هوش مصنوعی و بازی‌ها
یكی از دلایل محبوبیت رایانه، بازی كردن با آن است؛ بازی‌هایی كه انسان را از محیط واقعی به محیط مجازی می‌برد و امكان تجربه جنگ، رانندگی در شرایط گوناگون، تعقیب و گریز و... را در این محیط به او می‌دهد.
بازی‌های رایانه‌ای از ابتدا تاكنون پیشرفت زیادی داشته‌اند؛ از ابتدا كه بازی‌ها مبتنی بر متن بود تا بازی‌های دوبعدی و سه‌بعدی كه روز به روز در حال پیشرفت هستند.
آنچه بیشتر در بازی‌های رایانه‌ای جلب توجه می‌كند گرافیك بالای آنهاست. معمولا كسانی كه اهل این‌گونه بازی‌ها هستند از بازی با گرافیك بالا به وجد می‌آیند. این در حالی است كه اگر هوش مصنوعی از بازی‌ها حذف شود، دیگر هیچ‌كس رقبتی برای سرگرمی‌نخواهد داشت. بدون هوش مصنوعی رقیب‌ها و دشمنان نمی‌توانند حركت‌های یكپارچه و پیش‌بینی نشده انجام دهند و شما براحتی قادر خواهید بود آنها را شكست دهید و همیشه پیروز میدان باشید!
هوش مصنوعی راه‌های زیادی برای كمك به ساخت بازی‌ها دارد كه برجسته‌ترین آنها درك محیط، تجزیه و تحلیل وضعیت، یادگیری، هماهنگی گروهی، انتخاب هدف، مسیریابی و یادگیری است.
مسائلی كه هوش مصنوعی آنها را حل كرد
مسائل زیادی در بازی‌ها وجود دارد كه مربوط به شخصیت‌ها یا عواملی از بازی هستند كه به وسیله رایانه هدایت می‌شوند؛ مانند رقیب‌ها در یك مسابقه اتومبیلرانی. 3 مسأله اصلی وجود دارد كه اكثر بازی‌ها با آن مواجه هستند و عبارتند از: حركات، تصمیم‌گیری و یادگیری این عامل‌ها. این سه اصل قابل توجه، وظایفی را موجب می‌شود كه انجام آنها به عهده هوش مصنوعی است. در ادامه به توضیح هر یك از این مسائل و راه‌حل هوش مصنوعی برای آنها می‌پردازیم.حركات عامل با استفاده از مسیریابی
یك بازی كامپیوتری باید راه‌هایی را فراهم كند تا عامل‌های كامپیوتری بتوانند در دنیای بازی پویا باشند، مثلا وقتی دشمن در یك طرف ساختمان و شما در طرف دیگر قرار دارید، دشمن باید بتواند شما را بیابد. این كار باید به بهترین شكل انجام شود، حتی اگر شما دائما در حال حركت در ساختمان باشید. روش‌های جستجوی هوش مصنوعی برای پیدا كردن مسیر در بازی‌ها استفاده می‌شوند بویژه الگوریتم جستجوی *A كه كوتاه‌ترین مسیر را بین 2 نقطه پیدا می‌كند. توسعه‌دهندگان بازی‌ها استفاده از *A را دوست دارند، زیرا الگوریتم بسیار انعطاف‌پذیری است و همچنین به صورت كوركورانه محیط را جستجو نمی‌كند و سعی دارد با كمترین حركات اضافی به هدف برسد.تصمیم‌گیری عامل با استفاده از شبكه‌های باور
البته این امكان وجود دارد كه اطلاعات كاملی در مورد دنیای بازی به عامل‌ها بدهیم تا تصمیم‌گیری‌ها برای او آسان شود، ولی در این صورت بازی هیچ جذابیتی نخواهد داشت وقتی عامل تمام حركات شما را می‌داند! در این شرایط غلبه بر حریف غیرممكن خواهد بود.
یكی از روش‌هایی كه هوش مصنوعی برای پیاده‌سازی تصمیم گیری استفاده می‌كند شبكه‌های باور هستند. شبكه‌های باور به عامل این امكان را می‌دهند تا مانند انسان از استدلال‌های پیچیده بهره گیرد كه مبنای این روش احتمالات است.
برای مثال در بازی جنگی، دشمن صدای باز شدن در را می‌شنود پس احتمالا كسی وارد شده و ممكن است این شخص شما باشید كه قصد از بین بردن دشمن را دارید. با این استدلال دشمن شروع به جستجو می‌كند.
یادگیری عامل
در بخش قبل دیدیم عامل با استفاده از دركی كه از محیط دارد، عكس‌العمل نشان می‌دهد.پس در مقابل عمل‌های یكسان عكس‌العمل‌های یكسان نشان خواهد داد؛ ولی وقتی قابلیت یادگیری به عامل اضافه شود، نتیجه اعمال قبلی خود را به خاطر می‌سپارد و اگر عمل قبلی او بی نتیجه بوده باشد، به دنبال راه‌حل دیگری می‌رود. در هوش مصنوعی این كار با الگوریتم ژنتیك انجام می‌شود.
استفاده از هوش مصنوعی در بازی‌ها ضروری به نظر می‌رسد؛ چرا كه رقیب عامل‌های رایانه‌ای، انسان‌ها هستند و برای هرچه طبیعی‌تر بودن بازی، عامل‌ها باید شبیه به انسان رفتار كنند.
بخش دانش و زندگی تبیان
برگرفته از کلیک
