게임 인공지능의 기본 기술은 무엇인가?

게임 인공지능의 기본 기술은 '질적'입니다. 정성적이란 행동이나 성능이 불확실하지 않고 구체적이고 예측 가능하다는 것을 의미합니다. 예를 들어 몬스터 캐릭터를 생성하고 XY 좌표축을 따라 이동하고 캐릭터의 XY 좌표와 목표 지점의 좌표까지 목표 지점으로 이동합니다. 겹치는. 정성적 AI 기술은 게임 AI의 기초입니다. 정성적 AI 기술의 결과는 예측 가능하고 효율적이며 구현, 이해, 테스트 및 디버깅이 쉽습니다.

이 튜토리얼의 운영 환경: Windows 7 시스템, Dell G3 컴퓨터.

게임 인공지능의 정의는 상당히 광범위하고 유연합니다. 어떤 방법을 사용하더라도 사람들에게 어느 정도 지능이 있다는 '환상'을 주고 게임을 더욱 중독성 있게 만들고 가장 중요하게는 더 재미있게 만들 수 있다면 게임 AI로 간주할 수 있습니다.

정성적 AI와 비정성적 AI

게임 AI는 일반적으로 정성적 AI와 비정성적 AI 두 가지 유형으로 구분됩니다.

질적

질적이란 행동이나 성과가 불확실성 없이 구체적이고 예측 가능하다는 것을 의미합니다. 구체적인 예는 간단한 추적 알고리즘일 수 있습니다. 예를 들어, 몬스터 캐릭터를 생성하고, XY 좌표축을 따라 전진한 후, 캐릭터의 XY 좌표가 목표 지점의 좌표와 겹칠 때까지 목표 지점을 향해 이동합니다.

Non-qualitative

질적 행동과 달리 비타겟적 행동은 어느 정도 불확실성이 있고 다소 예측 불가능합니다(어느 정도로 불확실하고 사용된 AI 방식을 사람들이 이해하기 어려운지) 용이성과 관련됨). 구체적인 예는 비플레이어 캐릭터가 플레이어에게 적합한 전투 전술을 배울 수 있도록 하는 것입니다. 이러한 학습 능력은 신경망, 베이지안 기술 또는 유전 알고리즘을 사용하여 얻을 수 있습니다.

정성적 AI 기술은 게임 AI의 근간입니다. 정성적 AI 기술의 결과는 예측 가능하고 효율적이며 구현, 이해, 테스트 및 디버깅이 쉽습니다. 정성적인 방법은 많지만 다양한 시나리오를 미리 생각하고 모든 동작을 작성하는 부담은 분명 개발자의 몫입니다. 더욱이, 질적 방법은 NPC가 학습하고 진화하는 데 도움이 될 수 없습니다. 플레이어는 NPC를 주의 깊게 관찰함으로써 NPC의 질적 행동을 예측할 수 있습니다. 질적 행위를 사용하는 것은 게임 소프트웨어의 "수명"을 제한할 것이라고 말할 수 있습니다.

비정성 기술을 사용하면 NPC가 스스로 학습하고 긴급 행동(명확한 지침 없이 나타나는 행동)과 같은 새로운 행동을 진화시켜 플레이어가 게임을 플레이할 때 예측하기 어렵게 만들고 게임의 플레이 가능성을 높일 수 있습니다. 또한 개발자는 가능한 모든 시나리오를 예상하고 모든 명시적인 동작을 미리 기록할 필요가 없습니다.

비정성적인 기술이 게임의 플레이성을 높일 수 있음에도 불구하고 개발자들은 오랫동안 비정성적인 AI와 거리를 유지해 왔습니다(그러나 이는 점차 변화해 왔습니다). 예측 불가능하다는 것은 테스트와 디버그를 어렵게 만듭니다(게임 소프트웨어에 버그가 없는지 확인하기 위해 가능한 모든 플레이어 동작을 테스트할 방법이 없기 때문입니다). 더욱이 게임 개발자는 개발 주기가 점점 짧아지고 있어 개발자가 최신 AI 기술을 완전히 이해하기 어려운 상황에 직면해 있습니다.

비정성적인 기술의 발전을 제한하는 또 다른 요인도 있습니다. 최근 개발자들은 (플레이어들이 아름다운 것을 좋아하기 때문에) 사진의 품질에 더 집중하기 시작했습니다. 결과적으로 더 좋고 더 빠른 그래픽 기술을 만들기 위해 더 나은 게임 AI를 개발할 시간이 없습니다.

