비디오 게임에서의 인공지능

Artificial intelligence in video games
Video-Game-Controller-Icon-IDV-green-industry.svg
다음 시리즈의 일부
비디오 게임 산업
개발
출판
유통 및 수익화
종류들
관련
목록

비디오 게임에서 인공지능(AI)은 주로 인간과 유사한 비플레이어 캐릭터(NPC)에서 반응성, 적응성 또는 지능적 행동을 발생시키기 위해 사용된다.인공지능은 1950년대 처음 비디오 게임이 시작된 이래로 비디오 게임의 필수적인 부분이었다.[1]비디오 게임에서 AI는 뚜렷한 하위 분야로 학문적인 AI와는 차이가 있다.머신러닝이나 의사결정보다는 게임 플레이어의 경험을 향상시키는 역할을 한다.아케이드 비디오 게임의 황금기 동안, AI 반대자들의 생각은 주로 플레이어의 입력에 따라 졸업 난이도, 뚜렷한 움직임 패턴, 게임 내 이벤트의 형태로 대중화되었다.현대의 게임들은 종종 NPC들의 행동을 지도하기 위해 병문안이나 결정 나무와 같은 기존의 기술을 시행한다.AI는 데이터 마이닝, 절차-콘텐츠 생성 등 사용자가 바로 볼 수 없는 메커니즘에 자주 사용된다.[2]

그러나 "게임 AI"는 일반적으로 생각될 수도 있고 때로는 그렇게 묘사될 수도 있는 것처럼 Turing 테스트나 인공지능이라는 말로 NPC에 해당하는 인공인간의 실현을 의미하지는 않는다.

개요

"게임 AI"라는 용어는 일반적으로 제어 이론, 로봇 공학, 컴퓨터 그래픽, 컴퓨터 과학의 기법도 포함하는 광범위한 알고리즘 집합을 지칭하는 데 사용되며, 따라서 비디오 게임 AI는 컴퓨터 학습이나 다른 표준 기준을 반드시 용이하게 하지 않고 구성만 하는 데 있어서 "진정한 AI"를 구성하지 않는 경우가 많다."실제 연산" 또는 미리 결정된 제한된 입력 집합에 대한 사전 설정되고 제한된 응답 집합.[3][4][5]

많은 산업과 기업 목소리[6][검증 실패한]주장 비록 many[누가?]전문가 연구원들은 이런 주장을 회의적이다 소위 말하는 비디오 게임 AI이 인간이 기술 모든 형태의 상호 작용하는 방식의 혁신을 가져왔다에서, 그리고 특히 개념은 그러한 기술들은 definit에 맞는의 긴 길을 걸어왔다."지능"표준의 이온인지 과학에서 사용되는 ly.[3][4][5]업계에서는 AI가 기술을 다방면으로 작동시켜 자신의 개성을 키우고 사용자의 복잡한 지시를 수행할 수 있도록 하기 때문에 우리가 의도한 목적보다 모든 기술기기를 사용하는 방식이 더 다재다능해졌다는 주장을 내놓고 있다.[8]

하지만, 사람들이 AI가 현장에서 비디오 게임 인공 지능은 진정한 지능이 없지는 않지만, 광고 유행어거나 technologi 과학의 그릇된 기운을 가진 소프트웨어에서 암살자는 지적 행동의 환상을 창조하기 위해 간단한 구분 매칭 알고리즘을 사용하는 컴퓨터 프로그램을 설명하는 데 사용된다고 주장해 왔다[9][검증 실패한].인 복잡성과advan시멘트.[3][4][5] NPC용 게임 AI는 환경 제한 내에서 지능의 외양과 좋은 게임 플레이가 중심인 만큼 기존 AI와는 접근 방식이 크게 다르다.

