https://virgool.io/feed/@mahanap14 Computer Engineer, philosophy and psychoanalysis lover, Gamer fa 2026-07-06 22:09:10 https://static.virgool.io/images/default-avatar.jpg https://virgool.io/@mahanap14 https://virgool.io/LogisiaMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A2%D9%84%D9%81%D8%A7%D8%A7%D8%B3%D8%AA%D8%A7%D8%B1-%D8%AF%D8%B1-%D8%A8%D8%A7%D8%B2%DB%8C-starcarft-ii-dqea9zbo8baw اولایل سال جاری، دیپ­ مایند (DeepMind) گوگل با عنوان هوش‌مصنوعی آلفااستار (AlfaStar AI) دو نفر از بازیکنان ماهر و زبردست بازی محبوب و آنلاین استارکرافت (StarCraft)، با نام­های ت.ال.او و مانا را شکست داد. دو روز پیش نیز دیپ‌مایند طی بیانیه­ای اعلام کرد که آلفااستار به بالاترین رنک ممکن در رقابت­های این بازی با نام سطح ارباب بزرگ (Grandmaster level) دست پیدا کرده است. این دست­یابی، آلفااستار را به اولین هوش مصنوعی که توانست بدون هیچ‌گونه محدودیتی به بالاترین رنک ممکن در لیگ بازی دست­یابد، تبدیل می‌کند.آلفااستار از تکنیک یادگیری چندعاملی (multi-agent) بهره می‌برد و رتبه­ای بالاتر از 99.8% بازیکنان انسانی در بازی دارد. او توانست به سطح ارباب بزرگ درسه حالت بازی (protoss, terran, zerg) که بالاترین سطح در بازی است دست یابد. محققان دیپ‌مایند جزئیات این هوش مصنوعی را با عنوان زیر منتشر کردند.Grandmaster level in StarCraft using multi-agent reinforcement learning https://twitter.com/DeepMindAI/status/1189617587916689408/photo/1?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1189617587916689408&ref_url=https%3A%2F%2Fhub.packtpub.com%2Fdeepmind-ais-alphastar-achieves-grandmaster-level-in-starcraft-ii-with-99-8-efficiency%2F چگونه آلفااستار در بازی استارکرافت ۲ به چنین سطحی دست پیدا کرده‌ است؟محققان دیپ‌مایند توانستند به وسیله­ی درک کردن توانایی­ها و محدودیت­های open-end، یک عامل قدرتمند و منعطف بسازند. این به محققان کمک کرد تا آلفااستار را طوری بسازند که توانایی مقابله با دامنه‌های پیچیده­ی دنیای واقعی را داشته باشد.بازی هایی مانند استارکرافت یک زمین تمرین عالی برای پیشبرد این رویکردها هستند ، زیرا بازیکنان باید از اطلاعات محدودی استفاده کنند تا تصمیماتی پویا و دشوار بگیرند که دارای پیامدهای مختلف در چندین سطح و بازه زمانی است.بازی استارکرافت به بازیکنانی نیاز دارد که تصمیمات به صرفه و سطح بالایی را که با کنترل فردی صد­ها واحدی که در اختیار دارد به تعادل برساند، انسان­ها در هنگام بازی کردن با محدودیت­های جسمی روبرو هستند که زمان عکس­العمل و میزان عملکرد آنهارا محدود میکند، بر این اساس آلفااستار نیز با محدودیت­هایی تحمیلی مانند تآخیر شبکه و زمان محاسبات دچار کندی شد. به منظور محدود کردن اعمال آلفااستار، آمار اوج محاسبات آن را در بازه­ی زمانی یک دقیقه نسبت به آمار انسانی بطور قابل ملاحظه­ای پایین‌تر در نظر گرفتند و برای هم‌ترازی هرچه بیشتر با حرکات انسانی، دید محدودی نسبت به نقشه به آن داده شد.