{"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\/hr\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","title":{"rendered":"Kako je strukturiran hibridni igrivi AI i koje su njegove prednosti","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Nastavljaju\u0107i temu o kojoj smo nekada govorili na na\u0161em blogu, igra\u010dkog umjetnog inteligenta,<\/a><\/noindex> razgovarat \u0107emo o tome kako se strojno u\u010denje mo\u017ee primijeniti na njega i u kojem obliku. Svojim iskustvom i rje\u0161enjima temeljenim na njemu podijelio je<\/a><\/noindex> stru\u010dnjak za AI u Apex Game Tools, Jakob Rasmussen.<\/p>\n

\"Kako
\n
\nU posljednjim godinama mnogo se govori o tome kako \u0107e strojno u\u010denje drasti\u010dno promijeniti gaming industriju, jer je ova tehnologija ve\u0107 postala revolucionarna u mnogim drugim digitalnim aplikacijama. No, ne treba zaboraviti da su igre mnogo slo\u017eenije od simulatora vo\u017enje automobila, programa za upravljanje dronom ili algoritama za prepoznavanje lica na slici. <\/a><\/noindex><\/p>\n

Dok se u gaming industriji i dalje koriste tradicionalne metode AI-a, poput metoda kona\u010dnih automata, stabala pona\u0161anja i \u2014 u posljednje vrijeme \u2014 sve \u010de\u0161\u0107e AI-a temeljenog na korisnosti. Takve AI sustave nazivamo tako\u0111er dizajniranima (artificial design intelligence) ili ekspertni sustavi. No, postaje sve o\u010diglednije \u2014 prvenstveno igra\u010dima \u2014 da su ovi sustavi sve manje primjereni za stvaranje zaista naprednih protivnika koji bi mogli imitirati pona\u0161anje igra\u010da. To se posebno odnosi na kreativna rje\u0161enja. To se mo\u017ee objasniti time da programeri umjetne inteligencije nisu u stanju uzeti u obzir sve mogu\u0107e taktike i strategije pona\u0161anja i uspje\u0161no ih implementirati u tradicionalne AI sustave. Za igra\u010de to \u010desto rezultira time da je dosadno i predvidljivo igrati protivnika \u010dija se linija pona\u0161anja lako pamti.<\/p>\n

Takvom rezultatu doprinosi mnogo razloga, ali jedan od glavnih je nesposobnost AI-a za u\u010denje. Stoga, kada se stvara umjetna inteligencija za protivnika, dolazi do rje\u0161enja o prelasku na strojno u\u010denje, koje se pokazalo iznimno uspje\u0161nim u mnogim drugim aplikacijama. No, postoje neki nijansi koje treba uzeti u obzir. Naime, gaming AI mora biti sposoban prilagoditi se svakoj situaciji i iskoristiti prednosti koje ona pru\u017ea, kao i prilagoditi se razli\u010ditim stilovima igre svojih protivnika \u2014 \u017eivih igra\u010da i drugih AI-a. <\/p>\n

<\/p>\n

Kako stoje stvari sada<\/h3>\n

\nBritanska tvrtka DeepMind, koja se bavi razvojem umjetne inteligencije, nedavno je pokazala na koje na\u010dine AI mo\u017ee samostalno u\u010diti igrati igre, usvojiti njihova pravila i prona\u0107i na\u010dine kako pro\u0107i igru ili pobijediti u njoj \u2014 iako za sada samo na primjeru jednostavnih igara, poput ranih igara Atari<\/a><\/noindex> \u2014 kao \u0161to su \u0161ah i japanska logi\u010dka igra go. Rezultati dobiveni za njih pokazuju da umjetna inteligencija mo\u017ee stvoriti adekvatnu procjenu doga\u0111aja na terenu. Kada se govori o prilagodbi AI razli\u010ditim stilovima igre protivnika, rezultati za sada nisu toliko impresivni.<\/p>\n

