Drobne Wprowadzenie do Koła oraz Metody Sztucznej Inteligencji w GameDevie

31 Pażdzernika 2018 na Polygonie odbyło się wprowadzenie do koła oraz 1 wykład.

Wprowadzenie do koła przeprowadzone przez @Doyl zawierało identyczną treść jak pierwsze w tym semestrze. Aby nie powtarzać informacji zostawiam odnośnik do postu zawierającego szegółowe informacje o kole: jak działa oraz jak do niego dołączyć. Klik!

Na PolygonHype

@Klos opowiedział o Kręgu VFX – raz na miesiąć można się spotkać, porozmaiwać i wymienić się wiedzą z renderowania, ray tracing-u, tematach matematyczno-graficznych.

@Mantis wspomniał o Kręg Mixed-Reality (VR, AR)

@Kolejny fan gier; przedstawił swój pomysł na grę przygodową RPG będąca (prawie) tekstówką. Setting w czasach współczesnych. Preferuje silnik Unity. Rzut izometryczny. Gameplay pacyfistyczny, postaci w świecie gry posiadałyby duże znaczenie. Fabuła prezentowana jak w książce. do pomocy szuka ludzi każdej profesji.

Metody Sztucznej Inteligencji w GameDevie by @Wąski

Prelegent zapoznał nas z róznymi metodami implementacji AI (artificial intelligence) np.

  • Scripting – AI zaprogramowane wylącznie w kodzie napisanym przez programistę
  • Finite State Machine – AI wykorzystujące Skończoną Maszynę Stanów do określenia swoich akcji
  • Behavior Tree – AI wykorzystujące Drzewo zachowań do określenia swoich akcji

Został poruszony temat fazy planowania metody implementacji AI w grze, polegajacy na obmyśleniu akcji które będziemy chcieli zaimplementować w świecie gry, podzieleniu ich na prostsze oraz ocenieniu kazdej przy pomocy funkcji kosztu i funkcji celu, na podstawie tego, algorytm dobiera najlepszą strategię do osiagniecia jak najwiekszęj korzyści.

Ciekawe przykłady AI w grach:

  • OpenAI w Dota2 – Sztuczna inteligencja, która potrafi grać sama ze sobą aby doskonalić swoje umiejętności. Efekty pracy są niesamowite, gdyż boty potrafią pokonać weteranów gry, którzy nie raz walczyli o mistrzostwo świata.
  • Forza Motorsports – AI w grze uczy się od graczy z całego świata, aby nastepnie poddać próbie ich umiejętności. 

AI Poza grami

sieci neuronowe

reinforcement learning – agenci egzystują w środowisku i podejmują akcje. W zależności od efektów mówimy ai czy poprawnie wykonało zadanie czy też nie.

algorytmy genetyczne – są śmieszne, na początku generujemy populację które wykonują jakieś zadanie, np wchodzenie pod górkę. oceniamy ich postępy i pozbywamy się najgorszych, zastepując jest losowymi mutacjami najlepszych algorytmów. nastepnie powtarzamy cykl aż osiągniemy satysfakcjonujące nas rezultaty.

algorytmy optymalizacji – np. heurystyczne – są bardzo szybkie jednak nie zawsze osiągają optimum globalne (najlepszy możliwy rezultat).

natural language processing – mają za zadanie komunikację z człowiekiem

data exploration – skupiają się na odkrywaniu trendów w bazie danych, co jest zależne od czego.

Po wykładzie wszyscy poszliśmy na Piwo 🙂

@HACAH