{"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\/hu\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","title":{"rendered":"Hogyan m\u0171k\u00f6dik a hibrid j\u00e1t\u00e9kos mesters\u00e9ges intelligencia, \u00e9s mik a el\u0151nyei?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Folytatva a kor\u00e1bban blogunkban felvetett t\u00e9m\u00e1t a j\u00e1t\u00e9kos mesters\u00e9ges intelligenci\u00e1r\u00f3l<\/a><\/noindex> besz\u00e9lj\u00fcnk arr\u00f3l, hogy mennyire alkalmazhat\u00f3 a g\u00e9pi tanul\u00e1s, \u00e9s milyen form\u00e1ban. Tapasztalatait \u00e9s az ezek alapj\u00e1n hozott megold\u00e1sait megosztotta<\/a><\/noindex> a mesters\u00e9ges intelligencia szak\u00e9rt\u0151je az Apex Game Tools-n\u00e1l, Jakob Rasmussen.<\/p>\n

\"Hogyan
\n
\nAz ut\u00f3bbi \u00e9vekben sok sz\u00f3 esett arr\u00f3l, hogy a g\u00e9pi tanul\u00e1s gy\u00f6keresen megv\u00e1ltoztatja a j\u00e1t\u00e9kipart, hiszen ez a technol\u00f3gia m\u00e1r \u00e1tt\u00f6r\u00e9st jelentett sz\u00e1mos m\u00e1s digit\u00e1lis alkalmaz\u00e1sban. De nem szabad elfelejteni, hogy a j\u00e1t\u00e9kok sokkal bonyolultabbak, mint egy aut\u00f3vezet\u0151 szimul\u00e1tor, egy dr\u00f3n vez\u00e9rl\u0151 program vagy a k\u00e9pen tal\u00e1lhat\u00f3 arcok azonos\u00edt\u00e1s\u00e1nak algoritmusai. <\/a><\/noindex><\/p>\n

M\u00edg a j\u00e1t\u00e9kipar tov\u00e1bbra is hagyom\u00e1nyos mesters\u00e9ges intelligencia m\u00f3dszereket haszn\u00e1l, mint p\u00e9ld\u00e1ul a v\u00e9ges \u00e1llapot\u00fa automat\u00e1k, viselked\u00e9si f\u00e1k \u00e9s \u2014 az ut\u00f3bbi id\u0151ben egyre ink\u00e1bb \u2014 a hasznoss\u00e1g-alap\u00fa mesters\u00e9ges intelligencia (Utility-based AI). Az ilyen AI-kat design-alap\u00fa (design-based) mesters\u00e9ges intelligenci\u00e1nak vagy szak\u00e9rt\u0151i rendszereknek is nevezik. De egyre nyilv\u00e1nval\u00f3bb\u00e1 v\u00e1lik \u2014 \u00e9s els\u0151sorban a j\u00e1t\u00e9kosok sz\u00e1m\u00e1ra \u2014, hogy ezek a rendszerek egyre kev\u00e9sb\u00e9 alkalmasak igaz\u00e1n fejlett ellenfelek l\u00e9trehoz\u00e1s\u00e1ra, akik k\u00e9pesek ut\u00e1nozni a j\u00e1t\u00e9kosok viselked\u00e9s\u00e9t. K\u00fcl\u00f6n\u00f6sen a kreat\u00edv megold\u00e1sok ter\u00e9n. Ez magyar\u00e1zhat\u00f3 azzal, hogy a mesters\u00e9ges intelligencia fejleszt\u0151i nem k\u00e9pesek figyelembe venni minden lehets\u00e9ges taktik\u00e1t \u00e9s viselked\u00e9si strat\u00e9gi\u00e1t, \u00e9s sikeresen megval\u00f3s\u00edtani azokat a hagyom\u00e1nyos AI rendszerekben. A j\u00e1t\u00e9kosok sz\u00e1m\u00e1ra ez gyakran unalmass\u00e1 \u00e9s kisz\u00e1m\u00edthat\u00f3v\u00e1 teszi a j\u00e1t\u00e9kot egy olyan ellenf\u00e9llel, akinek a viselked\u00e9se k\u00f6nnyen megjegyezhet\u0151.<\/p>\n