آلفااستار تنها قادراست به ثبت تعداد محدودی از کلیک­های موس بوده و تنها می‌تواند 22 عمل غیر تکراری برای بازی در هر پنج ثانیه انجام دهد.آلفااستار ترکیبی از تکنیک­های عمومی همانند معماری شبکه عصبی، یادگیری تقویتی، تقلیدی و یادگیری چندعاملی استفاده می‌کند. این بازی­ها از یک مجموعه داده عمومی در دسترس از تکرار­های ناشناس انسانی نمونه‌برداری شده است، که بعدها برای پیش­بینی عملکرد هر بازیکن آموزش داده شدند. همچنین این پیش­بینی‌ها برای تهیه­ی مجموعه­ای از استراتژی‌های گوناگون به منظور بازتاب حالت­های مختلف بازی انسانی استفاده شدند.داریو، یکی از بازیکنان ماهر استارکرافت ۲، درباره­ی آلفااستار چنین نظر دارد: "به نظر من نحوه­ی بازی آن بسیار چشمگیر و خیره­کننده است. این سیستم در ارزیابی موقعیت استراتژیک خود بسیار ماهر است و دقیقا مواقعی که باید با دشمن درگیر بشود یا نه را می‌داند و با اینکه کنترلی بسیار دقیق و عالی بر بازی خود دارد رقیب هیچگونه احساس بازی با یک ابرانسان را ندارد، یعنی از در سطحی نیست که یک انسان نتواند به آن دست پیدا کند؛ لذا بطور کلی منصفانه بنظر میرسد."آلفااستار در هر مرحله از حرکت خود 1026عمل در دسترس دارد، بنابراین مجبور است قبل از فهمیدن اینکه بازی را می‌برد یا، نه هزاران عمل انجام دهد. یکی از راهکار­های مهم پردازش آلفااستار، یادگیری استراتژِی و عملکرد انسانی است، این امر برای اطمینان از مآموریت تحقیق درمورد استراتژی­های انجام شده در طول بازی، ضروری است. پژوهشگران می‌گویند:" برای انجام این عمل ما از یادگیری تقلیدی –همراه با ترکیب معماری‌های شبکه­های عصبی پیشرفته و تکنیک­های مدل سازی زبان- استفاده کردیم تا یک سیاست اولیه که بازی را از 84% بازیکنان فعال بهتر انجام دهد ایجاد کنیم."همچنین آلفااستار از یک متغیر پنهانی برای رمزنگاری توزیع حرکات آزاد استفاده می­کند. این عمل به آلفااستار برای حفظ کردن استراتژی­های سطح بالایش کمک می‌کند و آن‌را قادر می­سازد تا استراتژی­های زیادی را در یک شبکه­ی عصبی ارائه دهد. محققان آفااستار نهایی(AlfaStar Final) را با استفاده از پیشرفت در فرایند تمرینی یادگیری تقلیدی و تقویتی آموزش دادند. هوش مصنوعی که بدون هیچگونه تعییر و اصلاحاتی توانست در بازی استارکرافت ۲ به سطح ارباب بزرگ دست یابد.آلفااستار از یک دوربین برای رابط کاربری، که در آن برای بدست آوری دقیق اطلاعاتی که انسان­ها می‌توانند دریافت کنند استفاده می­کند. تمام روابط و محدودیت­هایی که آلفااستار با آن روبرو است، توسط یک بازیکن حرفه­ای مورد تآیید قرار گرفته. سرانجام، نتایج بدست آمده نشان داد که می‌توان از تکنیک­های یادگیری با هدف کلی بعنوان مقیاسی برای سیستم­های هوش مصنوعی برای کار در محیط­های پیچیده و پویا که شامل چندین بازیگر هستند، استفاده کرد. https://twitter.com/verge/status/1189602894221328389 شاهکاری به نام آلفااستار باعث شده است که بسیاری از مردم درباره­ی آینده­ی هوش مصنوعی هیجان زده شوند.