기존 게임 AI 기술

Finite State Machine(Finite State Machine, FSM)은 어디에서나 볼 수 있는 게임 AI 기술입니다. 이 부분은 9장에서 자세히 공부하도록 하겠다. 유한 상태 기계의 기본 개념은 컴퓨터가 제어하는 ​​캐릭터의 일련의 동작이나 상태를 나열한 후 if-then 조건문을 사용하여 다양한 상황을 확인하고 조건을 만족시키는 것이다. 그런 다음 작업 수행, 캐릭터 상태 업데이트, 작업과 상태 간 전환을 기준으로 결과를 판단합니다.

개발자는 최종 실행 작업을 예측하기 어렵게 만들고 if-then 문으로 수많은 조건을 열거해야 하는 부담을 줄이기 위해 퍼지 상태 머신에서 퍼지 논리를 자주 사용합니다. 유한 상태 머신에서는 "거리가 10이고 체력이 100이면 공격합니다"와 같은 규칙이 있을 수 있지만 퍼지 논리는 다르며 덜 정확한 조건으로 규칙을 설계할 수 있습니다. "충분히 가깝고 건강하다면 파워 어택"과 같습니다. 퍼지 상태 머신은 10장에서 자세히 소개됩니다.

다양한 게임에서 논플레이어 캐릭터의 기본 임무는 효과적인 경로를 찾는 것입니다. 전쟁 시뮬레이션 게임에서 논플레이어 캐릭터의 군대는 다양한 지형을 통과하고 장애물을 피하며 적의 위치에 도달할 수 있어야 합니다. 1인칭 슈팅 게임의 생물은 플레이어를 만나거나 플레이어의 시야에서 벗어나기 위해 던전이나 건물을 통과할 수 있어야 합니다. 그러한 시나리오는 셀 수 없이 많습니다. 말할 필요도 없이 AI 개발자는 경로 찾기에 많은 관심을 기울입니다. 6장에서는 일반적인 경로 찾기 기술에 대해 이야기하고, 7장에서는 중요한 A* 알고리즘에 대해 이야기할 것입니다.

위에서 언급한 기술 중 일부는 기존 게임 AI 기술 중 일부에 불과하며, 규칙 기반 설명 시스템 및 일부 인공 선언 기술도 포함되며 그 종류는 다양합니다. 인공생명시스템은 인간과 유사한 행동을 보이는 인간이 만든 시스템이다. 이러한 행동은 창발적 행동이며, 그 개발은 다양한 하위 수준 알고리즘의 작동을 결합한 결과입니다. 나중에 인공생명과 기타 기술의 예에 대해 논의하겠습니다.

게임 AI의 미래

게임 AI의 다음으로 중요한 것은 '학습'입니다. 게임이 출시된 후에는 모든 비플레이어 캐릭터의 행동이 더 이상 미리 정해져 있지 않습니다. 게임을 오래 플레이할수록 게임은 더 많이 발전하고 학습하며 적응력이 높아집니다. 이러한 게임은 플레이어와 함께 성장할 것이며 플레이어가 게임 행동을 예측하기 어려워 게임의 수명주기가 연장됩니다. 게임은 학습하고 진화하여 게임 자체를 예측할 수 없게 만듭니다.

"학습" 및 "캐릭터 행동 반응" 기술은 위에서 언급한 비정성 AI 범위에 속하므로 상당히 어렵습니다. 분명히 말하면, 이 비정성적인 "학습" AI 기술은 개발하고 테스트하는 데 더 오랜 시간이 걸립니다. 더욱이 AI가 무엇을 할 것인지 정확히 이해하기가 어려워 디버깅이 더욱 어려워집니다. 이러한 요소는 "학습" AI 기술의 광범위한 채택에 큰 장애물입니다. 그러나 모든 것이 바뀌고 있습니다.

"Creatures", "Black & White", "Battlecruiser 3000AD", "Dirt Track Racing", "Fields of Battle" 및 "Heavy Gear"와 같은 여러 주류 게임은 비정성 AI 기술을 사용합니다. 이러한 게임의 성공으로 인해 의사결정 트리, 신경망, 유전 알고리즘, 확률적 방법과 같은 AI 기술 '학습'에 대한 관심이 다시 불붙었습니다.

이러한 성공적인 게임 소프트웨어는 비정성적 방법을 사용할 때에도 전통적인 정성적 방법을 사용합니다. 가장 적합하고 필요한 경우에만 사용됩니다. 신경망은 게임 소프트웨어의 모든 AI 문제를 해결할 수 있는 마법의 총알은 아니지만 하이브리드 AI 시스템에서 특정 AI 작업을 해결하면 인상적인 결과를 얻을 수 있습니다. 이렇게 하면 AI 시스템의 대부분을 기존 형태로 유지하면서 예측 불가능하고 개발, 디버깅, 테스트가 어려운 AI 부분을 격리할 수 있습니다.

더 많은 관련 지식은 FAQ 칼럼을 방문해주세요!

위 내용은 게임 인공지능의 기본 기술은 무엇인가?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!