U na\u0161e vrijeme, neuronske mre\u017ee su ve\u0107 nau\u010dile prepoznavati slike i voziti automobile. No, te se funkcije mogu ostvariti i uz pomo\u0107 relativno jednostavnih arhitektura, \u010dak i ako su u kona\u010dnici prili\u010dno duboke i opse\u017ene. Primjerice, AI za prepoznavanje slika na Facebooku ima dubinu od oko 100 slojeva, zbog \u010dega podsje\u0107a na biolo\u0161ki mozak \u2014 po broju i slo\u017eenosti me\u0111usobnih veza izme\u0111u neura, koji \u010dine jednu veliku mre\u017eu. <\/p>\n

<\/p>\n

Igra\u010dki AI<\/h3>\n

\n\u0160to se ti\u010de primjene strojnog u\u010denja u industriji igara, ovdje postoje odre\u0111ena ograni\u010denja zbog kojih nije uvijek mogu\u0107e koristiti ovu vrstu arhitekture. To uklju\u010duje sistemske zahtjeve, posebice one koji se odnose na CPU, koji definiraju sposobnost ra\u010dunala za obradu slo\u017eene strukture igre i njegovu prikladnost za pripovijedanje i gameplay. <\/p>\n

Stoga, u mnogim igrama ne postoji mogu\u0107nost organizacije potrebne hardverske opreme za implementaciju slo\u017eenog sustava umjetne inteligencije, a kamoli klastera servera koji postoji, na primjer, za mre\u017ee prepoznavanja slika na Facebooku. Ponekad mo\u017ee biti potrebno da vi\u0161e AI sustava radi simultano \u2014 ne samo na ra\u010dunalima, ve\u0107 i na mobilnim ure\u0111ajima i na drugim manje sna\u017enim platformama. Sve to postavlja ograni\u010denja na veli\u010dinu i slo\u017eenost arhitekture strojnog u\u010denja, jer se svi prora\u010duni moraju izvr\u0161avati unutar trajanja okvira od oko 1 ili 2 milisekunde. Naravno, mogu\u0107e je koristiti razli\u010dite tehnologije optimizacije i distribucije optere\u0107enja me\u0111u okvirima, ali se i dalje ne mo\u017ee potpuno izbje\u0107i ova ograni\u010denja.<\/p>\n

Ozbiljni problemi za AI mogu nastati zbog slo\u017eenosti igre. U igrama poput StarCraft II, mehanika igre je mnogo slo\u017eenija nego u igrama iz vremena Atarija. Stoga ne treba o\u010dekivati da \u0107e uz zadanu frekvenciju okvira i poznate sistemske zahtjeve, strojno u\u010denje uspje\u0161no savladati ukupno stanje igre i mo\u0107i s njim interagirati. Kao \u0161to igra\u010d \u010desto koristi intuiciju u ranim fazama igre, tako i AI mora nau\u010diti primarnu obradu stanja igre kako bi pojednostavio daljnje prolazak kroz igru. Na primjer, u jednoj od najnovijih API za Starcraft II<\/a><\/noindex> na kartama se prikazuje samo ona informacija koju su programeri smatrali va\u017enom: u jednom slu\u010daju AI je koristio smanjeni prikaz cijelog podru\u010dja karte, dok je u drugom \u2014 sli\u010dno igra\u010du, mogao pomicati kameru, a tada je njegovo percepcija bila ograni\u010dena informacijama na ekranu.<\/p>\n

\"Kako
\nVizualizacija igre AI AlphaStar protiv igra\u010da u StarCraft II: na zaslonu su prikazana 'siroma\u0161na' po\u010detna opa\u017eanja, aktivnost neuronske mre\u017ee, neke od njenih mogu\u0107ih radnji i koordinate, kao i predvi\u0111eni ishod me\u010da.<\/i><\/p>\n

