{"id":52119,"date":"2019-11-01T00:00:00","date_gmt":"2019-10-31T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva"},"modified":"2020-02-18T13:59:47","modified_gmt":"2020-02-18T10:59:47","slug":"kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","title":{"rendered":"C\u00f3mo funciona la IA h\u00edbrida en juegos y cu\u00e1les son sus ventajas","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Continuando con el tema que una vez se plante\u00f3 en nuestro blog de inteligencia artificial en los videojuegos<\/a><\/noindex> , hablemos sobre la aplicabilidad del aprendizaje autom\u00e1tico en este contexto y en qu\u00e9 forma. Compartiremos experiencias y soluciones elegidas basadas en ellas comparti\u00f3<\/a><\/noindex> por el experto en IA de Apex Game Tools, Jakob Rasmussen.<\/p>\n

\"C\u00f3mo
\n
\nEn los \u00faltimos a\u00f1os, se ha hablado mucho de que el aprendizaje autom\u00e1tico transformar\u00e1 radicalmente la industria del juego, ya que esta tecnolog\u00eda ha sido revolucionaria en muchas otras aplicaciones digitales. Sin embargo, no debemos olvidar que los videojuegos son mucho m\u00e1s complejos que un simulador de conducci\u00f3n, un programa de control de drones o algoritmos de reconocimiento facial en im\u00e1genes. <\/a><\/noindex><\/p>\n

Por el momento, en la industria del videojuego todav\u00eda se utilizan m\u00e9todos tradicionales de IA, como m\u00e1quinas de estados finitos, \u00e1rboles de comportamiento y, cada vez m\u00e1s, IA basada en la utilidad. Esta IA tambi\u00e9n se conoce como IA basada en dise\u00f1o o sistemas expertos. Pero se est\u00e1 volviendo cada vez m\u00e1s evidente \u2014y principalmente para los jugadores\u2014 que estos sistemas son menos adecuados para crear oponentes verdaderamente avanzados que puedan imitar el comportamiento de los jugadores. Esto se aplica especialmente a las soluciones creativas. Esto se puede explicar por el hecho de que los desarrolladores de inteligencia artificial no pueden considerar todas las posibles t\u00e1cticas y estrategias de comportamiento e implementarlas con \u00e9xito en los sistemas tradicionales de IA. Para los jugadores, esto a menudo resulta en que jugar contra un oponente cuya l\u00ednea de comportamiento es f\u00e1cilmente predecible se vuelve aburrido.<\/p>\n

Este resultado es causado por m\u00faltiples razones, pero una de las principales es la incapacidad de la IA para aprender. Por lo tanto, al crear una inteligencia artificial para oponentes, surge naturalmente la idea de pasar al aprendizaje autom\u00e1tico, que ha demostrado ser muy eficaz en muchas otras aplicaciones. Sin embargo, hay varios matices que vale la pena considerar. La IA del juego debe ser capaz de adaptarse a cualquier situaci\u00f3n y aprovechar las ventajas que esta le ofrece, as\u00ed como adaptarse a diferentes estilos de juego de oponentes, tanto jugadores humanos como otras IAs. <\/p>\n

<\/p>\n

Estado actual<\/h3>\n

\nLa empresa brit\u00e1nica DeepMind, dedicada al desarrollo de inteligencia artificial, recientemente demostr\u00f3 c\u00f3mo la IA puede aprender a jugar juegos por s\u00ed sola, entendiendo sus reglas y encontrando maneras de completar juegos o vencer en ellos, aunque por ahora solo en el caso de juegos simples, como los juegos antiguos de Atari<\/a><\/noindex> \u2014 como el ajedrez y el juego de l\u00f3gica japon\u00e9s go. Los resultados obtenidos para estos juegos demuestran que la inteligencia artificial puede formarse una evaluaci\u00f3n adecuada de lo que sucede en el tablero. Sin embargo, en cuanto a la adaptaci\u00f3n de la IA a diferentes estilos de juego de los oponentes, los resultados a\u00fan no son tan impresionantes.<\/p>\n

