Grając w gry komputerowe zwykle zachwycamy się na przykład świetną grafiką albo wyjątkową ścieżką dźwiękową. Doceniamy ciekawą fabułę lub rozbudowaną rozgrywkę, a nie skupiamy się na tym, co jest “w środku”. Tymczasem wiele elementów gry, takich jak zachowanie wrogów, a nawet ruchy traw na łące, wymaga inteligentnych rozwiązań.
Dawniej, kiedy gry komputerowe dopiero były w powijakach, liczył się ciekawy pomysł i to, że w ogóle można było grać. Kto by tam wymagał jakichś rewelacji w grze typu Tetris czy Pac Man? Ale z biegiem czasu i wraz z rozwojem sztucznej inteligencji zauważono, że nawet w grze tak prostej, jak wspomniany właśnie Pac Man, można wprowadzić nieco ulepszeń, które sprawią, że rozgrywka będzie ciekawsza i mniej przewidywalna.
Test Turinga
Jeszcze w latach 50. ubiegłego wieku, kiedy gry dopiero kiełkowały a sztuczna inteligencja wydawała się tworem z powieści science fiction, informatyk Alan Turing opracował specjalny test, w którym “sędzia”, rozmawiając z dwiema osobami i zadając im pytania, określić ma ich płeć, przy czym jeden z rozmówców jest… maszyną. Jeśli sędzia nie zauważy, które z nich nie jest człowiekiem, to znaczy, że maszyna zdała swój test. Podsumowując: rozmawia w sposób inteligentny i potrafi naśladować prawdziwego człowieka, tworząc logiczne wypowiedzi i dokonując uprawnionych wnioskowań.
Właśnie o Teście Turinga mówi się jako o genezie sztucznej inteligencji. Potem były inne próby: algorytmu do gry w warcaby, który po kolejnych partiach uczył się i potrafił pokonywać coraz lepszych zawodników.
Przełom w grach
Choć w latach 50. XX wieku pojawiały się przeróżne pomysły, to jednak wiele z nich znacznie wyprzedzało ówczesne możliwości techniczne. Spowodowało to znaczne spowolnienie w temacie sztucznej inteligencji. Przełom przyniosły dopiero lata 90., bo wtedy właśnie pojawiły się pierwsze gry, przynoszące istotne zmiany w kwestii wykorzystania AI w grach.
Rewolucja przyszła w 1994 roku wraz z wydaniem gry Warcraft. To właśnie Blizzard postawił na zaawansowane algorytmy i zastosował je w swojej grze na szeroką skalę. Już nie pojedyncze postacie poruszały się w logiczny sposób, omijając przeszkody i siebie, ale bardzo wiele postaci na raz.
Potem przyszedł czas na kolejne tytuły, które stosowały coraz ciekawsze i bardziej zaawansowane algorytmy. Jedną z nich był Unreal Tournament z 1999 roku. Wykorzystano w nim rozwiązania stosowane do dziś: boty, które uczyły się od gracza m.in. sposobów poruszania po obszarze gry, poszukiwania najlepszych kryjówek i innych zachowań. Poza coraz większą zdolnością uczenia się, postacie w grach zaczęły pomagać sobie, współpracować i działać w grupach, potrafiły też zajść gracza od tyłu, a więc przejawiały zachowania wymagające “myślenia”.
Sztuczna inteligencja w grach współczesnych
Dziś w grach najczęściej stosuje się dwie typowe metody podejmowania decyzji: maszyny stanów skończonych (automaty skończone) oraz tak zwane drzewa decyzyjne. Coraz chętniej jednak wykorzystywana jest inna metoda, określana mianem “oceny użyteczności” (z angielskiego: utility AI). Polega ona na tym, że spośród kilku akcji, dostępnych dla postaci, wybór dokonywany jest na podstawie wyceny, opartej na grupie czynników istotnych w danym momencie. Wybierana jest ta akcja, która jest aktualnie najbardziej opłacalna.
Jak widać, stale pojawiają się nowe kierunki rozwoju AI w grach. Jej zastosowanie sprawia, że gry stają się ciekawsze, stanowią coraz większe wyzwanie i tym samym dają coraz większą satysfakcję z grania.