دیپ‌مایند[1] (DeepMind) یک شرکت بریتانیایی هوش مصنوعی است که در سپتامبر سال ۲۰۱۰ تحت عنوان فناوری‌های ذهن عمیق تأسیس شد. سپس هنگامی که در سال ۲۰۱۴ توسط شرکت گوگل خریداری شد نامش به گوگل دیپ‌مایند تغییر یافت. این شرکت یک شبکه عصبی مصنوعی به وجود آورده‌است که توانایی یادگیری بازی ویدئویی را به همان شکل که انسان آن را می‌آموزد را داراست. M.Ahadpour M.Ahadpour Thu, 26 Mar 2020 19:22:41 +0430 https://virgool.io/LogisiaMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%B1-%D8%A8%D8%A7%D8%B2%DB%8C-dwmszp2gb4ba هوش مصنوعی (Artificial Intelligence) و تحقیقات مربوط به آن، تاکنون درزمینه‌ها و رشته­ های گوناگونی کاربرد داشته است، از جمله بازی­های ویدیویی. هوش مصنوعی از مهمترین عوامل در عملکرد کلی یک بازی ویدیویی مدرن، جدا از سبک آن محسوب می شود. هرچند صنعت هوش مصنوعی در بازی‌های ویدیویی پس از تولد خود این نوع بازی­­ها شروع به ظهور و پیشرفت نمود، اما امروزه یکی از المان­­های خیلی مهم در ساخت یک بازی خوب، هوش مصنوعی استفاده شده در آن است.تاریخچه صنعت هوش مصنوعی در بازیبازی­­های ویدیویی بدون هوش مصنوعی متولد شدند و در ابتدا هوش مصنوعی در بازی­ تنها یک مقوله­ی تحقیقاتی محسوب می‌شد. یکی از نخستین مثال­های عملی هوش­ مصنوعی در بازی سازی، بازی نیم (Nim) است که در سال 1951 ساخته و در1952 منتشر شد. هرچند 20 سال پیش از آن نیز بازی پوینگ (Poing) با یک هوش مصنوعی خیلی ساده­ و نه چندان پیچیده­، توانسته بود بسیاری از بازیکنان ماهر را شکست دهد.تلاش‌ها ادامه یافت تا اینکه برنامه‌ی نوشته شده توسط آرتور ساموئل برای بازی چکرز (Checkers)که در دهه‌های 50 و 60 توسعه یافت قادر شد توانایی‌های یک فرد آماتور را در بازی چکرز به چالش بکشد. پس از آن نیز تلاش‌ برای برنامه‌نویسی، مخصوصا در بازی‌های چکرز و شطرنج(Chess) ادامه پیدا کرد تا در نهایت در سال 1997 کامپیوتر طراحی شده‌ی شرکت آی بی ام(IBM) توانست فرد ماهری چون گری کاسپاروو را شکست بدهد. پس از آن بود که به مرور و در اشکال گوناگون هوش مصنوعی در بازی‌ها خودنمایی کرد.کارکرد هوش مصنوعی در بازیهوش مصنوعی در بازی­های ویدیویی کاربرد­های مختلفی داشته و گستره­ی آن وسیع است. شاید آشکار­ترین کاربرد­ آن، کنترل کردن شخصیت­های غیر­قابل بازی، NPCها باشد. از استفاده­های دیگر هوش مصنوعی در گیم می‌توان به مسیر­یابی (Pathfinding) اشاره کرد، یعنی متدی که براساس آن تصمیم گرفته می‌شود یک کاراکتر غیر­قابل بازی به چه شکلی از یک نقطه به نقطه­ای دیگر در نقشه­ی بازی برود که نمونه­های آشکار آن را در بازی­های استراتژیک (Real-time Strategy) ‌می‌توان دید. از پرکاربرد­ترین زمینه­های دیگر، استفاده از هوش مصنوعی در گیم‌های شوتر اول شخص (FPS) و گیم‌های اکشن و ماجراجویی (Adventure) است، در این دسته از بازی‌ها، هوش مصنوعی برای رقابت با بازیکنان به کار می‌رود.