Hoy en d\u00eda, las redes neuronales ya han aprendido a reconocer im\u00e1genes y a conducir autom\u00f3viles. Pero estas funciones se pueden realizar con arquitecturas relativamente simples, incluso si al final resultan ser bastante profundas y voluminosas. As\u00ed, la IA para el reconocimiento de im\u00e1genes en Facebook tiene una profundidad de aproximadamente 100 capas, lo que la hace parecerse al cerebro biol\u00f3gico, en t\u00e9rminos de la cantidad y complejidad de las interconexiones entre neuronas que forman una gran red. <\/p>\n

<\/p>\n

IA de juego<\/h3>\n

\nEn lo que respecta a la aplicaci\u00f3n del aprendizaje autom\u00e1tico en la industria del juego, existen una serie de limitaciones que dificultan el uso de este tipo de arquitectura. Estas incluyen requisitos del sistema, especialmente relacionados con la CPU, que determinan la capacidad de la computadora para procesar estructuras de juego complejas y su idoneidad para la narrativa y la jugabilidad del juego. <\/p>\n

As\u00ed, resulta que en muchos juegos no hay posibilidad de organizar el hardware necesario para implementar un sistema de inteligencia artificial complejo, y mucho menos un cl\u00faster de servidores, que existe, por ejemplo, para las redes de reconocimiento de im\u00e1genes en Facebook. A veces, varios IA deben funcionar al mismo tiempo, no solo en computadoras, sino tambi\u00e9n en dispositivos m\u00f3viles y otras plataformas menos potentes. Todo esto impone limitaciones en el tama\u00f1o y la complejidad de la arquitectura de aprendizaje autom\u00e1tico, ya que todos los c\u00e1lculos tambi\u00e9n deben realizarse con una duraci\u00f3n de fotograma de alrededor de 1 o 2 milisegundos. Por supuesto, se pueden utilizar varias tecnolog\u00edas de optimizaci\u00f3n y distribuci\u00f3n de carga entre fotogramas, pero a\u00fan as\u00ed no se pueden eliminar completamente estas limitaciones.<\/p>\n

La complejidad del juego puede causar serios problemas para la IA. En juegos como StarCraft II, la mec\u00e1nica del juego es varias veces m\u00e1s compleja que en los juegos de Atari. Por lo tanto, no se debe esperar que, con una frecuencia de fotogramas dada y requisitos de sistema conocidos, el aprendizaje autom\u00e1tico sea capaz de comprender todo el estado del juego en su totalidad y poder interactuar con \u00e9l. As\u00ed como un jugador a menudo se gu\u00eda por la intuici\u00f3n en las primeras etapas del juego, la IA tambi\u00e9n debe aprender a procesar inicialmente el estado del juego para simplificar su progreso posterior. Por ejemplo, en uno de los \u00faltimos API para Starcraft II<\/a><\/noindex> en los mapas se muestra solo la informaci\u00f3n que los desarrolladores consideraron importante: en un caso, la IA utiliz\u00f3 una vista reducida de toda la superficie del mapa, y en el segundo, al igual que el jugador, pod\u00eda mover la c\u00e1mara, y entonces su percepci\u00f3n estaba limitada a la informaci\u00f3n en la pantalla.<\/p>\n

\"C\u00f3mo
\nVisualizaci\u00f3n del juego IA AlphaStar contra un jugador en Starcraft II: en la captura de pantalla se muestran las \"observaciones\" originales en bruto, la actividad de la red neuronal, algunas de sus posibles acciones y coordenadas, as\u00ed como el resultado previsto del partido.<\/i><\/p>\n

Este es un aspecto especialmente relevante en el caso de los videojuegos. A menudo, los m\u00e9todos convencionales de resoluci\u00f3n de problemas de aprendizaje autom\u00e1tico no se aplican al inteligencia artificial de los juegos. Por ejemplo, no est\u00e1 obligado a ganar o hacer todo lo posible para triunfar, como era el caso de los juegos de Atari. Con mayor frecuencia, el papel de la inteligencia artificial es hacer que la experiencia de juego sea m\u00e1s envolvente. Puede que sea necesario que act\u00fae y se comporte como lo exige el personaje que representa. As\u00ed, la inteligencia artificial en los videojuegos est\u00e1 m\u00e1s relacionada con el dise\u00f1o del juego y la narraci\u00f3n de historias, y debe contar con las herramientas necesarias para gestionar su comportamiento en funci\u00f3n de un objetivo espec\u00edfico. El aprendizaje autom\u00e1tico puro no siempre es adecuado para esto, por lo que se necesita buscar algo diferente. <\/p>\n

