ድብልቅ ጨዋታ AI እንዴት እንደሚሰራ እና ጥቅሞቹ ምንድ ናቸው?

በብሎጋችን ላይ አንዴ ከተነሳው ርዕስ ጋር መቀጠል የጨዋታ አርቲፊሻል ኢንተለጀንስ የማሽን ለርኒንግ (ማሽን ለርኒንግ) ምን ያህል ተግባራዊ እንደሆነ እና በምን አይነት መልኩ እንነጋገር። ልምዳችንን እና በእሱ ላይ ተመስርተን የመረጥናቸውን መፍትሄዎች እንጠቀማለን። ተጋርቷል ጃኮብ ራስሙሰን፣ በ Apex Game Tools የAI ባለሙያ።

በቅርብ ዓመታት ውስጥ፣ ይህ ቴክኖሎጂ በሌሎች በርካታ ዲጂታል አፕሊኬሽኖች ውስጥ አዲስ ፈጠራን ስላሳየ፣ የማሽን መማሪያ የጨዋታ ኢንዱስትሪን እንዴት በከፍተኛ ሁኔታ እንደሚለውጠው ብዙ ወሬዎች ተደርገዋል። ነገር ግን ጨዋታዎች ከመንዳት ማስመሰያ፣ ከድሮን መቆጣጠሪያ ፕሮግራም ወይም የፊት ለይቶ ማወቅ ስልተ ቀመሮች የበለጠ ውስብስብ መሆናቸውን ማስታወስ አስፈላጊ ነው።

የጨዋታ ኢንዱስትሪው አሁንም እንደ ውስን ሁኔታ ማሽኖች፣ የባህሪ ዛፎች እና - በቅርብ ጊዜ - በአጠቃቀም ላይ የተመሠረተ AI ባሉ ባህላዊ የAI ዘዴዎች ላይ በእጅጉ የሚተማመን ቢሆንም። እንዲህ ዓይነቱ የAI ቴክኖሎጂ በዲዛይን ላይ የተመሠረተ ወይም ባለሙያ ስርዓቶች በመባልም ይታወቃል። ሆኖም ግን፣ እነዚህ ስርዓቶች የተጫዋች ባህሪን ሊመስሉ የሚችሉ በእውነት የላቁ ተቃዋሚዎችን ለመፍጠር የማይመቹ መሆናቸው - በተለይም ለተጫዋቾች - የበለጠ ግልጽ እየሆነ መጥቷል። ይህ በተለይ ለፈጠራ መፍትሄዎች እውነት ነው። ይህ የAI ገንቢዎች ሁሉንም ሊሆኑ የሚችሉ ስልቶችን እና ስልቶችን ግምት ውስጥ ማስገባት እና በባህላዊ የAI ስርዓቶች ውስጥ በተሳካ ሁኔታ ተግባራዊ ማድረግ አለመቻላቸው ሊብራራ ይችላል። ለተጫዋቾች፣ ይህ ብዙውን ጊዜ የባህሪ ዘይቤዎቻቸው በቀላሉ በሚታወሱ ተቃዋሚዎች ላይ አሰልቺ እና ሊገመቱ የሚችሉ ጨዋታዎችን ያስከትላል።

ለዚህ ውጤት ብዙ ምክንያቶች አሉ፣ ነገር ግን ከዋና ዋናዎቹ አንዱ የ AI የመማር አለመቻል ነው። ስለዚህ፣ የተቃዋሚን አርቴፊሻል ኢንተለጀንስ ሲፈጥሩ፣ ግልጽ የሆነው ምርጫ ወደ ማሽን መማሪያ መቀየር ነው፣ ይህም በሌሎች ብዙ አፕሊኬሽኖች ውስጥ እራሱን አረጋግጧል። ሆኖም፣ ሊታሰብባቸው የሚገቡ በርካታ ልዩነቶች አሉ። ለምሳሌ፣ የጨዋታ አርቴፊሻል ኢንተለጀንስ ከማንኛውም ሁኔታ ጋር መላመድ እና የሚያቀርባቸውን ጥቅሞች መጠቀም እንዲሁም ከተለያዩ የተቃዋሚዎች የጨዋታ ዘይቤዎች ጋር መላመድ መቻል አለበት - ከሰው ተጫዋቾችም ሆነ ከሌሎች አርቴፊሻል ኢንተለጀንስ።

አሁን ነገሮች እንዴት ናቸው?