مهمترین کاربرد هوش مصنوعی در بازی‌های رایانه‌ای مدرن، قابلیت شکار (Hunting) است. در گذشته قابلیت هوش مصنوعی در این زمینه شدیدا مصنوعی عمل می‌کرد و اگر بازیکن‌ها در نقطه مشخصی قرار می‌گرفتند، هوش مصنوعی در پاسخ آن تنها به شیوه‌ای کاملا تهاجمی و یا کاملا دفاعی عمل می‌کرد. این ضعف نشآت گرفته از نوع الگوریتم­های هوش مصنوعی است، یعنی: 1-رویدادگرا 2-هدف­گرا 3- محفظه­های سوراخ که از این بین تنها گزینه سوم بهتر و هوشمندانه‌تر عمل می‌کرد.حال به بررسی این سه نوع هوش مصنوعی به طور خلاصه می­پردازیم :لازم به ذکر است که مثال­هایی که در توضیحات هر یک از نوع­ها آورده شده با توجه بازی قدیمی و معروف کانتراسترایک (counter-strike) هستند.هوش مصنوعی رویدادگرا: این هوش معمول‌ترین نوع هوش مصنوعی است. رویداد می‌تواند شامل هر چیزی اعم از اتفاقات بازی تا دستوراتی باشد كه كاربر به شخصیت مجازی خود می‌دهد. براساس هر رویدادی كه در بازی انجام می‌شود، یک واكنش هوشمندانه نیز روی می‌دهد. در بازی كانتراسترایک دشمن شما نسبت به صدا حساس است و صدای دویدن شما را هم می‌شنود. از این‌رو بسته به موقعیت خود، یا به آهستگی پنهان می‌شود، یا برمی‌گردد و از راه دیگری به سوی شما می‌آید یا به سوی شما می‌آید و شلیک می‌كند.هوش مصنوعی هدف‌گرا: هرچند این نوع هوش مصنوعی از هوش مصنوعی رویدادگرا مستقل است، ولی هوش مصنوعی رویدادگرا می‌تواند در طراحی یک بازی، هدف‌های موتور هوش مصنوعی هدف‌گرا را تامین كند. این نوع هوش مصنوعی، هدف با ارزش بیشتر را برمی‌گزیند و آن را با تقسیم به زیرهدف‌های كوچکتر، پردازش می‌كند. شاید در بازی كانتراسترایک زمانی كه كامپیوتر كنترل هم تیمی‌ها و هم كنترل دشمنان شما را به عهده دارد، دیده باشید كه وقتی با هم‌تیمی‌هایتان به سوی دشمنان خود تیراندازی می‌كنید، آن‌ها هم بیشتر به سوی شما شلیک می‌كنند تا دیگر هم‌تیمی‌هایتان، چرا كه شما باید هدف‌های خواسته‌شده در بازی (مانند آزاد كردن گروگان‌ها یا خنثی كردن بمب) را انجام دهید و برای همین ارزش شما برای آن‌ها بیشتر است.محفظه­های سوراخ: این روش تركیبی از دو روش گفته شده است. روش كار ساده است، دو محفظه دارید و چند نوع كار: فرار(flee)، مبارزه (fight) و پركردن تفنگ (restock). محفظه‌ها مقداری از محتوای خود را با گذشت زمان از دست می‌دهند. شما اسكریپتی را در ارتباط با محفظه‌ای كه بیشتر پر است، به اجرا در میآورید. رویدادهایی جاری، این محفظه‌ها را با ارزش‌های مختلفی پر می‌كنند و این محفظه‌ها پر و خالی می‌شوند. برای نمونه دشمن مجازی را در موقعیت‌های زیر در نظر بگیرید كه می‌توان بسته به طراحی بازی عددهای زیر را كم و زیاد كرد:‌· شما دشمن را ببینید، پنج درصد به ارزش فرار و ده ‌درصد به ارزش مبارزه او افزوده می‌شود. چون در بازی اولین هدف مبارزه است نه فرار. فرار كاری است كه دشمن هنگام رویا‌رویی با شما در زمانی كه موقعیت مناسبی ندارد، انجام می‌دهد. پس ارزش مبارزه در اینجا از فرار بیشتر است.· گلوله او كم باشد، بیست درصد به ارزش ریستوك یعنی پر كردن تفنگ، افزوده می‌شود، چون شاید به زودی به آن نیاز داشته باشد.