Ovo je posebno va\u017ean aspekt u slu\u010daju igara. \u010cesto se u igrama umjetni\u010dka inteligencija ne mo\u017ee primijeniti obi\u010dnim metodama rje\u0161avanja problema strojnog u\u010denja. Na primjer, obi\u010dno nije obavezna pobijediti ili u\u010diniti sve \u0161to je mogu\u0107e za pobjedu, kao \u0161to je to bio slu\u010daj s Atari igrama. \u010cesto AI treba poslovati kao dodatak igri kako bi iskustvo igre bilo uzbudljivije. Mo\u017ee biti potrebno da igra ulogu i pona\u0161a se kako to zahtijeva karakter kojeg upravlja. Tako su igra\u010dke AI vi\u0161e vezane za game design i pripovijedanje i moraju imati neophodna sredstva kako bi upravljali svojim pona\u0161anjem radi postizanja cilja. Strojno u\u010denje u \u010distom obliku nije uvijek prikladno za ovo \u2014 stoga se mora tra\u017eiti ne\u0161to drugo. <\/p>\n

<\/p>\n

Prakti\u010dni problemi strojnog u\u010denja<\/h3>\n

\nOvi problemi su se pojavili tijekom razvoja umjetne inteligencije temeljenoj na strojnog u\u010denju za Unleash<\/a><\/noindex>, gdje AI treba da se pona\u0161a kao obi\u010dni igra\u010di \u2014 to jest, biti fleksibilni i snala\u017eljivi. <\/p>\n

Ba\u0161 kao i Starcraft II, Unleashed je mnogo slo\u017eenija od \u0161aha i goe za Atari. Igra je intuitivna i lako se savlada, ali da bi se zaista uspjelo, potrebne su odre\u0111ene vje\u0161tine upravljanja metom. Igra\u010d treba graditi labirinte, upadati na neprijatelje s \u010dudovi\u0161tima i smi\u0161ljati svoju strategiju kroz ekonomiju, napad i obranu gra\u0111evina tijekom cijele igre. Da bi to postigao, mora blefirati i predvi\u0111ati tu\u0111e poteze unaprijed, kao i upravljati psiholo\u0161kom metom \u2014 upravo ona \u010dini poker vi\u0161e od obi\u010dne statisti\u010dke igre.<\/p>\n

\"Kako
\nScreenshot iz Unleashed<\/i><\/p>\n

U potrazi za najprikladnijom arhitekturom, prvo su u igru u gotovo nepromijenjenom obliku integrirane takve tehnologije kao \u0161to su neuroevolucija<\/a><\/noindex> i duboko u\u010denje, i testirali su kako \u0107e se pona\u0161ati u sirovom obliku kao AI protivnik. <\/p>\n

To je bilo stra\u0161no. <\/p>\n

Brzo je postalo o\u010digledno da se u Unleashed mora rije\u0161iti mnogo globalnih problema, za koje je te\u0161ko prilagoditi strojno u\u010denje. <\/p>\n

Jedna od njih je izgradnja u\u010dinkovitog labirinta. Kao i u mnogim igrama \u010dija je svrha za\u0161tita kule, ovdje igra\u010di moraju izgraditi labirint oko nje, kroz koji \u0107e prolaziti monstrumi. Njih se, zauzvrat, treba eliminirati pomo\u0107u oru\u017eja postavljenog po labirintu. Idealno, labirint bi trebao biti \u0161to dulji kako bi se mogla nanijeti dovoljna koli\u010dina \u0161tete monstrumima i sprije\u010dilo da do\u0111u do kule. Za neke vrste oru\u017eja monstrumi su osjetljiviji nego za druge, stoga ih vrijedi postaviti u labirint prije svih ostalih radi ve\u0107e u\u010dinkovitosti. Posebnost Unleasha je u tome \u0161to ne postoji idealan labirint: u igri ima toliko vrsta monstruma da \u0107e na neki na\u010din netko od njih pro\u0107i neometano kroz neki dio labirinta. Svaki labirint potrebno je prilagoditi novim monstrumima koje pu\u0161taju drugi igra\u010di. Tako je bilo potrebno ne samo pou\u010diti umjetnu inteligenciju kako graditi labirinte, ve\u0107 i kako stvarati u\u010dinkovite labirinte za razne scenarije koji se mogu pojaviti u ranijim i kasnijim verzijama igre. <\/p>\n