የብሪታኒያ አርቴፊሻል ኢንተለጀንስ ኩባንያ ዲፕማይንድ በቅርቡ AI ጨዋታዎችን በራሱ መጫወትን፣ ደንቦቻቸውን መማር እና ጨዋታውን ለማጠናቀቅ ወይም ለማሸነፍ መንገዶችን እንዴት ማግኘት እንደሚችል አሳይቷል - ምንም እንኳን እስካሁን ድረስ እንደ መጀመሪያ ጨዋታዎች ባሉ ቀላል ጨዋታዎች ላይ ብቻ ቢሆንም። በ Atari ለምሳሌ፣ የቼዝ እና የጃፓን የሎጂክ ጨዋታ Go። ለእነዚህ ጨዋታዎች የተገኙት ውጤቶች እንደሚያሳዩት አርቴፊሻል ኢንተለጀንስ በቦርዱ ላይ ስለሚሆነው ነገር በቂ ግምገማ መፍጠር ይችላል። ሆኖም ግን፣ AIን ከተለያዩ የተቃዋሚ የመጫወቻ ቅጦች ጋር ለማስማማት ሲመጣ፣ ውጤቶቹ እስካሁን ድረስ ያን ያህል አስደናቂ አይደሉም።

በአሁኑ ጊዜ የነርቭ ኔትወርኮች ምስሎችን መለየት እና መኪናዎችን መንዳት ተምረዋል። ​​ነገር ግን እነዚህ ተግባራት በጣም ጥልቅ እና ውስብስብ ቢሆኑም እንኳ በአንጻራዊነት ቀላል የሆኑ አርክቴክቸሮችን በመጠቀም ሊተገበሩ ይችላሉ። ለምሳሌ፣ የፌስቡክ የምስል ማወቂያ AI ወደ 100 የሚጠጉ ንብርብሮች ጥልቀት ያለው ሲሆን ይህም አንድ ትልቅ አውታረ መረብ በሚፈጥሩ የነርቭ ሴሎች መካከል ያለውን የግንኙነት ብዛት እና ውስብስብነት በተመለከተ ባዮሎጂያዊ አንጎልን ያስታውሳል።

የጨዋታ ኤአይ

በጨዋታ ኢንዱስትሪ ውስጥ የማሽን መማሪያን ተግባራዊ ለማድረግ ስንመጣ፣ ይህ ዓይነቱ አርክቴክቸር ሁልጊዜ ጥቅም ላይ እንዳይውል የሚከለክሉ በርካታ ገደቦች አሉ። እነዚህም የስርዓት መስፈርቶችን ያካትታሉ፣ በተለይም ከሲፒዩ ጋር የተያያዙት፣ ይህም ኮምፒውተር ውስብስብ የጨዋታ አወቃቀሮችን የማስኬድ ችሎታውን እና ለጨዋታ ታሪክ አወጣጥ እና ለጨዋታ አጨዋወት ተስማሚነቱን የሚወስኑ ናቸው።