<\/p>\n

Problemas pr\u00e1cticos de aprendizaje autom\u00e1tico<\/h3>\n

\nEstos problemas surgieron durante el desarrollo de inteligencia artificial basada en aprendizaje autom\u00e1tico para Unleash<\/a><\/noindex>, donde la inteligencia artificial debe comportarse como jugadores normales, es decir, ser igualmente flexibles e ingeniosos. <\/p>\n

Al igual que Starcraft II, Unleashed es mucho m\u00e1s complejo que el ajedrez y el go de Atari. La jugabilidad es intuitiva y f\u00e1cil de aprender, pero para sobresalir realmente se requieren habilidades espec\u00edficas de gesti\u00f3n de metas. El jugador debe construir laberintos, desatar monstruos sobre los enemigos y planificar su estrategia en econom\u00eda, ataque y defensa de estructuras a lo largo del juego. Para ello, necesita enga\u00f1ar y anticipar los movimientos de los dem\u00e1s, as\u00ed como gestionar la psicolog\u00eda de la meta; es esto lo que hace que el p\u00f3ker sea m\u00e1s que un simple juego estad\u00edstico.<\/p>\n

\"C\u00f3mo
\nCaptura de pantalla de Unleashed<\/i><\/p>\n

En busca de la arquitectura m\u00e1s adecuada para estos fines, primero se integraron tecnolog\u00edas como neuroevoluci\u00f3n<\/a><\/noindex> y aprendizaje profundo, y se evalu\u00f3 c\u00f3mo se comportaban en estado puro como oponente de inteligencia artificial. <\/p>\n

Fue terrible. <\/p>\n

Pronto qued\u00f3 claro que en Unleashed hay que resolver muchos problemas globales, para los que es dif\u00edcil adaptar el aprendizaje autom\u00e1tico. <\/p>\n

Uno de ellos es la construcci\u00f3n de un laberinto eficaz. Al igual que en muchos juegos cuyo objetivo es proteger una torre, aqu\u00ed los jugadores deben construir un laberinto a su alrededor, a trav\u00e9s del cual los monstruos intentar\u00edan atravesar. A su vez, estos deben ser eliminados con las armas distribuidas por el laberinto. Idealmente, el laberinto debe ser lo m\u00e1s largo posible para infligir suficiente da\u00f1o a los monstruos y evitar que lleguen a la torre. Algunos tipos de armas son m\u00e1s efectivos contra ciertos monstruos que contra otros, por lo que para mayor eficacia, deber\u00edan colocarse en el laberinto antes que las restantes. La caracter\u00edstica de Unleash es que no existe un laberinto perfecto: hay tantos tipos de monstruos en el juego que, de una forma u otra, algunos de ellos atravesar\u00e1n sin impedimentos ciertas secciones del laberinto. Cada laberinto necesita adaptarse a los nuevos monstruos que lanzan otros jugadores. As\u00ed, no solo fue necesario ense\u00f1ar a la inteligencia artificial a construir laberintos, sino tambi\u00e9n a crear laberintos eficaces para diversos escenarios que se puedan presentar tanto en la versi\u00f3n temprana como en la tard\u00eda del juego. <\/p>\n

Adem\u00e1s, la IA tambi\u00e9n tuvo que aprender a prever qu\u00e9 monstruos aparecer\u00edan en el laberinto. Esto es una especie de problema inverso en relaci\u00f3n con la construcci\u00f3n del laberinto. Al igual que en muchos otros juegos, en Unleash no es suficiente simplemente aumentar el ej\u00e9rcito y enviarlo al campo enemigo: tambi\u00e9n es necesario espiar la defensa enemiga y estructurar al ej\u00e9rcito de forma que se ataque de la manera m\u00e1s efectiva a los puntos d\u00e9biles del adversario. El ej\u00e9rcito de monstruos debe interactuar entre s\u00ed para lograr romper el laberinto de la manera m\u00e1s exitosa. A veces, tambi\u00e9n es necesario liberar a los monstruos en un orden espec\u00edfico seg\u00fan sus funciones y roles. Esto tambi\u00e9n aumenta la cantidad de combinaciones diferentes.<\/p>\n