역사

게임 플레이는 초기부터 AI 연구 분야였다.AI의 첫 사례 중 하나는 1951년에 만들어져 1952년에 출판된 님의 컴퓨터 게임이다.퐁이 만들어지기 20년 전, 만들어진 해의 첨단 기술에도 불구하고, 이 게임은 상대적으로 작은 상자 형태를 취했고, 이 게임의 고도로 숙련된 선수들 조차도 정기적으로 이 게임을 이길 수 있었다.[1]1951년, 맨체스터 대학의 Ferranti Mark 1 기계를 사용하여 Checkers 프로그램을 작성하였고, Dietrich Prinz가 체스 프로그램을 작성하였다.[10]이것들은 지금까지 쓰여진 최초의 컴퓨터 프로그램들 중 하나이다.아서 사무엘의 체커 프로그램은 50년대 중반에서 60년대 초반에 개발되었으며, 결국 존경할 만한 아마추어에게 도전할 수 있는 충분한 기술을 획득했다.[11]체커와 체스에 대한 작업은 1997년 IBM의 딥 블루 컴퓨터에 의한 게리 카스파로프의 패배로 절정에 이를 것이다.[12]1960년대와 1970년대 초에 개발된 최초의 비디오 게임은 스페이스워!, Pong, Gotcha(1973)와 같이 분리된 논리로 실행된 게임이며, AI가 없는 두 명의 플레이어의 경쟁을 엄격히 기반으로 한 게임이었다.

적으로 단일 플레이어 모드를 특징으로 한 게임은 1970년대에 등장하기 시작했다.아케이드에서 가장 주목할 만한 것은 1974년에 등장한 타이토 게임 스피드 레이스(레이싱 비디오 게임)와 아타리 게임 큐왁(덕 사냥 경총 사격)과 추적(파이터 도그 파이팅 시뮬레이터)이다.1972년의 두 개의 텍스트 기반 컴퓨터 게임인 Hunt the Wumpus와 Star Trek도 적이 있었다.적의 움직임은 저장된 패턴에 근거한 것이었다.마이크로프로세서를 통합하면 더 많은 계산과 무작위 요소가 이동 패턴에 중첩될 수 있을 것이다.

라이트 사이클 캐릭터들은 GLtron에서 마지막 승마가 되기 위해 경쟁한다.

플레이어의 입력에 따른 해시함수에 의존하는 난이도 상승과 뚜렷한 움직임 패턴, 게임 내 이벤트 등을 뽐낸 스페이스 인베더(1978)의 성공으로 인해 AI 반대자들의 생각이 크게 대중화된 것은 비디오 아케이드 게임 황금기였다.갤럭시언(1979)은 포메이션에서 이탈하는 개별 적으로 기동하는 등 더욱 복잡하고 다양한 적의 움직임을 추가했다.팩맨(1980)은 미로 게임에 AI 패턴을 도입했는데, 적마다 성격이 다른 퀴크가 더해졌다.가라테 챔프(1984)는 이후 악화된 AI가[citation needed] 제2판의 출시를 부추겼지만 격투 게임에 AI 패턴을 도입했다.퍼스트 퀸(1988)은 리더를 추종하는 과정에서 컴퓨터의 AI로 조종할 수 있는 캐릭터를 형상화한 전술 액션 RPG였다.[13][14]롤플레잉 비디오 게임 드래곤 퀘스트 4(1990)는 전투 중 비플레이어 캐릭터의 AI 루틴을 조정할 수 있는 '액틱스' 시스템을 도입했는데, 이후 '마력의 비밀'(1993)의 액션 롤플레잉 게임 장르에 도입된 개념이다.

매든 풋볼, 얼 위버 야구, 토니 라 루사 야구와 같은 게임들은 모두 선택된 유명인사의 코칭이나 관리 스타일을 컴퓨터에 복제하려는 시도로 그들의 AI를 기반으로 했다.매든, 위버, 라 루사는 게임의 정확성을 극대화하기 위해 이들 게임 개발 팀들과 함께 광범위한 작업을 했다.[citation needed]이후 스포츠 타이틀은 사용자가 선수 정의 경영이나 코칭 전략을 만들기 위해 AI의 변수를 "조정"할 수 있게 했다.

1990년대 새로운 게임 장르의 등장은 유한한 상태 기계와 같은 공식 AI 도구를 사용하는 계기가 되었다.실시간 전략 게임은 여러 가지 목적, 불완전한 정보, 병목 문제, 실시간 결정, 경제 계획 등으로 AI에 세금을 부과한다.[15]그 장르의 첫 게임은 악명 높은 문제들을 가지고 있었다.예를 들어 헤르조그 즈웨이(1989년)는 병참이 거의 깨지고 단위 통제를 위한 아주 기본적인 3국가 기계들이 있었고, 툰 2세(1992)는 일직선으로 선수들의 기지를 공격해 수많은 속임수를 썼다.[16]그 장르의 후기 게임들은 더욱 정교한 AI를 보여주었다.