ስለዚህ፣ በብዙ ጨዋታዎች ውስጥ፣ አስፈላጊው ሃርድዌር፣ ለምሳሌ ለፌስቡክ የምስል ማወቂያ አውታረ መረቦች ጥቅም ላይ የሚውለው የአገልጋይ ክላስተር እንኳን፣ ውስብስብ የ AI ስርዓትን ለመተግበር በቂ አይደለም። አንዳንድ ጊዜ፣ በርካታ የ AI ስርዓቶች በአንድ ጊዜ ማስኬድ አለባቸው - በኮምፒውተሮች ላይ ብቻ ሳይሆን በሞባይል መሳሪያዎች እና በሌሎች ብዙም ኃይል በሌላቸው መድረኮች ላይ። ይህ ሁሉ በማሽን መማሪያ አርክቴክቸር መጠን እና ውስብስብነት ላይ ገደቦችን ያስገድዳል፣ ምክንያቱም ሁሉም ስሌቶች በግምት 1 ወይም 2 ሚሊሰከንዶች የክፈፍ ቆይታ መከናወን አለባቸው። የተለያዩ የማመቻቸት ቴክኖሎጂዎች እና በክፈፎች መካከል ያለው የጭነት ሚዛን ጥቅም ላይ ሊውሉ ቢችሉም፣ እነዚህ ገደቦች ሙሉ በሙሉ ሊወገዱ አይችሉም።

የጨዋታ ውስብስብነት ለAI ከባድ ፈተናዎችን ሊያስከትል ይችላል። እንደ StarCraft II ባሉ ጨዋታዎች ውስጥ፣ ሜካኒኮች ከአታሪ ርዕሶች በጣም የተወሳሰቡ ናቸው። ስለዚህ፣ የተወሰነ የፍሬም ፍጥነት እና የሚታወቁ የስርዓት መስፈርቶችን ከግምት ውስጥ በማስገባት የማሽን መማር የጨዋታውን ሁኔታ በሙሉ መረዳት እና መስተጋብር መፍጠር እንደሚችል መጠበቅ ከእውነታው የራቀ ነው። ልክ አንድ ተጫዋች ብዙውን ጊዜ በጨዋታው የመጀመሪያ ደረጃዎች ላይ ባለው ግንዛቤ ላይ እንደሚተማመን ሁሉ፣ AIም እንዲሁ ቀጣይ እድገትን ለማቃለል የጨዋታውን ሁኔታ መጀመሪያ እንዴት ማስኬድ እንዳለበት መማር አለበት። ለምሳሌ፣ በቅርብ ጊዜ በአንድ ጨዋታ ውስጥ፣ ለስታርክራፍት II ኤፒአይ ካርታዎቹ ገንቢዎች አስፈላጊ እንደሆኑ አድርገው የሚቆጥሯቸውን መረጃዎች ብቻ ያሳያሉ፤ በአንድ አጋጣሚ፣ AI የጠቅላላውን የካርታ አካባቢ እይታ ቀንሷል፤ በሁለተኛው ውስጥ፣ ልክ እንደ ማጫወቻው፣ ካሜራውን ማንቀሳቀስ ይችላል፣ እና ከዚያ ግንዛቤው በማያ ገጹ ላይ ባለው መረጃ ላይ ብቻ የተወሰነ ነበር።

በStarSraft II ውስጥ የአልፋስታር AI እና የሰው ተጫዋች ምስል፡- ቅጽበታዊ ገጽ እይታው ጥሬ የግብዓት ምልከታዎችን፣ የነርቭ አውታረ መረብ እንቅስቃሴን፣ አንዳንድ ሊሆኑ የሚችሉ እርምጃዎችን እና መጋጠሚያዎችን እና የሚጠበቀውን የግጥሚያ ውጤት ያሳያል።