Finalmente, dado que el jugador debe crear laberintos y reunir un ej\u00e9rcito de monstruos, la IA tambi\u00e9n necesita aprender a encontrar el equilibrio entre ataque y defensa. Tambi\u00e9n es importante tener en cuenta que cuanto m\u00e1s grande sea el ej\u00e9rcito de monstruos que el jugador construye y cuanto m\u00e1s laberinto edifica, m\u00e1s recursos necesitar\u00e1 para ello. Por lo tanto, una estrategia de ataque adecuada es crucial para la econom\u00eda del juego y para lograr la victoria. Y para garantizar la competitividad, la IA debe ser capaz de gestionar los recursos de manera que cree un poderoso ej\u00e9rcito de monstruos sin comprometer la fuerza del laberinto. Invertir al m\u00e1ximo en monstruos puede ser econ\u00f3micamente viable, pero tambi\u00e9n aumenta el riesgo de que los monstruos del oponente conquisten el laberinto. Por otro lado, si se decide fortalecer la defensa del laberinto, esto puede afectar negativamente a la econom\u00eda. Ninguno de estos escenarios conducir\u00e1 a la victoria. As\u00ed, el problema de optimizaci\u00f3n en Unleashed resulta ser m\u00e1s complejo que en ajedrez o Starcraft, y abarca la necesidad de sacrificar algo y calcular las ganancias varios pasos por delante. <\/p>\n

Conforme se entrena la inteligencia artificial, surgen numerosos problemas que no se hab\u00edan tenido en cuenta antes. As\u00ed, al principio, la IA a menudo alcanzaba un cierto nivel de desarrollo en el que comenzaba a entender algunos aspectos del juego, como qu\u00e9 arma en el laberinto es efectiva contra tipos espec\u00edficos de monstruos, o qu\u00e9 monstruos son mejor para superar ciertas secciones del laberinto. Pero el aprendizaje era lento y conduc\u00eda a la formulaci\u00f3n de estrategias mon\u00f3tonas. <\/p>\n

<\/p>\n

La necesidad de enfoques paralelos<\/h3>\n

\nMientras que la formaci\u00f3n de IA basada en machine learning avanzaba lentamente y no con mucho \u00e9xito, se necesitaba una IA mejor y una competencia m\u00e1s confiable para otras etapas de prueba y desarrollo. Para su implementaci\u00f3n, se utiliz\u00f3 una arquitectura de Utility, que permite crear IA espec\u00edficas para pruebas y verificaci\u00f3n de calidad del juego, pruebas internas y balanceo de armas y monstruos, as\u00ed como la creaci\u00f3n de laberintos y monstruos espec\u00edficos. Sin embargo, durante el desarrollo de Unleash, los creadores tambi\u00e9n perfeccionaron sus habilidades para completarlo, y luego decidieron utilizar los conocimientos adquiridos para crear una Utility IA m\u00e1s compleja. As\u00ed, se hizo evidente que muchos de los problemas que surgen en sistemas de inteligencia artificial basados en machine learning pueden resolverse f\u00e1cilmente mediante sistemas de Utility que aprovechan los conocimientos incorporados en ellos, y viceversa. <\/p>\n

Por ejemplo, los laberintos m\u00e1s eficientes se construyen mejor utilizando Utility IA basadas en bases de conocimientos formadas a partir de los resultados de pruebas internas. Es f\u00e1cil describir y programar un algoritmo para construir laberintos y colocar armas en ellos de manera que resulte m\u00e1s f\u00e1cil para un jugador humano defender una torre contra monstruos espec\u00edficos. Sin embargo, crear un ej\u00e9rcito de monstruos en base al conocimiento sobre la base enemiga result\u00f3 ser una tarea compleja para tales IA, ya que la cantidad de condiciones y combinaciones a considerar era asombrosamente alta. Con este tipo de arquitectura de IA, la b\u00fasqueda de conjuntos apropiados de monstruos podr\u00eda llevar un tiempo infinitamente largo. Entonces, bajo las restricciones dadas, el aprendizaje profundo ser\u00eda la soluci\u00f3n ideal para esta tarea. <\/p>\n