· اگر آسیب‌دیدگی او كم باشد، بیست‌درصد به ارزش فرار و ده‌درصد به ارزش ریستوك افزوده می‌شود. چون اگر شخصیت مجازی آسیب كمی دیده باشد، با ماندن در یك‌جا و پركردن تفنگ خود چنانچه در تیررس شما باشد، آسیب بیشتری می‌بیند.و به این صورت این روش بسط پیدا می­کند و پیچیده­تر میشود و برای بازیکنان، هوش بازی طبیعی تر جلوه میکند.از مثال­های کاربرد هوش مصنوعی در بازی‌هااولیم مثال بازیThe Last of Us است که توسط شرکت Naughty Dog و در ژوئن 2013 (خرداد 1392) برای پلتفرم پلی استیشن 3 منتشر شده است. کاربرد اصلی هوش مصنوعی در بازی The Last of Us بیشتر از آن‌که مربوط به دشمنان بازی باشد، در رابطه با شخصیت الی (Ellie) است. این شخصیت که همراه شما به عنوان بازیکن اصلی محسوب می‌شود، دختری نوجوان است که در دنیای The Last of Us مهره کلیدی نجات بشریت به حساب می‌آید و به نوعی می‌توان گفت ستاره این بازی است. هوش مصنوعی عالی این بازی به ویژه در رابطه با کاراکتر الی، آن را در یاد و خاطره ما جاودانه کرد.دومین نمونه که در این بخش می‌خواهیم آن را مدنظر قرار دهیم، بازیF.E.A.R است که توسط شرکتMonolith Productions ، در تاریخ 17 اکتبر 2005 (25 مهر (1384 برای پلتفرم‌های کامپیوتر، پلی استیشن 3 و ایکس باکس 360 منتشر شد. می‌توان گفت یکی از بهترین موارد کاربست فناوری هوش مصنوعی در عناوین شوتر اول شخص، بازی F.E.A.R است. دشمنان شما در این بازی هیچ‌گاه به شکل یکسانی واکنش نشان نمی‌دهند. علاوه بر این، آن‌ها همواره موقعیت همدیگر را در نظر گرفته و هیچوقت یک خطا را دو بار انجام نمی‌دهند. همین امر سبب می‌شود که شما به عنوان بازیکن، همواره به دنبال عوض کردن تاکتیک خود بوده و موقعیت خود را تغییر دهید.سومین مثال این بخش، بازی Halo Reach است که توسط استودیو Bungie و در تاریخ 14 سپتامبر 2010 (23 شهریور 1389) به شکل انحصاری برای پلتفرم ایکس باکس 360 منتشر شد. بازی Halo Reach به واسطه هوش مصنوعی عالی خود، از این منظر یک سروگردن از تمامی عناوین مایکروسافت جلوتر است. در بازی Halo Reach با تعدادی از باهوش‌ترین و در عین حال تهاجمی‌ترین دشمنان خود مواجه خواهید شد. کاربست هوش مصنوعی در بازی Halo Reach به قدری عالی است که می‌توانید بخش کمپین آن را بارها و بارها از نو بازی کرده و هیچ‌گاه خسته نشوید؛ چراکه مکانیزم هوش مصنوعی بازی، هر دفعه عملکرد متفاوتی از خود نشان خواهد داد.امروزه صنعت بازی سازی و گیمینگ در جهان با سرعت بسیار زیادی در حال پیشرفت هستند، به طوری که هر روزه شاهد الگوریتم­های جدید با سرعت و کاربرد بالاتر هستیم، در این نوشته سعی شد بصورت جزیی، نوع و کاربرد هوش مصنوعی در بازی و برخی بازی‌های که از این فناوری به بهترین شکل استفاده کرده‌اند، برایتان بازگو شود. امیدواریم با خواندن این مقاله درک بیشتر و بهتری از مبحث هوش مصنوعی و کارکردهای آن در بازی‌های رایانه‌ای پیدا کرده باشید. M.Ahadpour M.Ahadpour Thu, 05 Mar 2020 19:41:40 +0330