ይህ በተለይ ለጨዋታዎች ተገቢ ነው። የተለመዱ የማሽን መማሪያ አቀራረቦች ብዙውን ጊዜ ለጨዋታ AI አይተገበሩም። ለምሳሌ፣ እንደ Atari ጨዋታዎች ሁኔታ ድልን ለማግኘት በተለምዶ ማሸነፍ ወይም በኃይሉ ሁሉንም ነገር ማድረግ አይጠበቅበትም። ብዙውን ጊዜ የAI ሚና ጨዋታውን የበለጠ ማራኪ ማድረግ ነው። ከሚጠብቀው ባህሪ ጋር በሚስማማ መልኩ እርምጃ መውሰድ እና ባህሪ ማሳየት ሊያስፈልገው ይችላል። ስለዚህ፣ የጨዋታ AIዎች ከጨዋታ ዲዛይን እና ታሪክ አጻጻፍ ጋር በቅርበት የተሳሰሩ ናቸው እና የተወሰነ ግብ ለማሳካት ባህሪያቸውን ለማስተዳደር አስፈላጊ መሳሪያዎች ሊኖራቸው ይገባል። ንጹህ የማሽን መማሪያ ለዚህ ሁልጊዜ ተስማሚ አይደለም፣ ይህ ማለት ሌላ ነገር መፈለግ አለበት ማለት ነው።

የማሽን መማሪያ ተግባራዊ ችግሮች

እነዚህ ችግሮች በማሽን መማሪያ ላይ የተመሰረተ አርቴፊሻል ኢንተለጀንስ ልማት ላይ ብቅ ብለዋል ያውጡ, AI እንደ መደበኛ ተጫዋቾች መሆን አለበት - ማለትም፣ ልክ እንደ ተለዋዋጭ እና ብልሃተኛ መሆን።

ልክ እንደ Starcraft II፣ Unleashed ከአታሪ ቼዝ እና ጎ በጣም የተወሳሰበ ነው። የጨዋታ አጨዋወቱ በቀላሉ የሚታወቅ እና ለመማር ቀላል ነው፣ ነገር ግን በእውነት የላቀ ለመሆን ሜታውን በማስተዳደር ረገድ የተወሰኑ ክህሎቶች ያስፈልጋሉ። ተጫዋቾች ማዞሪያዎችን መገንባት፣ በጠላቶቻቸው ላይ ጭራቆችን መልቀቅ እና በጨዋታው ውስጥ በሙሉ ስትራቴጂ ማድረግ አለባቸው፣ በኢኮኖሚክስ ላይ ማተኮር፣ ማጥቃት እና መዋቅሮችን መከላከል። ይህ የተቃዋሚዎችን እንቅስቃሴ ማጭበርበር እና መገመት እንዲሁም የስነልቦና ሜታ ማስተዳደርን ይጠይቃል - ፖከርን ከስታቲስቲክስ ጨዋታ በላይ የሚያደርገው ይህ ሜታ ነው።

ከUnleashed የተገኘ ቅጽበታዊ ገጽ እይታ

ለእነዚህ ዓላማዎች በጣም ተስማሚ የሆነውን አርክቴክቸር ለመፈለግ እንደ ኒውሮኢቮሉሽን እና ጥልቅ ትምህርት፣ እና እንደ ተቃዋሚ የአይቲ ባለሙያ በጥሬ መልክ እንዴት እንደሚሰሩ ሞክረዋል።