이후 게임은 크리쳐스나 블랙&화이트와 같은 게임에서 돌발 행동과 플레이어 행동 평가와 같은 상향식 AI 방법을 사용해 왔다.파사드(인터랙티브 스토리)는 2005년 출시돼 대화식 다방향 대화와 AI를 게임의 주요 측면으로 활용했다.

A robot goes for the ball and competes in Robocup.
로봇은 공을 잡으러 가서 로보캅에서 경쟁한다.

게임은 게임 플레이를 넘어 응용 가능성이 있는 인공지능을 개발할 수 있는 환경을 제공했다.예를 들어, Defendy!를 하는 왓슨과 로봇들이 축구에서 경쟁하도록 훈련되는 로보컵 대회를 들 수 있다.[17]

보기

게임 AI가 지능에 관한 것이 아닌 만큼 게임 AI라는 용어의 'AI'가 가치를 과대평가하고 있고, AI의 학계 목표도 거의 공유하지 않는다고 많은 전문가들은 호소한다.'진짜 AI'는 머신러닝, 임의 데이터 입력에 따른 의사결정, 심지어 추론할 수 있는 강력한 AI의 궁극적 목표까지 다루는 반면, '게임 AI'는 단지 좋은 게임플레이 경험을 주기에 충분한 반쪽 정도의 엄지손가락 규칙, 즉 휴리스틱스로 구성되는 경우가 많다.[citation needed]역사적으로 학술적 게임-AI 프로젝트는 학술적 접근법이 단순하고 확장성이 없는 경향이 있기 때문에 상업적 상품과 상대적으로 분리되어 왔다.상업용 게임 AI가 자체 개발한 툴은 많은 경우 좋은 성능을 낼 수 있을 정도로 충분했다.[2]

게임 개발자들의 학술적 AI에 대한 인식이 높아지고 학계의 컴퓨터 게임에 대한 관심이 높아지면서 게임에서 AI로 간주되는 것에 대한 정의가 덜 특이해지고 있다.그럼에도 불구하고, AI의 다른 응용 영역들 간의 큰 차이점은 게임 AI가 여전히 AI의 뚜렷한 하위 영역으로 볼 수 있다는 것을 의미한다.특히 부정행위를 통해 게임의 일부 AI 문제를 합법적으로 해결하는 능력은 중요한 구분을 만들어낸다.예를 들어 과거 관찰에서 보이지 않는 물체의 위치를 유추하는 것은 인공지능이 로봇공학에 적용될 때 어려운 문제가 될 수 있지만, 컴퓨터 게임에서 NPC는 단순히 게임의 장면 그래프에서 위치를 찾아 볼 수 있다.이러한 부정행위는 비현실적인 행동으로 이어질 수 있으며 따라서 항상 바람직한 것은 아니다.하지만 그것의 가능성은 게임 AI를 구별하는 역할을 하며 언제 어떻게 부정행위를 해야 하는지와 같은 새로운 문제들로 이어진다.[citation needed]

강력한 AI에 대한 가장 큰 제한은 사고의 본질적인 깊이와 의사결정 과정의 극심한 복잡성이다.이는 이론적으로는 '스마트한' AI를 만드는 것이 가능하겠지만, 그 문제는 상당한 처리 능력을 필요로 한다는 것을 의미한다.[citation needed]

사용법

보드 게임의 컴퓨터 시뮬레이션에서

현대 비디오 게임에서

추가 정보:비디오 게임봇

게임 AI/휴리스틱 알고리즘은 게임 내부의 매우 다양한 분야에서 사용된다."스크립팅"(결정 트리)이 현재 가장 보편적인 통제 수단임에도 불구하고 가장 분명한 것은 게임 내 어떤 NPC의 통제권 안에 있다.[18]이런 수기 결정 나무들은 개발자들이 계획하지 않은 상황에서 반복적인 행동이나 몰입의 상실, 비정상적인 행동과 같은 '인공적인 어리석음'을 초래하는 경우가 많다.[19]

