akcí ve hrách jako Creatures a Black & White
GoldenEye 007 (1997) byla jednou z prvních stříleček z pohledu první osoby, ve které herní roboti reagovali na hráčovy pohyby a akce a také používali krytí a rolování, aby se do nich nedostali. Boti byli také schopni házet ruční granáty ve správný čas. Později tvůrci této hry vylepšili hru AI v Perfect Dark . Důležitým nedostatkem herní umělé inteligence v obou hrách bylo, že boti vždy znali přesnou polohu hráče, i když ho ani jeden z nich neviděl.
Halo (2001) obsahovalo herní umělou inteligenci, která mohla používat vozidla a měla základní principy týmové akce. Boti dokázali rozpoznat hrozby, jako jsou vržené granáty a postupující nepřátelská vozidla, a podle toho se mohli pohybovat z nebezpečné zóny vytvořené těmito hrozbami.
Střílečka z pohledu první osoby Far Cry (2004) obsahovala na svou dobu velmi pokročilou herní umělou inteligenci, i když ne bez chyb. Nepřátelé by mohli reagovat na herní styl hráče a snažit se je obklíčit, kdykoli je to možné. V boji proti hráči boti používali skutečnou vojenskou taktiku. Nepřátelé neměli „podvádění“ AI v tom smyslu, že by neznali přesnou polohu hráče, ale jednali pouze podle pozice, kterou si pamatovali.
K rozvoji herní umělé inteligence významně přispěla střílečka z pohledu první osoby FEAR , kterou vydala společnost Monolith Productions v roce 2005. Na svou dobu obsahovala velmi „pokročilou“ AI, která byla všemi herními recenzenty a analytiky přijata velmi kladně. Boj ve hře se odehrává uvnitř; boti pracují v týmu, využívají prostředí jako úkryt, uplatňují na hráče různé taktiky v závislosti na situaci, bouří, ustupují, volají posily, používají granáty k „vykuřování“ hráče, adekvátně reagují na granáty hozené hráčem [7] .
Počítačová hra na hrdiny The Elder Scrolls IV: Oblivion používala poměrně složitou herní umělou inteligenci pro nehráčské postavy. Uvádí se, že NPC mají plán 24/7 a sledují své vlastní cíle na svých vlastních cestách, nicméně NPC lze někdy vidět stát na stejném místě celé hodiny (barman v baru v noci, když nejsou žádní zákazníci). Ano, jedí, spí a plní své každodenní povinnosti. Události, které se ve hře stanou, mohou změnit jejich každodenní rutinu a chování. Mohou se změnit z dobré městské populace na smrtící zabijáky.
Exkluzivní PC PC hra STALKER: Shadow of Chernobyl , vydaná v březnu 2007, měla poměrně komplexní herní AI, kterou vývojáři označovali jako „A-Life“. Tento systém se začal vyvíjet od roku 2002, nicméně ve finální verzi hry byla většina funkcí „A-Life“ „ořezána“. Částečně "A-Life" byl dokončen ve hře " STALKER: Clear Sky " v roce 2008. Více podrobností o hře AI v těchto hrách naleznete zde [8] .
Online kooperativní střílečka z pohledu první osoby Left 4 Dead (2008) využívá nový herní systém umělé inteligence nazvaný „The Director “ [ 9 ] . "Director" se používá k procedurálnímu generování jiného herního zážitku pro hráče při každém spuštění hry. Vývojáři hry označují způsob, jakým ředitel pracuje, jako „Procedurální příběh “. Namísto rigidních a statických úrovní obtížnosti „Režisér“ analyzuje akce a „stupeň přežití“ hráčů a podle toho dynamicky přidává následné události, díky čemuž je hra zajímavá, ale také průchodná. Spolu s "Režisérem" však ve hře existují také úrovně obtížnosti, které ovlivňují odolnost a stupeň poškození herních postav [10] [11] .
Herní umělá inteligence se nadále vyvíjí s cílem dosáhnout takové úrovně, aby hráč nebyl schopen rozlišit mezi počítačovým protivníkem a lidským.
Někteří herní programátoři považují jakoukoli techniku, která se používá k vytvoření iluze inteligence, za součást herní umělé inteligence. Tento pohled je však kontroverzní, protože zahrnuje techniky, které jsou široce používány mimo herní AI engine. Například informace o potenciálních budoucích kolizích jsou důležitým vstupem pro algoritmy, které pomáhají budovat roboty dostatečně chytré na to, aby se vyhnuli kolizi s objekty. Ale stejné techniky detekce kolizí jsou nezbytnou a jednou z nejdůležitějších součástí fyzikálního enginu . Podobně výsledky testu směru pohledu robota ( en:Line of sight (gaming) ) jsou obvykle důležitými vstupy do systému zaměřování robota; tato data jsou však široce používána při vykreslování v grafickém enginu . Posledním příkladem je skriptování , které může být užitečným nástrojem pro všechny aspekty vývoje her, přesto je často silně spojeno s ovládáním chování NPC.
Puristé se domnívají, že výraz „umělá inteligence“ v termínu „herní umělá inteligence“ je přehnaný, protože herní umělá inteligence nepopisuje inteligenci a používá jen málo odvětví akademické vědy „umělá inteligence“. Zatímco „skutečná“ umělá inteligence se zabývá odvětvími samoučících se systémů a rozhodováním, které je založeno na libovolném zadávání dat, a dokonce i konečným cílem „silné“ umělé inteligence , která dokáže uvažovat, herní umělá inteligence se často skládá z několika pravidel a heuristiky . které jsou dostatečné k tomu, aby poskytly hráči dobrou hratelnost, pocit a zážitek ze hry.