በጣም አስፈሪ ነበር።

ኡንሊሼድ ከማሽን መማሪያ ጋር ለመላመድ አስቸጋሪ የሆኑ ብዙ ትላልቅ ችግሮችን መፍታት እንደሚያስፈልገው ወዲያውኑ ግልጽ ሆነ።

ከእነዚህም አንዱ ውጤታማ የሆነ ላቢሪንት መገንባት ነው። ልክ እንደ ብዙ የማማ መከላከያ ጨዋታዎች፣ ተጫዋቾች በግንቡ ዙሪያ ላቢሪንት መገንባት አለባቸው፣ ይህም ጭራቆች እንዲገቡ ያስችላቸዋል። እነዚህ ጭራቆች በተራው ደግሞ በላቢሪንት ውስጥ በተቀመጡ መሳሪያዎች መወገድ አለባቸው። በሐሳብ ደረጃ፣ ላቢሪንት ጭራቆችን በቂ ጉዳት ለማድረስ እና ወደ ግንቡ እንዳይደርሱ ለመከላከል በተቻለ መጠን ረጅም መሆን አለበት። ጭራቆች ከሌሎቹ በበለጠ ለአንዳንድ መሳሪያዎች ተጋላጭ ናቸው፣ ስለዚህ ከፍተኛ ውጤታማነት ለማግኘት ከሌሎቹ ቀደም ብለው በላቢሪንት ውስጥ መቀመጥ አለባቸው። የኡልትሽ ልዩ ባህሪ ምንም ላቢሪንት ፍጹም አለመሆኑ ነው፡ በጨዋታው ውስጥ በጣም ብዙ አይነት ጭራቆች አሉ፣ በአንድ ወይም በሌላ መንገድ፣ አንዳንዶቹ ያለምንም እንቅፋት የላቢሪንት ክፍል ያልፋሉ። ማንኛውም ላቢሪንት በሌሎች ተጫዋቾች የተጀመሩ አዳዲስ ጭራቆችን ለማስተናገድ መስተካከል አለበት። ስለዚህ፣ ላቢሪንትን ለመገንባት አርቲፊሻል ኢንተለጀንስን ማስተማር ብቻ ሳይሆን በጨዋታው የመጀመሪያ እና ዘግይተው ስሪቶች ውስጥ ለሚከሰቱ የተለያዩ ሁኔታዎች ውጤታማ ላቢሪንቶችን እንዲፈጥር ማስተማርም አስፈላጊ ነበር።

የአይአይ (AI) እንዲሁም የትኞቹ ጭራቆች በላቢሪንት ውስጥ እንደሚታዩ መተንበይ መማር ነበረበት። ይህ ለላቢሪንት ዲዛይን የተገላቢጦሽ ችግር ነው። እንደሌሎች ብዙ ጨዋታዎች፣ በ"Unleash" ውስጥ አንድ ሠራዊት መገንባት እና ወደ ጠላት ካምፕ መላክ ብቻ በቂ አይደለም፡ የጠላትን መከላከያዎች መሰለል እና ደካማ ነጥቦቻቸውን በብቃት ለመምታት ኃይሎችዎን ማዋቀር ያስፈልግዎታል። የጭራቆች ሠራዊት ላቢሪንትን በተሳካ ሁኔታ ለማቋረጥ እርስ በእርስ መስተጋብር መፍጠር አለበት። አንዳንድ ጊዜ ጭራቆችን እንደ ተግባራቸው እና ሚናቸው በተወሰነ ቅደም ተከተል መልቀቅ አስፈላጊ ነው። ይህ ደግሞ የተለያዩ ጥምረትዎችን ቁጥር ይጨምራል።

በመጨረሻም፣ ተጫዋቹ የላቢሪንት ጦሮችን መፍጠር እና የጭራቆችን ሠራዊት መሰብሰብ ስላለበት፣ የኤአይአይ ጥቃትን እና መከላከያን ማመጣጠን መማር አለበት። እንዲሁም ተጫዋቹ የጭራቆችን ሠራዊት በገነባ ቁጥር እና የላቢሪንት ጦሮችን በገነባ ቁጥር የሚያስፈልጋቸው ሀብቶች የበለጠ መሆናቸውን ግምት ውስጥ ማስገባት ተገቢ ነው። ስለዚህ፣ ትክክለኛ የጥቃት ስትራቴጂ ለጨዋታው ኢኮኖሚም ሆነ ለማሸነፍ ወሳኝ ነው። ተወዳዳሪነትን ለማረጋገጥ፣ ኤአይ የላቢሪንትን ጥንካሬ ሳይጎዳ ኃይለኛ የጭራቆችን ሠራዊት በሚፈጥር መንገድ ሀብቶችን ማስተዳደር መቻል አለበት። በጭራቆች ላይ ከፍተኛ ኢንቨስት ማድረግ በኢኮኖሚያዊ ጠቀሜታ ሊኖረው ይችላል፣ ነገር ግን የጠላት ጭራቆች ላቢሪንትን የመያዝ አደጋን ይጨምራል። የላቢሪንትን መከላከያዎች በማጠናከር ላይ መታመን ኢኮኖሚዎን ሊያዳክም ይችላል። ሁለቱም ሁኔታዎች ወደ ድል አያመሩም። ስለዚህ፣ በUnleashed ውስጥ ያለው የማመቻቸት ችግር ከቼዝ ወይም ከStarCraft የበለጠ ስፋት ያለው ሲሆን መስዋዕትነት የመክፈል እና ጥቅሞችዎን ወደፊት የሚወስዱ በርካታ እርምጃዎችን የማስላት አስፈላጊነትን ያካትታል።

