النظر في "تطور" الشخصيات باستخدام الخوارزميات الجينية والشبكات العصبية و AI Game

هذه المرة ، كان الموضوع هو التحكم بشكل أفضل (Evolve) NPCs باستخدام الخوارزميات الجينية والشبكات العصبية. تسمح الخوارزميات الجينية لظهور NPCs الذين يتصرفون بطرق متنوعة عن طريق ضرب "الجينات". بالإضافة إلى ذلك ، يمكن للشبكات العصبية تحسين دقة سلوك NPC الفردي.

■ من السهل فهم الخوارزميات الوراثية والاستخدام

الخوارزمية الوراثية هي "وسيلة لتطوير السكان في اتجاه معين" ، والأول ، لكل NPC جين (مجموعة المعلمات ، مجموعة التفضيل السلوكية). يقوم البرنامج بتقييم هذه NPCs ، واختيار اثنين من الآباء الممتازين ، ويجمع بين الجينات لإنشاء الجيل القادم من الأطفال. يقال إن Enix's Astronoca هي أول لعبة تستخدم هذا النوع من الذكاء الاصطناعي.

عند توليد فرد مبكر ، نثر القيم الأولية للمعلمات (الجينات) لإعداد تنوع السكان من خلال جينات مختلفة.

بعد ذلك ، بالنسبة لجزء المحاكاة ، نقوم بإنشاء "وظيفة تقييم" تعكس نوايا منشئ اللعبة. هل من الأفضل أن تقطع HP للعدو أكثر من غيرها ، والبقاء على قيد الحياة أطول ، وأن تكون قادرًا على التحرك بشكل أعمق في منطقة العدو؟ بدلاً من ذلك ، يمكنك إضافة بعض المعلمات بنسبة مئوية معينة. هذا هو المكان الذي يعرض فيه المبدعون مهاراتهم وأفكارهم.

قم بتطبيق وظيفة التقييم هذه على كل NPC (AI) لحساب اللياقة البدنية لكل NPC ، وإزالة النتيجة المنخفضة NPCs ، وحدد الوالد من النتيجة العالية NPCs لإنشاء طفل. لتوفير التنوع ، من الأفضل الاختيار بشكل عشوائي بما يتناسب مع اللياقة البدنية ، بدلاً من استخراج الأماكن الأولى والثانية باستمرار من أجل أعلى الدرجات (اختيار الروليت).

عند عبور جينين ، عادة ما يتم عبورهما في نقطة واحدة. يتم قطع الجين (مجموعة المعلمات) في مكان ما عند نقطة واحدة ، وهناك ، يتم تبديل معلمات الوالدين وترافقها. من الممكن عبور نقطتين أو أكثر ، ولكن إذا كان هناك العديد من نقاط العبور ، فسيصعب الحفاظ على سمات الوالد. يتم إجراء الطفرات أيضًا التي تغير معلمات بمعدل معين (كما هو الحال بدون طفرات ، قد تصبح مستقرة في الأماكن دون المستوى الأمثل).

في Enix's Astronoca ، يحتوي Babu (NPCs Enemy) على 56 جينًا (8 بت لكل منهما) بما في ذلك الوزن ، والاهتمام ، والقوة ، وقوة الساق ، ومقاومة الفزاعة ، ومقاومة الضوء ، ويتم تصنيفهم بشكل كبير لدرجة أنه يمكنهم المرور عبر معارك فخ مع اللاعبين والمرور عبر المصاصات بشكل أعمق.

على الرغم من أنه يمكن رؤية بابو واحد فقط من قبل اللاعبين ، إلا أن 20 منهم يشاركون في معركة الفخ نفسها خلف الكواليس ، مما تسبب في تغيير الأجيال ككل. علاوة على ذلك ، نظرًا لأنها تطورت كثيرًا في جيل واحد ، فإنه لا يبدو كما هو ، لذلك قمنا بتطويره جميعًا مرة واحدة في خمسة أجيال في وقت واحد.

فيما يتعلق بمنظور الخوارزميات الوراثية ، قال مياكي: "كلما تم تعريف البيئة بشكل أكثر وضوحًا ، كلما كان الأمر أسهل في تطبيق الخوارزمية. إنها مناسبة لبيئات المحاكاة المادية. كما تم نشر العديد من مصادر المظاهرات ، مما يجعلها مقدمة مناسبة لخوارزميات بيولوجية."

■ من السهل تحديد الشبكات العصبية ، ولكن يجب أن تكون مبدعًا من أجل استخدامها في الألعاب.

الشبكات العصبية هي تقنيات تدريب الذكاء الاصطناعي من الشخصيات الفردية ، وذلك باستخدام مفهوم يصمم شبكة الخلايا العصبية للكائنات الحية.

يتميز البرنامج بسهولة الاستيراد كوحدة لأنه يمكن استخدامه لتضمين مجموعات رقمية وإنتاج مجموعات رقمية. تختلف أوزان اتصال كل خلية عصبية ، ويمكن الحصول على قيم الإخراج المختلفة لقيم الإدخال المختلفة. عن طريق ضبط معلمات الوزن ، يكون الإخراج المطلوب هو الإخراج لإدخال معين. غالبًا ما يتم استخدام طريقة Backpropagation خطأ في هذه الحالة (يتطلب حسابًا مربكًا قليلاً).

في الشبكات العصبية الكلاسيكية ، يتم تغيير الأوزان دون تغيير الطريقة التي يتم بها توصيل الخلايا العصبية ، ويتم تنفيذ عملية التعلم عن طريق تغيير الأوزان فقط ، ولكن كانت هناك أيضًا تقنية تقوم تلقائيًا بضبط الطبقة الوسطى باستخدام "تطور الخلايا العصبية لتكنولوجيات زيادة)" التي تغير ديناميكيًا من بنية الشبكات العصبية. كتطبيق للألعاب الأنيقة ، تم تجسد لعبة المحاكاة "NERO" من قبل مجموعة أبحاث في جامعة تكساس في أوستن ، وقدمت كيفية تنظيم وتطوير الشبكات العصبية للجندي NPCs الفردي (اختيار النتائج المثيرة لتوازن).

■ قم بتشغيل عينة العروض التوضيحية عبر الإنترنت وعلى الكتب

باختصار ، قال Miyake: "هناك بالفعل بحث مفصل حول الخوارزميات الجينية والشبكات العصبية ، وهناك الكثير من التراكم الفني والمعلومات والأدب. هناك الكثير من رموز العينات ، لذلك آمل أن تتعلمها من خلال العمل بقصد النظر في النتائج وتجربتها بصبر." بالمناسبة ، AI هي تقنية لا يمكن استخدامها في أي مستقبل (على ما يبدو أن هناك الكثير من الأشياء التي تحدث ، مثل التعلم الذي لا يتقارب مع الشبكات العصبية ، أو التقارب مع قليلة جدًا من الأجيال) ، لذلك يبدو من المهم أن تأخذ وقتك قبل أن يصل المشروع إلى ذروته.