Tako\u0111er, AI je trebao nau\u010diti izra\u010dunati koji \u0107e monstrumi pojaviti u labirintu. Ovo je svojevrsni obrnuti problem u odnosu na izgradnju labirinta. Kao i u mnogim drugim igrama, u Unleashu nije dovoljno samo stvoriti vojsku i poslati je u redove neprijatelja: tako\u0111er je potrebno \u0161pijunirati neprijateljsku obranu i tako strukturirati vojsku da se maksimalno u\u010dinkovito napadne klju\u010dne to\u010dke protivnika. Armija monstruma treba me\u0111usobno sura\u0111ivati na na\u010din koji omogu\u0107ava najbolje probijanje kroz labirint. Ponekad je tako\u0111er potrebno pustiti monstrume u odre\u0111enom redoslijedu, ovisno o njihovim funkcijama i ulozi. To tako\u0111er pove\u0107ava broj razli\u010ditih kombinacija.<\/p>\n

Na kraju, budu\u0107i da igra\u010d mora istovremeno stvarati labirinte i okupljati vojsku \u010dudovi\u0161ta, i AI treba nau\u010diti prona\u0107i ravnote\u017eu izme\u0111u napada i obrane. Tako\u0111er, treba uzeti u obzir da \u0161to vi\u0161e igra\u010d gradi vojsku \u010dudovi\u0161ta i labirint, to su mu potrebni ve\u0107i resursi za to. Stoga je ispravna strategija napada izuzetno va\u017ena kako za ekonomiju tijekom igre, tako i za pobjedu u njoj. Kako bi se osigurala konkurentnost, AI mora znati rasporediti resurse tako da stvori mo\u0107nu vojsku \u010dudovi\u0161ta, a da pritom ne ugrozi snagu labirinta. Maksimalno ulaganje u \u010dudovi\u0161ta mo\u017ee biti ekonomski isplativo, ali pove\u0107ava rizik od osvajanja labirinta od strane protivni\u010dkih \u010dudovi\u0161ta. Ako se pak odlu\u010di na ja\u010danje obrane labirinta, to mo\u017ee oslabiti va\u0161u ekonomiju. Nijedan od ovih scenarija ne\u0107e dovesti do pobjede. Tako da je problem optimizacije u Unleashed mnogo slo\u017eeniji nego u slu\u010daju \u0161aha ili Starcrafta, i uklju\u010duje potrebu za \u017ertvovanjem ne\u010dega i procjenjivanjem svoje koristi nekoliko koraka unaprijed. <\/p>\n

Kako AI napreduje, pojavljuje se mno\u0161tvo ranije neuzetih problema. Naime, u po\u010detku je AI \u010desto dostizao odre\u0111eni nivo razvoja, na kojem je po\u010deo razumijevati neke aspekte igre \u2014 poput toga, koje oru\u017eje u labirintu je u\u010dinkovito protiv odre\u0111enih tipova \u010dudovi\u0161ta ili koja \u010dudovi\u0161ta najbolje prolaze odre\u0111enim dijelovima labirinta. Me\u0111utim, u\u010denje je bilo sporo i dovelo je do razvoja monotonih strategija. <\/p>\n