አርቴፊሻል ኢንተለጀንስ እየተማረ ሲሄድ፣ ከዚህ በፊት ያልተጠበቁ ብዙ ጉዳዮች ብቅ አሉ። መጀመሪያ ላይ፣ አርቴፊሻል ኢንተለጀንስ ብዙውን ጊዜ የጨዋታውን የተወሰኑ ገጽታዎች መረዳት የጀመረበት የተወሰነ የእድገት ደረጃ ላይ ደርሷል - ለምሳሌ፣ በላቢሪንዝ ውስጥ ያሉት የትኞቹ መሳሪያዎች በተወሰኑ ጭራቆች ላይ ውጤታማ እንደሆኑ ወይም የትኞቹ ጭራቆች በተወሰኑ የላቢሪንዝ ክፍሎች ላይ በተሻለ ሁኔታ እንደሚንቀሳቀሱ። ነገር ግን መማር ቀርፋፋ ነበር እና ተደጋጋሚ ስልቶችን ወደ ማዳበር አመራ።

የትይዩ አቀራረቦች አስፈላጊነት

በማሽን ትምህርት ላይ የተመሰረተ የAI ስልጠና በዝግታ እና በተወሰነ ስኬት ቢቀጥልም፣ የተሻሉ የAI እና የበለጠ ጠንካራ የተቃዋሚ የAI አይነቶች ለሌሎች የፈተና እና የእድገት ደረጃዎች አስፈላጊ ሆነዋል። እነዚህን ችሎታዎች ተግባራዊ ለማድረግ የUtility አርክቴክቸር ጥቅም ላይ ውሏል፣ ይህም ለጨዋታ ሙከራ እና ለጥራት ማረጋገጫ፣ ለመሳሪያዎች እና ጭራቆች ሙከራ እና ሚዛን እንዲኖር፣ እንዲሁም የተወሰኑ የላቢሪንቶች እና ጭራቆች እንዲፈጠሩ ያስችላል። ሆኖም፣ በUnleash ልማት ወቅት ፈጣሪዎች ጨዋታውን የመጫወት ክህሎታቸውን እራሳቸው አሻሽለው ከዚያ የበለጠ ውስብስብ የUtility AI ለመፍጠር ይህንን እውቀት ለመጠቀም ወሰኑ። ይህም በማሽን ትምህርት ላይ የተመሰረቱ የAI ስርዓቶች ውስጥ የሚያጋጥሟቸው ብዙ ችግሮች ውስጣዊ እውቀታቸውን የሚጠቀሙ የUtility ስርዓቶች እና በተቃራኒው በቀላሉ ሊፈቱ እንደሚችሉ እንዲገነዘቡ አድርጓል።

