De um modo geral, redes neurais e algoritmos genéticos não são usados em jogos e, além do interesse recente em usar redes neurais para aprendizado profundo, também não costumam estar fora dos jogos.
A principal razão pela qual elas são ensinadas na academia de IA não é por causa de sua aplicabilidade prática, mas porque são fáceis de explicar como dispositivos de ensino - ambos têm análogos matemáticos e biológicos que permitem ao aluno entender como eles poderiam funcionar.
No mundo real, você normalmente precisa de confiabilidade e previsibilidade. O problema com os métodos de aprendizagem é que, se eles aprendem "em estado selvagem", podem aprender os padrões errados e não serem confiáveis. Um NN ou um GA pode potencialmente atingir um máximo local que não é garantido como bom o suficiente para fornecer a experiência de jogo necessária, por exemplo. Outras vezes, pode acabar sendo muito bom, encontrando uma estratégia perfeita que é imbatível. Nem é desejável na maioria dos produtos de entretenimento.
Mesmo se você treinar offline (ou seja, antes do lançamento e não durante o jogo), um conjunto de dados aparentemente bonito pode estar escondendo anomalias que, uma vez encontradas por um jogador, são fáceis de explorar. Uma rede neural em particular normalmente desenvolve um conjunto de pesos bastante opaco para estudar, e as decisões tomadas por ela são difíceis de raciocinar. Seria difícil para um designer ajustar essa rotina de IA para executar como desejado.
Mas talvez o problema mais difícil seja o fato de os GAs e os NNs geralmente não serem as melhores ferramentas para qualquer tarefa de desenvolvimento de jogos. Enquanto bons dispositivos de ensino, qualquer pessoa com conhecimento suficiente do domínio da disciplina geralmente está melhor equipada para usar um método diferente para obter resultados semelhantes. Isso pode ser qualquer coisa, desde outras técnicas de IA, como máquinas de vetores de suporte ou árvores de comportamento, até abordagens mais simples, como máquinas de estado, ou mesmo uma longa cadeia de condicionais if-then. Essas abordagens tendem a fazer melhor uso do conhecimento do domínio do desenvolvedor e são mais confiáveis e previsíveis do que os métodos de aprendizado.
No entanto, ouvi dizer que alguns desenvolvedores usaram redes neurais durante o desenvolvimento para treinar um motorista para encontrar uma boa rota em torno de uma pista de corrida e, em seguida, essa rota pode ser enviada como parte do jogo. Observe que o jogo final não requer nenhum código de rede neural para que isso funcione, nem mesmo a rede treinada.
O 'custo' do método não é realmente o problema, aliás. Os NNs e os GAs podem ser implementados de maneira extremamente barata, com o NN, em particular, se prestando ao pré-cálculo e otimização. A questão é realmente a de conseguir algo útil deles.
Aplicações de IA "acadêmica" em jogos tendem a ser muito mais sutis do que os tipos de coisas que normalmente se pensa como IA na esfera do jogo. Muito do foco do meu professor de Game AI quando eu estava na escola era AI para controle de câmera. Sua outra área de interesse era o gerenciamento de narrativas de IA, que, até onde sei, ainda se limita à academia, na maior parte. Um exemplo notável dessa área posterior seria a fachada .
A questão principal da IA "acadêmica", nos jogos, é que eles estão resolvendo problemas diferentes. Muitas vezes você não deseja satisfazer requisitos, no jogo; você só quer satisfazer. Como foi dito anteriormente: você não quer ser fácil, mas também não quer que seu oponente de IA seja muito difícil.
Dito isto, a série de jogos em preto e branco da Lionhead usou IA semelhante ao que você está falando com a pergunta acima e teve pelo menos sucesso suficiente para que eles fizessem uma sequela .
Lembro-me de relatos de IA radiante de "The Elder Scrolls IV: Oblivion" sendo um exemplo dessa veia de comportamento originalmente também, mas teve que ser emburrecido por causa de um comportamento inesperado e estranho, como NPCs se matando por comida.
fonte
Eles são difíceis de depurar, portanto, uma falha (possivelmente causada por otimização acidental) não pode ser corrigida facilmente. Por esse motivo, qualquer rede neural usada nos jogos deve aprender em tempo real durante o jogo. No entanto, eles foram usados, por exemplo, o jogo NERO.
fonte
O Forza usa redes neurais para a IA do carro. Pelo que ouvi, eles fizeram todo o aprendizado antes do lançamento do jogo, por isso é uma rede neural estática em tempo de execução.
Um amigo meu no projeto me falou sobre isso, mas este artigo também fala sobre isso: http://gamingbolt.com/forza-5-developer-best-explains-cloud-technology-create-ai-agents-to- ganhar para você
fonte
Como você pediu exemplos na indústria, aqui está um para você: O primeiro título que conheço sobre redes neurais usadas foi Fantasy Empires, um jogo de ação e desenvolvimento de D&D TBS lançado em 1993. Aparentemente, eles foram usados para orientar o que diria a figura mestra das masmorras e faça de uma maneira "inteligente", mas "não previsível" ... se você jogou muito o jogo, pode discordar! A figura principal da masmorra animada oferece orientação sobre seu estilo de jogo, com base em suas ações recentes, a partir de uma coleção de sons estáticos, usando o NN. Presumo que seja uma rede muito simples.
(consulte a página 57 do manual para obter detalhes)
fonte