AI의 또 다른 보편적인 용도인 경로찾기는 실시간 전략 게임에서 널리 볼 수 있다.길찾기는 지형과 장애물, 그리고 어쩌면 "전쟁의 개"를 고려하여 지도상의 한 지점에서 다른 지점으로 NPC를 얻는 방법을 결정하는 방법이다.[20][21]상업용 비디오게임은 빠르고 간단한 "그리드 기반 경로 찾기"를 사용하는 경우가 많은데, 이 경우 지형은 균일한 사각형의 견고한 그리드에 매핑되고 A* 또는 IDA*와 같은 경로 찾기 알고리즘이 그리드에 적용된다.[22][23][24]일부 게임은 단지 단단한 그리드 대신 불규칙한 다각형을 사용하고 NPC가 걸을 수 있는 지도 영역 밖으로 내비게이션 망을 조립한다.[22][25]세 번째 방법으로는 개발자들이 NPC가 항해하는 데 사용해야 할 "웨이포인트"를 수동으로 선택하는 것이 편리하다. 비용은 그러한 웨이포인트가 부자연스럽게 보이는 움직임을 만들 수 있다는 것이다.게다가, 웨이포인트는 복잡한 환경에서 항법 메쉬보다 더 나쁜 성능을 보이는 경향이 있다.[26][27]정적인 경로탐색을 넘어, 내비게이션은 NPC에게 동적 환경에서 탐색할 수 있는 기능을 부여하고, 타 실체(기타 NPC, 플레이어...)와의 충돌을 피하면서 타겟으로의 경로를 찾거나, 그들과 협력(그룹 내비게이션)하는 데 초점을 맞춘 게임 AI의 하위 분야다.[citation needed]에이지 오브 엠파이어(1997년)나 문명 V(2010년)와 같이 단위가 많은 동적 전략 게임에서의 내비게이션은 종종 성능이 좋지 않고, 단위가 다른 단위에 방해가 되는 경우가 많다.[27]

가상 환경의 어려운 문제를 적절히 해결하기 위해 게임 AI를 개선하기보다는 단순히 시나리오만 수정하면 좀 더 다루기 쉽도록 하는 것이 비용 효율적일 때가 많다.특정 장애물에 대한 탐색이 정체되면 개발자는 장애물을 이동하거나 삭제하는 결과를 초래할 수 있다.[28]하프라이프(1998)에서, 병문안 알고리즘은 때때로 모든 NPC들이 던져진 수류탄을 피할 수 있는 합리적인 방법을 찾지 못했다; NPC들이 실수를 저지르고 멍청해 보일 위험을 감수하도록 하기 보다는, 개발자들은 대신 그 상황에서 몸을 웅크리고 제자리에 가리기 위해 NPC들을 대본으로 작성했다.[29]

비디오 게임 전투 AI

현대의 많은 비디오 게임들은 액션, 1인칭 슈터, 또는 모험의 범주에 속한다.이런 종류의 게임에는 대부분 어느 정도 전투가 벌어진다.이런 장르에서는 AI의 전투 효율화 능력이 중요하다.오늘날의 공통된 목표는 AI를 더 인간적으로 만들거나 최소한 그렇게 보이게 하는 것이다.

현대 비디오 게임 AI에서 발견되는 보다 긍정적이고 효율적인 특징 중 하나는 사냥 능력이다.AI는 원래 매우 흑백으로 반응했다.만약 선수가 특정 지역에 있다면, AI는 완전히 공격적으로 반응하거나 완전히 방어적으로 반응할 것이다.최근 몇 년 동안, "사냥"이라는 개념이 도입되었다; 이 '사냥' 상태에서, AI는 그들이 남겨두었을지도 모르는 캐릭터나 발자국과 같은 현실적인 표지를 찾을 것이다.[30]이러한 발전은 궁극적으로 더 복잡한 형태의 놀이를 가능하게 한다.이 기능을 통해 플레이어는 실제로 적에게 접근하거나 적을 피하는 방법을 고려할 수 있다.이는 특히 스텔스 장르에서 널리 퍼져 있는 특징이다.

최근 게임 AI의 또 다른 발전은 '생존 본능'의 발전이었다.게임 내 컴퓨터는 환경에서 다른 사물들을 인식하고 그것이 그것의 생존에 이로운지 해로운지를 결정할 수 있다.사용자처럼, AI는 무기를 재장전하거나 수류탄을 던지는 것과 같은 다른 취약점을 남길 수 있는 행동을 하기 전에 총격전에서 커버를 찾을 수 있다.특정한 방식으로 반응해야 할 때를 알려주는 설정된 마커가 있을 수 있다.예를 들어, 만약 AI가 게임 내내 그것의 건강을 체크하는 명령을 받는다면, 추가적인 명령을 설정하여 특정 건강 비율로 반응하도록 할 수 있다.상태가 일정 임계값 미만일 경우 AI가 플레이어로부터 도망가도록 설정하고 다른 기능이 트리거될 때까지 이를 피할 수 있다.또 다른 예는 만약 AI가 총알이 떨어졌다는 것을 알아차린다면, 그것은 덮개 물체를 찾아 재장전할 때까지 그 뒤에 숨어버릴 것이다.이런 행동들은 AI를 더 인간적으로 보이게 만든다.다만 이 부분에 대해서는 아직 개선이 필요하다.