<\/p>\n

Potrebno je paralelnih pristupa<\/h3>\n

\nDok je obuka AI-a temeljenog na strojnom u\u010denju napredovala sporo i nije bila osobito uspje\u0161na, za druge faze testiranja i razvoja postao je potreban bolji AI te pouzdaniji konkurentski AI. Za njihovu realizaciju kori\u0161tena je arhitektura Utility, pomo\u0107u koje je mogu\u0107e stvarati specijalizirane AI za testiranje i provjeru kvalitete igre, unutarnje testove i balansiranje oru\u017eja i \u010dudovi\u0161ta te za stvaranje specifi\u010dnih labirinta i \u010dudovi\u0161ta. Ipak, tijekom razvoja Unleash, kreatori su usavr\u0161avali svoje vje\u0161tine u njezinom prolasku, a zatim su odlu\u010dili iskoristiti ste\u010deno znanje za izradu slo\u017eenijeg Utility AI. Tako je postalo jasno da se mnogi problemi koji se javljaju u sustavima umjetne inteligencije temeljenim na strojnom u\u010denju mogu lako rije\u0161iti pomo\u0107u Utility sustava koji koriste u njih ugra\u0111eno znanje, i obrnuto. <\/p>\n

Na primjer, u\u010dinkovitije labirinte bolje je graditi pomo\u0107u Utility AI-a koji se temelje na bazama znanja sastavljenim prema rezultatima unutarnjih testova. Lako se mo\u017ee opisati i programirati algoritam za izgradnju labirinta i raspored oru\u017eja u njemu na na\u010din koji bi bio lak\u0161i za obranu tornja od odre\u0111enih \u010dudovi\u0161ta \u017eivom igra\u010du. Me\u0111utim, stvaranje vojske \u010dudovi\u0161ta na temelju znanja o protivni\u010dkoj bazi bila je slo\u017eena zada\u0107a za takve AI, budu\u0107i da je broj razli\u010ditih uvjeta i kombinacija koje je trebalo uzeti u obzir bio nevjerojatan. S ovom vrstom arhitekture AI-a, pronala\u017eenje odgovaraju\u0107ih setova \u010dudovi\u0161ta trajalo bi beskrajno dugo. Tada bi, uz zadane ograni\u010denja, duboko u\u010denje bilo idealno rje\u0161enje za ovu zada\u0107u. <\/p>\n

<\/p>\n

Izrada hibridnih AI<\/h3>\n

\nDakle, odlu\u010dio je da spoji dva pristupa i tako stvori hibridni sustav umjetne inteligencije temeljen na strojnom u\u010denju i Utility. Ideja je bila da se gdje god je potrebno obraditi ogroman broj kombinacija i stanja igre, ili gdje je trebalo obu\u010diti sustav, koristi strojno u\u010denje. Za druge zadatke, gdje je bolje osloniti se na osobno iskustvo programera, anga\u017eirane su Utility sustave. Prednost ovog pristupa je tako\u0111er u tome \u0161to se po potrebi mo\u017ee bolje kontrolirati pona\u0161anje AI-a kako bi se osiguralo njegovo to\u010dnije pra\u0107enje zadanog cilja. Na primjer, mo\u017ee se koristiti Utility AI za odr\u017eavanje ravnote\u017ee izme\u0111u napada i obrane i tako stvoriti razli\u010dite razine agresije, ili se mogu kreirati razli\u010dite konfiguracije labirinta za razli\u010diti AI kako bi oblikovali njihove individualne stilove igre. Tako\u0111er se mogu postaviti odre\u0111eni sustavi vrijednosti za neuronske mre\u017ee kako bi se formirala razli\u010dita preferencija pri odabiru zra\u010dnih ili kopnenih \u010dudovi\u0161ta, \u010dime se individualnosti tako\u0111er dodaju razli\u010ditim AI. Postoji jo\u0161 mnogo drugih opcija za implementaciju projektnih rje\u0161enja, a sve one nagla\u0161avaju snage odre\u0111enih vrsta arhitekture AI-a. <\/p>\n

Hibridni pristup tako\u0111er je bio odgovor na drugo pitanje s kojim su se programerski tim suo\u010dili prilikom razvoja umjetne inteligencije za Unleash: treba li primijeniti jedinstvenu globalnu duboku neuronsku mre\u017eu temeljenu na strojnom u\u010denju kako bi se uzeli u obzir svi ulazni i izlazni podaci, ili je bolje projektirati AI s hijerarhijskom strukturom? <\/p>\n

