Войти
Обычный игровой процесс (GGP ) - это дизайн искусственного Интеллект позволяет успешно сыграть в несколько игр. Для многих игр, таких как шахматы, компьютеры запрограммированы так, чтобы играть в эти игры, используя специально разработанный алгоритм, который нельзя перенести в другой контекст. Например, компьютерная программа, играющая в шахматы, не может играть в шашки. Общая игра рассматривается как необходимая веха на пути к Общему искусственному интеллекту.
Обычная игра в видеоигры (GVGP ) - это концепция GGP, адаптированная к цели игры видеоигры. Для видеоигр правила игры должны быть либо изучены за несколько итераций искусственными игроками, такими как TD-Gammon, либо предопределены вручную на предметно-ориентированном языке и отправляется заранее искусственным игрокам, как в традиционном GGP. Начиная с 2013 года, был достигнут значительный прогресс благодаря подходу глубокого обучения с подкреплением, включая разработку программ, которые могут научить играть в игры Atari 2600, а также программы, которая может научить играть Nintendo Entertainment System игры.
Первым коммерческим использованием общих игровых технологий было Zillions of Games в 1998 году. Обычные игры также предлагались для торговли агенты в управлении цепочкой поставок в рамках переговоров о ценах на онлайн-аукционах с 2003 г.
В 1992 году Барни Пелл определил концепцию игры в мета-игры и разработал систему «MetaGame». Это была первая программа, которая автоматически генерировала правила игры в шахматные игры, и одна из первых программ, использующих автоматическую генерацию игр. Затем Пелл разработал систему Metagamer. Эта система могла играть в ряд подобных шахматных игр, учитывая определение правил игры на специальном языке, называемом Game Description Language, без какого-либо человеческого взаимодействия после создания игр.
В 1998 году коммерческая система Zillions of Games была разработана Джеффом Маллеттом и Марком Лефлером. Система использовала LISP-подобный язык для определения правил игры. Zillions of Games автоматически вывели функцию оценки из правил игры, основанных на подвижности фигур, структуре доски и целях игры. Он также использовал обычные алгоритмы, найденные в системах компьютерных шахмат : альфа-бета-отсечение с упорядочением ходов, таблицы транспонирования и т. Д. Пакет был расширен в 2007 г. добавление подключаемого модуля Axiom, альтернативного движка метагеймов, который включает в себя полный язык программирования на основе Forth.
В 1998 году z-Tree разработал Урс Фишбахер. z-Tree - первый и наиболее цитируемый программный инструмент для экспериментальной экономики. z-Tree позволяет определять правила игры на языке z-Tree для теоретико-игровых экспериментов с людьми. Он также позволяет определять компьютерных игроков, которые участвуют в игре с людьми.
В 2005 году был основан Стэнфордский проект General Game Playing.
В 2012 году началась разработка PyVGDL.
General Game Playing - это проект Stanford Logic Group из Стэнфордского университета, Калифорния, целью которого является создание платформа для общих игр. Это наиболее известная попытка стандартизации искусственного интеллекта GGP, которая обычно считается стандартом для систем GGP. Игры определяются наборами правил, представленных на языке описания игр. Чтобы играть в игры, игроки взаимодействуют с игровым хост-сервером, который отслеживает ходы на предмет законности и информирует игроков об изменениях состояния.
С 2005 года на конференции AAAI ежегодно проводятся соревнования General Game Playing. Соревнования оценивают способности ИИ конкурентов играть в различные игры, записывая их результативность в каждой отдельной игре. На первом этапе конкурса участники оцениваются по их способности выполнять разрешенные действия, одерживать верх и быстрее завершать игры. В следующем раунде ИИ соревнуются друг с другом во все более сложных играх. ИИ, выигравший наибольшее количество игр на этом этапе, побеждает в соревновании, и до 2013 года его создатель выигрывал приз в размере 10 000 долларов. Пока что победили следующие программы:
Существуют и другие общие игровые системы, которые используют свои собственные языки для определения правил игры. Другое общее игровое программное обеспечение i nclude:
GVGP потенциально может использоваться для автоматического создания реальных AI видеоигр, а также "для тестирования" игровые среды, включая те, которые создаются автоматически с использованием процедурной генерации контента, и для поиска потенциальных лазеек в игровом процессе, которые может использовать игрок-человек ". GVGP также использовался для генерации правил игры и оценки качества игры на основе профилей относительной производительности алгоритмов (RAPP), которые сравнивают различие навыков, которое позволяет игра между хорошим ИИ и плохим ИИ.
General Video Game AI Competition (GVGAI ) проводится с 2014 года. В этом соревновании двухмерные видеоигры, похожие на (а иногда и основанные на) Аркады и консольные игры эпохи 80-х используются вместо настольных игр, используемых в соревнованиях GGP. Это позволило исследователям и практикам протестировать и сравнить свои лучшие общие алгоритмы игры в видеоигры. У конкурса есть соответствующая программная среда, включающая большое количество игр, написанных на языке описания видеоигр (VGDL), который не следует путать с GDL и является языком кодирования, использующим простой семантика и команды, которые можно легко проанализировать. Одним из примеров VGDL является PyVGDL, разработанный в 2013 году. Игры, используемые в GVGP, на данный момент часто представляют собой двумерные аркадные игры, поскольку они являются наиболее простыми и легкими для количественной оценки. Чтобы упростить процесс создания ИИ, который может интерпретировать видеоигры, игры для этой цели пишутся на VGDL вручную. VGDL можно использовать для описания игры специально для процедурной генерации уровней с использованием программирования набора ответов (ASP) и эволюционного алгоритма (EA). Затем GVGP можно использовать для проверки достоверности процедурных уровней, а также сложности или качества уровней в зависимости от того, как работает агент.
Поскольку GGP AI должен быть разработан для игры несколько игр, его дизайн не может полагаться на алгоритмы, созданные специально для определенных игр. Вместо этого ИИ должен разрабатываться с использованием алгоритмов, методы которых можно применять в широком спектре игр. AI также должен быть непрерывным процессом, который может адаптироваться к своему текущему состоянию, а не к выходным данным предыдущих состояний. По этой причине методы разомкнутого цикла часто бывают наиболее эффективными.
Популярным методом разработки GGP AI является алгоритм поиска дерева Монте-Карло (MCTS). Варианты MCTS, часто используемые вместе с методом UCT (верхняя граница уверенности, применяемая к деревьям), были предложены для лучшего воспроизведения определенных игр, а также для обеспечения совместимости с видеоиграми. Другой вариант используемого алгоритма поиска по дереву - это направленный поиск в ширину (BFS), в котором дочерний узел для текущего состояния создается для каждого доступного действия и посещает каждого дочернего элемента, упорядоченного по наивысшему среднему вознаграждению, до тех пор, пока либо игра заканчивается, либо заканчивается время. В каждом методе поиска в дереве ИИ имитирует возможные действия и оценивает каждое на основе среднего наивысшего вознаграждения за каждый путь с точки зрения заработанных очков.
Для взаимодействия с играми, алгоритмы должны работать в предположении, что все игры имеют общие характеристики. В книге Half-Real: Video Games Between Real Worlds and Fictionals Jesper Juul дает следующее определение игр: игры основаны на правилах, у них есть переменные результаты, разные результаты дают разные значения, усилия игрока влияют на результаты, игрок привязаны к результатам, и игра имеет договорные последствия. Используя эти предположения, можно создать ИИ, участвующий в игре, путем количественной оценки вклада игрока, результатов игры и применения различных правил, а также использования алгоритмов для вычисления наиболее благоприятного пути.