ለምሳሌ፣ የበለጠ ቀልጣፋ የሆኑ ላቢሪንቶች ከውስጣዊ ሙከራ በተዘጋጁ የእውቀት መሠረቶች ላይ ተመስርተው የመገልገያ አይአይዎችን በመጠቀም በተሻለ ሁኔታ ይገነባሉ። ላቢሪንትን ለመገንባት እና በውስጡ የጦር መሳሪያዎችን ለማስቀመጥ የሚያስችል ስልተ ቀመር በቀላሉ ሊገለጽ እና ፕሮግራም ሊደረግበት ይችላል፣ ይህም የሰው ልጅ ተጫዋች ግንብን ከተወሰኑ ጭራቆች ለመከላከል ቀላል ያደርገዋል። ሆኖም፣ በጠላት ሰፈር እውቀት ላይ የተመሠረተ የጭራቆች ሠራዊት መፍጠር ለእንደዚህ አይነት አይአይዎች ፈታኝ ተግባር ነበር፣ ምክንያቱም ሊታሰብባቸው የሚገቡ የተለያዩ ሁኔታዎች እና ጥምረት ብዛት አስገራሚ ነበር። በዚህ አይነት የአይአይ አርክቴክቸር፣ ተስማሚ የሆኑ ጭራቆችን ማግኘት ማለቂያ የሌለው ጊዜ ይወስዳል። ከተሰጡት ገደቦች አንጻር፣ ጥልቅ ትምህርት ለዚህ ችግር ተስማሚ መፍትሄ ይሆናል።

የተቀላቀለ የ AI ፈጠራ

ስለዚህ፣ ሁለቱን አቀራረቦች በማሽን መማሪያ እና በዩቲሊቲ ላይ የተመሠረተ የተቀላቀለ የAI ስርዓት ለመፍጠር ተወስኗል። ሀሳቡ እጅግ በጣም ብዙ የጨዋታ ጥምረት እና ሁኔታዎች መከናወን በሚያስፈልጋቸው ወይም የተወሰነ ትምህርት በሚያስፈልግበት የማሽን መማሪያን መጠቀም ነበር። ለሌሎች ተግባራት፣ በገንቢዎች የግል ተሞክሮ ላይ መታመን የተሻለ በሚሆንበት ጊዜ፣ የUtility ስርዓቶች ጥቅም ላይ ውለዋል። የዚህ አካሄድ ሌላው ጥቅም የተወሰነ ግብ በትክክል እንዲከተል ለማረጋገጥ አስፈላጊ ከሆነ በAI ባህሪ ላይ የበለጠ ቁጥጥር እንዲኖር ያስችላል። ለምሳሌ፣ Utility AI ጥቃትን እና መከላከያን ለማመጣጠን ጥቅም ላይ ሊውል ይችላል፣ በዚህም የተለያዩ የጥቃት ደረጃዎችን ይፈጥራል፣ ወይም ለተለያዩ AI የግለሰብ የጨዋታ ቅጦችን ለማዘጋጀት የተለያዩ የማዝ ውቅሮች ሊፈጠሩ ይችላሉ። የነርቭ ኔትወርኮች የአየር ወይም የመሬት ጭራቆችን ሲመልሱ የተለያዩ ምርጫዎችን ለማመንጨት በተወሰኑ የእሴት ስርዓቶች ፕሮግራም ሊደረጉ ይችላሉ፣ በዚህም ለግለሰብ AI ስብዕና ይጨምራሉ። የዲዛይን መፍትሄዎችን ለመተግበር ብዙ ሌሎች አማራጮች አሉ፣ ሁሉም የአንድ የተወሰነ የAI አርክቴክቸር ጥንካሬዎችን ያጎላሉ።

የተቀላቀለው አቀራረብ የልማት ቡድኑ ለሊውሽ AI ሲያዘጋጅ ያጋጠመውን ሌላ ጥያቄም መልሷል፡ ሁሉንም ግብዓቶች እና ውጤቶች ግምት ውስጥ ለማስገባት በማሽን መማር ላይ የተመሠረተ አንድ ዓለም አቀፍ ጥልቅ የነርቭ አውታረ መረብ መጠቀም አለባቸው ወይስ AIን በተዋረድ መዋቅር መንደፍ የተሻለ ይሆናል?