전투 AI의 또 다른 부작용은 두 명의 AI 제어 캐릭터가 마주쳤을 때 발생한다; id Software game Doom에서 처음으로 대중화된, 이른바 '괴물 내분'이 특정 상황에서 발생할 수 있다.구체적으로 적대적 공격에 대응하도록 프로그램된 AI 요원들은 코호트의 공격이 자신들에게 너무 가까이 상륙할 경우 서로 공격하기도 한다.[citation needed]둠의 경우, 공개된 게임 플레이 매뉴얼은 특정 수준과 난이도 설정에서 살아남기 위해 몬스터 내분을 이용하는 것을 제안하기도 한다.

몬테카를로 나무 검색법

게임 AI는 흔히 병참과 유한 상태 기계에 해당한다.경로찾기는 AI를 A지점에서 B지점으로, 보통 가능한 가장 직접적인 방법으로 얻는다.상태 기계는 다른 행동들 사이에서 전환을 허용한다.몬테카를로 트리 검색법은[31] 플레이어가 극복해야 할 장애물을 추가로 만들어 더욱 몰입감 있는 게임 경험을 제공한다.MCTS는 AI가 기본적으로 틱택토(tic-tac-toe)를 재생하는 트리 다이어그램으로 구성된다.결과에 따라 선수에게 다음 장애물을 내주는 통로를 선정한다.복잡한 비디오 게임에서, 이 나무들은 플레이어가 장애물을 넘어설 수 있는 몇 가지 전략을 생각해 낼 수 있다면 더 많은 가지를 가질 수 있을 것이다.

NPC 이상의 게임에서 사용

학술적 AI가 게임 AI 내에서 NPC 행동 제어라는 전통적인 우려에서 벗어나 역할을 할 수 있다.Georgios N. Yannakakis는 네 가지 잠재적 적용 영역을 강조했다.[2]

  1. 플레이어 경험 모델링:플레이어의 능력과 감정 상태를 파악하여 게임을 적절하게 조정하십시오.여기에는 플레이어의 능력에 따라 실시간으로 비디오 게임의 난이도를 조정하는 동적 게임 난이도의 밸런싱이 포함될 수 있다.게임 AI는 플레이어의 의도를 추론하는 데 도움이 될 수도 있다.
  2. 절차-내용 생성:자동화된 방식으로 환경 조건, 수준, 심지어 음악과 같은 게임 환경의 요소들을 창조한다.AI 방식은 새로운 콘텐츠나 대화형 스토리를 만들어낼 수 있다.
  3. 사용자 동작에 대한 데이터 마이닝:이를 통해 게임 디자이너들은 사람들이 게임을 어떻게 사용하는지, 그들이 가장 많이 하는 부분은 무엇인지, 그리고 그들이 게임을 멈추게 하는 원인이 무엇인지 탐색할 수 있어 개발자들은 게임 플레이를 조정하거나 수익화를 개선할 수 있다.
  4. NPC에 대한 대체 접근 방식:여기에는 NPC 신뢰도를 높이기 위해 게임 설정을 변경하고 개별적인 NPC 행동보다는 사회적 행동을 탐구하는 것이 포함된다.

절차적 생성보다는, 일부 연구자들은 새로운 콘텐츠를 만들기 위해 생성적 적대적 네트워크(GANs)를 사용해 왔다.2018년 콘월 대학교의 연구원들은 인간이 만든 수천 개의 레벨에 대해 GAN을 훈련시켰고, 훈련 후에 신경망 프로토타입은 스스로 새로운 재생 가능한 레벨을 설계할 수 있었다.마찬가지로, 캘리포니아 대학의 연구원들은 슈퍼 마리오의 수준을 높이기 위해 GAN의 원형을 만들었다.[32]2020년에 엔비디아는 GAN이 만든 팩맨 복제품을 전시했다; GAN은 5만개의 (대부분 봇이 만든) 플레이스루들을 보면서 게임을 재현하는 방법을 배웠다.[33]

부정행위 AI

게이머들은 항상 인공지능이 속임수를 쓰는지 묻는다(아마도 지면 불평을 할 수 있을 것이다).