\"Kako
\nDvije arhitekture kori\u0161tene u Unleash: lijevo \u2014 velika duboka neuronska mre\u017ea s vlastitom jedinstvenom arhitekturom, desno \u2014 hijerarhijski sustav u kojem svaka mre\u017ea ima svoj zadatak.<\/i><\/p>\n

I dalje bismo \u017eeljeli stvoriti zajedni\u010dki pristup sustavu umjetne inteligencije, u arhitekturu kojeg programeri ne bi ugra\u0111ivali vlastito iskustvo. Me\u0111utim, \u0161to su vi\u0161e ulazili u igru, to se vi\u0161e \u0161irila neuronska mre\u017ea. Pri tom nije bilo mogu\u0107e odvojiti u\u010denje AI-a i pou\u010diti ih ne\u010demu jednom: ili obrani ili napadu. Pojavila su se strahovanja da bi op\u0107enitiji pristup doveo do zna\u010dajnog pove\u0107anja broja izra\u010duna. <\/p>\n

Odavde se pojavila ideja o stvaranju hijerarhijske arhitekture, gdje bi svaku konkretnu zada\u0107u obavljala specijalizirana neuronska mre\u017ea. Prema ovoj ideji, umjetna inteligencija prvo mora donijeti odluku o raspodjeli resursa za napad (pove\u0107anje vojske \u010dudovi\u0161ta) i obranu (gradnja labirinta). Kada to u\u010dini, prelazi na sljede\u0107u razinu u skladu sa svojim izborom i dobiva pristup potrebnom dijelu stanja igre, nakon \u010dega donosi detaljne odluke o tome koje \u010dudovi\u0161te izabrati i kakvo oru\u017eje postaviti u labirintu.<\/p>\n

<\/p>\n

Zaklju\u010dak i sljede\u0107i koraci<\/h3>\n

\nKod hibridnog pristupa Utility AI sa mre\u017eama temeljenim na strojnome u\u010denju podsje\u0107a na hijerarhijsku arhitekturu. A ona, pak, nalikuje biolo\u0161kom mozgu, gdje razli\u010diti \u017eiv\u010dani centri odgovaraju za vlastitu zada\u0107u.<\/p>\n

Trenutno je AI protivnika u Unleash-u vrlo te\u0161ko pobijediti: sposobni su prilagoditi se svakoj situaciji u igri, \u2014 ali istovremeno programeri mogu mijenjati njihove postavke prema vlastitom naho\u0111enju. Prema autoru ovog \u010dlanka, vremenom \u0107e hibridni pristup dobiti \u0161iru primjenu i pojaviti se u mnogim drugim igrama. Mo\u017eda \u0107e jednog dana biti mogu\u0107e implementirati \u010distu umjetnu inteligenciju temeljenu na strojnome u\u010denju u igri. No o\u010dito je da \u0107e za to jo\u0161 trebati vremena. Do tada je cilj prona\u0107i takvu arhitekturu koja \u0107e se sama prilagoditi pred njom postavljenim zadacima i prona\u0107i optimalne na\u010dine njihove realizacije.
\n
Izvor: 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\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\udd47 Kako funkcionira hibridni gaming AI i koje su njegove prednosti | ProHoster","description":"U nastavku ranije pokrenute teme o igrama na na\u0161em blogu, razgovarat \u0107emo o tome koliko je to primjenjivo.","canonical_url":"https:\/\/prohoster.info\/hr\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"hr_HR","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\/hr\/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\/hr\/wp-json\/wp\/v2\/posts\/52119","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/comments?post=52119"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/posts\/52119\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/media?parent=52119"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/categories?post=52119"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/hr\/wp-json\/wp\/v2\/tags?post=52119"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}