<\/p>\n

Creaci\u00f3n de IA h\u00edbridas<\/h3>\n

\nSe decidi\u00f3 combinar dos enfoques para crear un sistema h\u00edbrido de inteligencia artificial basado en aprendizaje autom\u00e1tico y Utility. La idea era que, donde era necesario procesar una gran cantidad de combinaciones y estados del juego, o donde deb\u00eda ser entrenada en algo, se utilizara el aprendizaje autom\u00e1tico. Para otras tareas, donde era mejor confiar en la experiencia personal de los desarrolladores, se emplearon sistemas Utility. La ventaja de este enfoque radica tambi\u00e9n en que se puede controlar mejor el comportamiento de la IA, asegurando un seguimiento m\u00e1s preciso de los objetivos establecidos. Por ejemplo, se puede utilizar IA Utility para equilibrar el ataque y la defensa, creando as\u00ed diferentes niveles de agresividad, o se pueden crear diversas configuraciones de laberintos para diferentes IA, para formar estilos de juego individuales para cada una. Tambi\u00e9n se pueden asignar a las redes neuronales ciertos sistemas de valores para formar diferentes preferencias al seleccionar monstruos a\u00e9reos o terrestres, a\u00f1adiendo as\u00ed personalidad a las IA. Hay muchas otras opciones para implementar soluciones de dise\u00f1o, y todas ellas destacan las fortalezas de cada tipo de arquitectura de IA. <\/p>\n

El enfoque h\u00edbrido tambi\u00e9n fue una respuesta a otra pregunta que surgi\u00f3 para el equipo de desarrolladores durante el proceso de creaci\u00f3n de la inteligencia artificial para Unleash: \u00bfdeber\u00eda utilizarse una \u00fanica red neuronal profunda global basada en aprendizaje autom\u00e1tico para tener en cuenta todos los datos de entrada y salida, o ser\u00eda mejor dise\u00f1ar la IA con una estructura jer\u00e1rquica? <\/p>\n

\"C\u00f3mo
\nLas dos arquitecturas utilizadas en Unleash: a la izquierda, una gran red neuronal profunda con su propia arquitectura \u00fanica, a la derecha, un sistema jer\u00e1rquico, donde cada red tiene su propia tarea.<\/i><\/p>\n

Sin embargo, se desea crear un enfoque com\u00fan para el sistema de inteligencia artificial, en la arquitectura del cual los desarrolladores no incorporar\u00edan su propia experiencia. Sin embargo, cuanto m\u00e1s se ingresaba al juego, m\u00e1s crec\u00eda la red neuronal. Al mismo tiempo, no se pod\u00eda separar el aprendizaje de la IA y ense\u00f1arle algo espec\u00edfico: ya sea defensa o ataque. Y surgieron preocupaciones de que un enfoque m\u00e1s general conducir\u00eda a un aumento significativo en el n\u00famero de c\u00e1lculos. <\/p>\n

De aqu\u00ed surgi\u00f3 la idea de crear una arquitectura jer\u00e1rquica, en la que cada tarea espec\u00edfica ser\u00eda realizada por una red neuronal especializada. Seg\u00fan esta idea, primero la inteligencia artificial debe decidir sobre la asignaci\u00f3n de recursos para el ataque (aumento del ej\u00e9rcito de monstruos) y la defensa (construcci\u00f3n del laberinto). Una vez que lo hace, pasa a la siguiente capa seg\u00fan su elecci\u00f3n y obtiene acceso a la parte necesaria del estado del juego, despu\u00e9s de lo cual toma decisiones detalladas sobre qu\u00e9 monstruos seleccionar y qu\u00e9 armas colocar en el laberinto.<\/p>\n