— Terry Lee Coleman of Computer Gaming World, 1994[34]

비디오 게임에서 인공지능의 맥락에서 부정행위는 프로그래머가 에이전트에게 같은 상황에서 플레이어가 이용할 수 없는 정보에 대한 행동과 접근을 제공하는 것을 말한다.[35]크리스 크로포드는 아타리 8비트가 인간 선수와 경쟁할 수 없다고 믿으면서 이스턴 프런트(1941)에서 컴퓨터가 지배하는 러시아 측에 혜택을 주는 버그를 고치지 않았다.[36]1994년 컴퓨터 게이밍월드는 "인간을 따라잡기 위해 많은 AI가 '싸다'(또는 적어도 '퍼지'는)는 것은 잘 알려진 사실"이라고 보도했다.[37]

예를 들어 에이전트가 플레이어가 근처에 있는지 알고 싶으면 복잡하고 사람 같은 센서(보기, 청각 등)를 주거나 단순히 게임 엔진에 플레이어의 위치를 묻는 것으로 부정행위를 할 수 있다.일반적인 변화로는 레이싱 게임에서 AI에게 더 빠른 속도를 부여해 선수를 따라잡거나 1인칭 슈팅에서 유리한 위치에 산란시키는 것이 있다.인공지능(AI)에서 부정행위를 하는 것은 인위적으로 달성할 수 있는 '지능'의 한계를 보여준다. 일반적으로 전략적 창의성이 중요한 게임에서 인간은 이런 장점이 없었다면 최소한의 시행착오 끝에 AI를 쉽게 이길 수 있었다.부정행위는 종종 경기자에게 효과가 명백하지 않은 한 용인될 수 있는 많은 경우에 성적 이유로 시행된다.부정행위는 특히 AI에 부여된 특권만을 지칭하는 반면(컴퓨터에 자연스러운 비인간적인 신속성과 정밀성은 포함하지 않는다) 플레이어는 인간 플레이어와 달리 에이전트가 행동하는 결과를 초래하는 경우 컴퓨터의 본질적인 이점을 "치유"라고 부를 수 있다.[35]시드 마이어는 컴퓨터가 인간과 거의 비슷해 컴퓨터가 부정행위를 하고 있다고 생각하게 만들었기 때문에 Civilization에서 멀티플레이어 제휴를 생략했다고 진술했다.[38]개발자들은 대부분이 정직하다고 말하지만, 그들은 인공지능을 "치유"하는 것에 대해 잘못 불평하는 플레이어를 싫어한다.게다가, 인간은 다른 사람들에게 대항하지 않을 컴퓨터에 대해 전술을 사용한다.[36]