Rostoucí pochopení akademické AI ze strany herních vývojářů a rostoucí zájem akademické obce o počítačové hry vyvolává otázku, jak a do jaké míry se herní AI liší od klasické AI. Významné rozdíly mezi různými aplikačními oblastmi umělé inteligence však znamenají, že herní umělou inteligenci lze stále považovat za samostatnou podoblast umělé inteligence. Důležitým rozdílem je zejména schopnost legitimně řešit některé problémy s umělou inteligencí ve hrách pomocí podvodu. Například odvození polohy neviditelného objektu z minulých pozorování může být obtížný problém, když je AI aplikována na robotiku, ale v počítačových hrách může NPC jednoduše vyhledat pozici v herním grafu ( en:Scene graph ). Takové klamání může vést k nerealistickému chování, a proto není vždy žádoucí. Ale jeho schopnost rozlišovat herní umělou inteligenci vede k novým problémům, například kdy a jak používat podvod.
Heuristické algoritmy herní umělé inteligence se používají v široké škále v mnoha odvětvích ve hře. Nejviditelnější využití herní umělé inteligence je v ovládání NPC, ačkoli skriptování je také velmi běžnou formou ovládání. Pathfinding je dalším rozšířeným využitím herní umělé inteligence, zejména ve strategických hrách v reálném čase. Pathfinding je metoda, jak určit, jak se má NPC pohybovat z jednoho bodu na mapě do druhého: je třeba vzít v úvahu terén, překážky a možná i „ fog of war “. Herní umělá inteligence souvisí také s dynamickým vyvažováním her .
Koncept vznikající umělé inteligence byl prozkoumán[ kým? ] ve hrách jako Creatures, Black & White a Nintendogs a v hračkách, jako je Tamagotchi . "Domácí mazlíčci" v těchto hrách mají schopnost "učit se" z akcí provedených hráčem a jejich chování se odpovídajícím způsobem mění. I když jsou tato řešení čerpána z omezeného souboru možných řešení, často dávají požadovanou iluzi inteligence na druhé straně obrazovky.
Ve hrách, kde je důležitá kreativita hráče, nemůže AI bojovat za stejných podmínek jako člověk. Aby vyrovnali šance, používají podvádění nebo klamnou AI.
Klamavá AI kompenzuje nedostatek strategického myšlení některými dalšími výhodami oproti hráči. Například: více životů , rychlejší pohyb nebo ignorování mlhy války [12] . Pojem „podvádění“ se používá pouze ve vztahu k privilegiím umělé povahy: například nelidská reakce, rychlost a přesnost vlastní počítačům se nepovažují za podvádění [12] .
CitátMůžete to číst, ale nemůžete to vidět. Je lepší udělat mnoho malých cheatů než jeden velký.
Timur Bukharaev, Nival [1]Počítač má samozřejmě oproti člověku vždy výhodu – člověk se musí spoléhat na zrak a sluch se svými omezeními, zatímco počítač má přímý (byť omezený) přístup k abstrakcím motoru . „Opravdová“ herní umělá inteligence musí mít a používat algoritmy vizuálního zpracování, ale znovuvytvoření lidského zraku je v současnosti pro systémy strojového vidění nedosažitelným cílem.
Níže je uveden jeden běžný příklad podvodné hry AI nalezené v mnoha závodních hrách . Pokud hráč s umělou inteligencí dostatečně zaostává za běžnými závodníky, najednou dostane obrovské zvýšení rychlosti nebo jiné statistiky, které jim umožní dohnat ostatní závodníky a znovu se stát konkurenceschopnými. Tato metoda je známá jako „ gumování “ nebo Catch-Up, protože umožňuje postavě AI okamžitě skočit zpět do konkurenční pozice. Podobná metoda se používá také ve sportovních hrách, jako je série Madden NFL . V pokročilejších hrách lze konkurenceschopnosti NPC nebo botů dosáhnout pomocí dynamického vyvažování her, což lze považovat za spravedlivější, i když stále technicky podvádějící, protože AI hráči stále těží, i když dodržují pravidla virtuálního světa.
AI infighting , monstrum infighting je termín popularizovaný střílečkami z pohledu první osoby, jako je Doom vydaný v 90. letech. K tomuto jevu dochází, když se dvě nebo více počítačem řízených postav nechtěně napadnou a následně se pomstí tím, že způsobí sérii vzájemných útoků. Toho lze nejsnáze dosáhnout posunutím hráčské postavy tak, aby byla dočasně v řadě se dvěma protivníky. V této situaci jeden robot zaútočí na hráče bez ohledu na to, zda jeho spojenec, jiný robot, je v palebné linii, před nebo za zamýšleným cílem, čímž vystaví svého společníka přátelské palbě . Postava AI, která byla omylem napadena jinou AI postavou, nejčastěji změní svůj status vzhledem k útočníkovi na „nepřátelský“ a v reakci na něj zaútočí, což může způsobit, že ostatní roboti zaútočí sami.
Tento jev prospívá hráči dvěma způsoby: snižuje počet nepřátel útočících na hráče a umožňuje hráči ušetřit munici, magické body a životy . Bot friendly fire se stal novým aspektem hry Doom a zavádí tento aspekt do dalších stříleček z pohledu první osoby. Ve většině novějších stříleček z pohledu první osoby však nejsou roboti a NPC naprogramováni k odplatě, pokud obdrží přátelskou palbu od jiných postav AI.