<\/p>\n

Conclusi\u00f3n y pr\u00f3ximos pasos<\/h3>\n

\nCon un enfoque h\u00edbrido, la IA Utility con redes basadas en aprendizaje autom\u00e1tico integradas en ella recuerda a la arquitectura jer\u00e1rquica. Y esta, a su vez, se asemeja al cerebro biol\u00f3gico, en el que diferentes centros nerviosos son responsables de tareas espec\u00edficas.<\/p>\n

Actualmente, es muy dif\u00edcil vencer a la IA enemiga en Unleash: son capaces de adaptarse a cualquier situaci\u00f3n en el juego, pero los desarrolladores pueden cambiar sus configuraciones a su antojo. Seg\u00fan el autor del art\u00edculo, con el tiempo, el enfoque h\u00edbrido deber\u00eda ganar m\u00e1s difusi\u00f3n y aparecer en muchos otros juegos. Tal vez alg\u00fan d\u00eda se logre implementar inteligencia artificial basada en aprendizaje autom\u00e1tico de forma pura en el proceso de juego. Pero, evidentemente, a\u00fan se requerir\u00e1 tiempo para ello. Mientras tanto, el objetivo es encontrar una arquitectura que se adapte a las tareas que tiene por delante y encuentre formas \u00f3ptimas de resolverlas.
\n
Fuente: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u0412 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u043d\u0435\u043a\u043e\u0433\u0434\u0430 \u043f\u043e\u0434\u043d\u044f\u0442\u043e\u0439 \u0432 \u043d\u0430\u0448\u0435\u043c \u0431\u043b\u043e\u0433\u0435 \u0442\u0435\u043c\u044b \u0438\u0433\u0440\u043e\u0432\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e \u0442\u043e\u043c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e \u043a \u043d\u0435\u043c\u0443 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u0432 \u043a\u0430\u043a\u043e\u043c \u0432\u0438\u0434\u0435. \u0421\u0432\u043e\u0438\u043c \u043e\u043f\u044b\u0442\u043e\u043c \u0438 \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u044b\u043c\u0438 \u043d\u0430 \u0435\u0433\u043e \u043e\u0441\u043d\u043e\u0432\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u043c\u0438 \u043f\u043e\u0434\u0435\u043b\u0438\u043b\u0441\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0442 \u043f\u043e \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c \u0418\u0418 \u0432 Apex Game Tools \u042f\u043a\u043e\u0431 \u0420\u0430\u0441\u043c\u0443\u0441\u0441\u0435\u043d. \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0433\u043e\u0434\u044b \u0432\u0435\u0434\u0451\u0442\u0441\u044f \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u043e\u0432 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043a\u0430\u0440\u0434\u0438\u043d\u0430\u043b\u044c\u043d\u043e […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-52119","post","type-post","status-publish","format-standard","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47C\u00f3mo funciona la IA h\u00edbrida en los juegos y cu\u00e1les son sus ventajas | ProHoster","description":"En continuaci\u00f3n de un tema alguna vez planteado en nuestro blog sobre la inteligencia artificial en los juegos, hablemos de su aplicabilidad.","canonical_url":"https:\/\/prohoster.info\/es\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"es_ES","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u044b\u0439 \u0438\u0433\u0440\u043e\u0432\u043e\u0439 \u0418\u0418 \u0438 \u0432 \u0447\u0451\u043c \u0435\u0433\u043e \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 | ProHoster","og:description":"\u0412 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u043d\u0435\u043a\u043e\u0433\u0434\u0430 \u043f\u043e\u0434\u043d\u044f\u0442\u043e\u0439 \u0432 \u043d\u0430\u0448\u0435\u043c \u0431\u043b\u043e\u0433\u0435 \u0442\u0435\u043c\u044b \u0438\u0433\u0440\u043e\u0432\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e \u0442\u043e\u043c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e.","og:url":"https:\/\/prohoster.info\/es\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T21:00:00+00:00","article:modified_time":"2020-02-18T10:59:47+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"52119","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 02:32:21","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 20:49:49","updated":"2026-01-24 02:32:21","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/52119","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/comments?post=52119"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/52119\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media?parent=52119"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/categories?post=52119"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/tags?post=52119"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}