예

크리쳐스는 사용자가 작은 털북숭이 동물을 '아치'하고 행동요령을 알려주는 인공생명 프로그램이다.이런 '노르드'들은 스스로 말하고, 먹고, 악랄한 동물들로부터 스스로를 보호할 수 있다.그것은 인터랙티브 시뮬레이션에서 머신러닝의 첫 번째 인기 응용이었다.신경망은 생물들이 무엇을 해야 하는지 배우기 위해 사용된다.게임은 자신의 환경과 상호작용하는 생물의 행동을 모형화하는 것을 목표로 하는 인공생명연구의 돌파구로 평가받고 있다.[39]
플레이어가 마스터 치프의 역할을 맡는 1인칭 슈터로서, 도보나 차량 안에서 다양한 외계인과 격투한다.적들은 매우 현명하게 커버를 사용하고, 화재와 수류탄을 진압한다.분대 상황은 개인에게 영향을 미치기 때문에, 어떤 적들은 그들의 지도자가 죽으면 도망친다.적들이 수류탄을 던지거나 팀원들이 당신을 괴롭히는 것에 반응하는 등 사소한 세부사항에도 많은 관심이 쏠린다.기본적인 "행동 트리" 기술은 게임 산업에서 매우 인기를 끌었다(특히 Halo 2 이후).[39]
플레이어의 등장인물들이 복제된 초소수, 로봇, 초자연적인 생명체 대대와 교전하는 심리적 공포 1인칭 슈터.AI는 기획자를 활용해 문맥에 민감한 행동을 만들어 내는 것으로 주류 게임에서는 처음이다.이 기술은 여전히 많은 스튜디오의 참고 자료로 사용되고 있다.'복제본'은 커버를 만들기 위해 테이블과 선반을 뒤집거나, 문을 열고, 창문을 부수거나, 심지어 플레이어의 손전등을 알아차리고, 나머지 동료들에게 경고하는 등 게임 환경을 자신에게 유리하게 활용할 수 있다.이 밖에도 AI는 측면 기동, 화력 억제, 수류탄 투척, 선수 덮개 밖으로 밀어내기, 데드 플레이까지 할 수 있다.앞에서 말한 대부분의 행동(특히 측면)은 비상한 행동의 결과물이다.[40][41]
1인칭 슈터 서바이벌 호러 게임으로, 플레이어는 인간이 만든 실험, 군인들, 그리고 스토커스로 알려진 용병을 상대해야 한다.맞닥뜨린 다양한 적들(난이도가 가장 높게 설정되면)은 부상당한 아군을 치료하거나 명령을 내리거나 선수를 앞지르거나 정확하게 무기를 사용하는 등의 전투 전술과 행동을 구사한다.[citation needed]
플레이어가 1V1, 2V2, 3V3 배틀 아레나에서 세 파벌 중 하나를 장악하는 실시간 전략 게임.그 선수는 모든 유닛과 베이스를 파괴하여 상대 팀을 물리쳐야 한다.이것은 상대편 유닛에 대항하는 데 효과적인 유닛을 만들어냄으로써 달성된다.플레이어는 매우 쉬운 것부터 치터3(인싸인)까지 다양한 레벨의 AI 난이도에 맞설 수 있다.같은 상황에 처한 선수가 볼 수 없을 때 유닛과 베이스를 볼 수 있는 난이도 1(비전)에서 AI가 속일 수 있다.체터2는 AI에 여분의 자원을 주는 반면 체터3는 상대보다 훨씬 유리하다.[42]