በUnleash ውስጥ ጥቅም ላይ የዋሉት ሁለቱ አርክቴክቸሮች፡ በግራ በኩል የራሱ የሆነ የተዋሃደ አርክቴክቸር ያለው ትልቅ ጥልቅ የነርቭ አውታረ መረብ አለ፣ በቀኝ በኩል ደግሞ እያንዳንዱ ኔትወርክ የራሱ የሆነ ተግባር ያለው የተዋረድ ስርዓት አለ።

ያም ሆኖ፣ ገንቢዎቹ በራሳቸው ልምድ ላይ የማይመኩበት የአርቴፊሻል ኢንተለጀንስ ስርዓትን አጠቃላይ አቀራረብ መፍጠር የሚፈለግ ነበር። ሆኖም ግን፣ ተጫዋቾች ወደ ጨዋታው በገቡ ቁጥር የነርቭ አውታረ መረቡ እየጨመረ ይሄዳል። በተመሳሳይ ጊዜ፣ የ AI ስልጠናን ለይተው አንድ ክህሎት ብቻ ማስተማር የማይቻል ነበር፡ መከላከያ ወይም ጥቃት። እና የበለጠ አጠቃላይ አቀራረብ በስሌቶች ላይ ከፍተኛ ጭማሪ ያስከትላል የሚል ስጋት ነበር።

ይህ ደግሞ እያንዳንዱ የተወሰነ ተግባር በልዩ የነርቭ አውታረ መረብ የሚከናወንበትን የተዋረድ አርክቴክቸር የመፍጠር ሀሳብ አስገኝቷል። በዚህ ሀሳብ መሠረት፣ አርቴፊሻል ኢንተለጀንስ በመጀመሪያ በጥቃት (የጭራቅ ሠራዊትን መጨመር) እና በመከላከያ (የላቢሪንትን መገንባት) መካከል ሀብቶችን መመደብ እንዳለበት መወሰን አለበት። አንዴ ካደረገ በኋላ፣ በምርጫው ላይ በመመስረት ወደሚቀጥለው ንብርብር ይሄዳል እና ወደ ተገቢው የጨዋታ ሁኔታ ክፍል መዳረሻ ያገኛል፣ ከዚያ በኋላ የትኞቹን ጭራቆች መምረጥ እንዳለበት እና በላቢሪንቱ ውስጥ ምን አይነት መሳሪያዎችን ማሰማራት እንዳለበት ዝርዝር ውሳኔዎችን ያደርጋል።

መደምደሚያ እና ቀጣይ ደረጃዎች

በዩቲሊቲ ድብልቅ አቀራረብ፣ የተከተተ የማሽን መማሪያ ኔትወርኮች ያሉት የAI ቴክኖሎጂ ከተዋረድ አርክቴክቸር ጋር ይመሳሰላል። ይህ ደግሞ የተለያዩ የነርቭ ማዕከላት እያንዳንዳቸው የራሳቸውን ተግባር የሚያከናውኑበት ባዮሎጂካል አንጎል ይመስላል።

በአሁኑ ጊዜ፣ በUnleash ውስጥ ያለው የጠላት AI ለማሸነፍ በጣም ከባድ ነው፡ በጨዋታው ውስጥ ካለ ማንኛውም ሁኔታ ጋር መላመድ ይችላሉ፣ ነገር ግን ገንቢዎች ቅንብሮቻቸውን እንደየፍላጎታቸው ማስተካከል ይችላሉ። እንደ ጽሑፉ ደራሲ ገለጻ፣ ከጊዜ በኋላ የተቀላቀለው አቀራረብ የበለጠ ሰፊ እና በሌሎች በርካታ ጨዋታዎች ውስጥ መታየት አለበት። ምናልባት አንድ ቀን፣ ንፁህ የማሽን ትምህርት-ተኮር AIን ከጨዋታ አጨዋወት ጋር ማዋሃድ ይቻል ይሆናል። ሆኖም፣ ይህ በግልጽ ጊዜ ይወስዳል። ለጊዜው፣ ግቡ ከሚያጋጥሙት ተግዳሮቶች ጋር የሚስማማ አርክቴክቸር ማግኘት እና ምርጥ መፍትሄዎችን ማግኘት ነው።

ምንጭ: hab.com