참고 항목

목록

참조

  1. ^ a b Grant, Eugene F.; Lardner, Rex (2 August 1952). "The Talk of the Town – It". The New Yorker.
  2. ^ a b c Yannakakis, Geogios N (2012). "Game AI revisited" (PDF). Proceedings of the 9th Conference on Computing Frontiers: 285–292. doi:10.1145/2212908.2212954. ISBN 9781450312158. S2CID 4335529. Archived (PDF) from the original on 8 August 2014.
  3. ^ a b c Bogost, Ian (March 2017). ""Artificial Intelligence" Has Become Meaningless". Retrieved 22 July 2017.
  4. ^ a b c Kaplan, Jerry (March 2017). "AI's PR Problem". MIT Technology Review.
  5. ^ a b c Eaton, Eric; Dietterich, Tom; Gini, Maria (December 2015). "Who Speaks for AI?". AI Matters. 2 (2): 4–14. doi:10.1145/2847557.2847559. S2CID 207233310.
  6. ^ "How artificial intelligence will revolutionize the way video games are developed and played". 6 March 2019.
  7. ^ "Why gaming AI won't help make AI work in the real world—but could". 30 August 2018.
  8. ^ Eastwood, Gary. "How video game AI is changing the world". CIO. Archived from the original on 28 February 2017. Retrieved 28 February 2017.
  9. ^ "Why video games and board games aren't a good measure of AI intelligence". 19 December 2019.
  10. ^ AlanTuring.net의 "Complete History of Computing"을 참조하십시오.
  11. ^ 셰퍼, 조나단원 점프 어드밴스: 체커스의 인간 우월성 도전, 1997,2009, 스프링거, ISBN 978-0-387-76575-4.6장
  12. ^ McCorduck, Pamela (2004), Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd., ISBN 1-56881-205-1, 페이지 480-483
  13. ^ 모비게임스의 퍼스트 퀸
  14. ^ "Official Site". Kure Software Koubou. Retrieved 19 May 2011. (번역)
  15. ^ 슈와브, 2004, 페이지 97-112
  16. ^ 슈와브, 2004, 페이지 107
  17. ^ Emergent Intelligence in Games 2011년 2월 19일 웨이백 머신(Wayback Machine)에 보관됨 2011년 2월 17일
  18. ^ Good, Owen S. (5 August 2017). "Skyrim mod makes NPC interactions less scripted, more Sims-like". Polygon. Retrieved 16 April 2018.
  19. ^ 라라-카브레라, R, 노게이라-콜라조, M, 코타, C, & 페르난데스-레이바, A. J. (2015년)게임 인공지능: 과학계를 위한 도전.
  20. ^ 얀나카키스, G. N. (2012, 5월)게임 AI 재방문제9차 컴퓨터 프런티어 회의의 절차 (pp. 285–292)에서.ACM
  21. ^ 하겔백, 요한, 스테판 J. 요한슨."실시간 전략 게임 환경에서 전쟁 안개와 거래"2008년 Computing Intelligence and Games에서.씨이'08.IEEE 심포지엄 On, 페이지 55-62.IEEE, 2008.
  22. ^ a b Abd Algfoor, Zeyad; Sunar, Mohd Shahrizal; Kolivand, Hoshang (2015). "A Comprehensive Study on Pathfinding Techniques for Robotics and Video Games". International Journal of Computer Games Technology. 2015: 1–11. doi:10.1155/2015/736138.
  23. ^ 넵, 피터"그리드 기반 경로 찾기."캐나다 지능 계산 학회 총회에서, 페이지 44-55.2002년 베를린 하이델베르크 스프링거
  24. ^ Sturtevant, N. R. (June 2012). "Benchmarks for Grid-Based Pathfinding". IEEE Transactions on Computational Intelligence and AI in Games. 4 (2): 144–148. doi:10.1109/TCIAIG.2012.2197681. S2CID 2864753.
  25. ^ Goodwin, S. D., Menon, S., & Price, R. G. (2006).탁 트인 지형에서 길찾기.게임디자인과 기술의 미래에 관한 국제학술회의에서.
  26. ^ 나레예크, A. (2004)컴퓨터 게임에서의 AI.대기열, 1(10).
  27. ^ a b Cui, X, & Si, H.(2011).현대 컴퓨터 게임에서 A* 기반의 경로 찾기.국제 컴퓨터 과학 및 네트워크 보안 저널, 11(1), 125-130.
  28. ^ "Design Techniques and Ideals for Video Games". Byte Magazine. Vol. 7, no. 12. 1982. p. 100.
  29. ^ L. L.(2003) 리덴.인위적인 어리석음:의도적인 실수들의 기술.AI 게임 프로그래밍 지혜, 2, 41-48
  30. ^ 슈라이너, 팀 "게임 디자인에 인공지능"인공지능 디포.웹. 2009년 11월 19일.AI-depot.com 웨이백 머신에 2011년 8월 10일 보관
  31. ^ Statt, Nick (9 March 2019). "HOW ARTIFICIAL INTELLIGENCE WILL REVOLUTIONIZE THE WAY VIDEO GAMES ARE DEVELOPED AND PLAYED". Retrieved 23 February 2020.
  32. ^ "AI creates new levels for Doom". BBC News. 8 May 2018. Retrieved 17 May 2018.
  33. ^ Vincent, James (22 May 2020). "Nvidia's AI recreates Pac-Man from scratch just by watching it being played". The Verge. Retrieved 28 May 2020.
  34. ^ Coleman, Terry Lee (July 1994). "He Ain't Heavy, He's My Sovereign". Computer Gaming World. pp. 110–111.
  35. ^ a b Scott, Bob (2002). "The Illusion of Intelligence". In Rabin, Steve (ed.). AI Game Programming Wisdom. Charles River Media. pp. 16–20.
  36. ^ a b Wilson, Johnny L.; Brown, Ken; Lombardi, Chris; Weksler, Mike; Coleman, Terry (July 1994). "The Designer's Dilemma: The Eighth Computer Game Developers Conference". Computer Gaming World. pp. 26–31.
  37. ^ Wilson, Johnny L. (February 1994). "Mea Culpas And Culpability". Editorial. Computer Gaming World. p. 8.
  38. ^ "The 7th International Computer Game Developers Conference". Computer Gaming World. July 1993. p. 34. Retrieved 12 July 2014.
  39. ^ a b AiGameDev - 가장 영향력 있는 10대 AI 게임
  40. ^ Horti, Samuel (3 April 2017). "Why F.E.A.R.'s AI is still the best in first-person shooters". Rock, Paper, Shotgun. Retrieved 29 December 2020.
  41. ^ "Building the AI of F.E.A.R. with Goal Oriented Action Planning". www.gamasutra.com. 7 May 2020. Retrieved 29 December 2020.
  42. ^ "StarCraft II". StarCraft II. Retrieved 28 February 2017.

참고 문헌 목록

외부 링크