Ez a sokf\u00e9le okra vezethet\u0151 vissza, de az egyik legfontosabb \u2014 az AI tanul\u00e1si k\u00e9ptelens\u00e9ge. Ez\u00e9rt a mesters\u00e9ges intelligencia ellenfelek l\u00e9trehoz\u00e1s\u00e1n\u00e1l egy\u00e9rtelm\u0171en felvet\u0151dik a g\u00e9pi tanul\u00e1sra val\u00f3 \u00e1tt\u00e9r\u00e9s, amely m\u00e1r sok m\u00e1s alkalmaz\u00e1sban j\u00f3l bev\u00e1lt. De van n\u00e9h\u00e1ny szempont, amit figyelembe kell venni. \u00cdgy a j\u00e1t\u00e9kos mesters\u00e9ges intelligenci\u00e1nak k\u00e9pesnek kell lennie alkalmazkodni b\u00e1rmilyen helyzethez, \u00e9s kihaszn\u00e1lni az abb\u00f3l ad\u00f3d\u00f3 lehet\u0151s\u00e9geket, valamint alkalmazkodnia kell az ellenfelek k\u00fcl\u00f6nb\u00f6z\u0151 j\u00e1t\u00e9kst\u00edlusaihoz \u2014 \u00e9l\u0151 j\u00e1t\u00e9kosokhoz \u00e9s m\u00e1s AI-hoz. <\/p>\n

<\/p>\n

Hogyan \u00e1llnak a dolgok most?<\/h3>\n

\nA brit DeepMind v\u00e1llalat, amely mesters\u00e9ges intelligencia fejleszt\u00e9ssel foglalkozik, nemr\u00e9giben bemutatta, hogy az MI mik\u00e9nt tud \u00f6n\u00e1ll\u00f3an tanulni j\u00e1t\u00e9kokat j\u00e1tszani, elsaj\u00e1t\u00edtva a szab\u00e1lyaikat \u00e9s megtal\u00e1lva a m\u00f3dj\u00e1t a j\u00e1t\u00e9k teljes\u00edt\u00e9s\u00e9nek vagy megnyer\u00e9s\u00e9nek \u2014 igaz, egyel\u0151re csak egyszer\u0171 j\u00e1t\u00e9kok p\u00e9ld\u00e1j\u00e1n, mint p\u00e9ld\u00e1ul a korai j\u00e1t\u00e9kok. Atari<\/a><\/noindex> \u2014 p\u00e9ld\u00e1ul a sakk \u00e9s a jap\u00e1n logikai j\u00e1t\u00e9k, a go. Az ezekre vonatkoz\u00f3 eredm\u00e9nyek azt mutatj\u00e1k, hogy a mesters\u00e9ges intelligencia k\u00e9pes megfelel\u0151 \u00e9rt\u00e9kel\u00e9st kialak\u00edtani a j\u00e1t\u00e9kt\u00e9ren zajl\u00f3 esem\u00e9nyekr\u0151l. Ha az MI k\u00fcl\u00f6nb\u00f6z\u0151 ellenfelek j\u00e1t\u00e9ksztyl\u00e9j\u00e9hez val\u00f3 alkalmazkod\u00e1s\u00e1r\u00f3l besz\u00e9l\u00fcnk, az eredm\u00e9nyek eddig nem annyira meggy\u0151z\u0151ek.<\/p>\n

Napjainkban a neur\u00e1lis h\u00e1l\u00f3zatok m\u00e1r k\u00e9pesek a k\u00e9pek felismer\u00e9s\u00e9re \u00e9s aut\u00f3k vezet\u00e9s\u00e9re. Ezek a funkci\u00f3k azonban viszonylag egyszer\u0171 architekt\u00far\u00e1k seg\u00edts\u00e9g\u00e9vel is megval\u00f3s\u00edthat\u00f3k, m\u00e9g akkor is, ha a v\u00e9gs\u0151 eredm\u00e9nyek viszonylag m\u00e9lyek \u00e9s \u00f6sszetettek. P\u00e9ld\u00e1ul a Facebook k\u00e9pfelismer\u0151 rendszere k\u00f6r\u00fclbel\u00fcl 100 r\u00e9tegb\u0151l \u00e1ll, ez\u00e9rt hasonl\u00edt a biol\u00f3giai agyra \u2014 a neuronok k\u00f6z\u00f6tti kapcsolatok mennyis\u00e9ge \u00e9s bonyolults\u00e1ga miatt, amelyek egy nagy h\u00e1l\u00f3zatot alkotnak. <\/p>\n

<\/p>\n

J\u00e1t\u00e9k MI<\/h3>\n

\nA g\u00e9pi tanul\u00e1s alkalmaz\u00e1sa a j\u00e1t\u00e9kiparban sz\u00e1mos korl\u00e1toz\u00e1ssal j\u00e1r, amelyek miatt nem mindig lehet ezt a fajta architekt\u00far\u00e1t haszn\u00e1lni. Ezek k\u00f6z\u00e9 tartoznak a rendszerspecifik\u00e1ci\u00f3k, k\u00fcl\u00f6n\u00f6sen a CPU-ra vonatkoz\u00f3 k\u00f6vetelm\u00e9nyek, amelyek meghat\u00e1rozz\u00e1k a sz\u00e1m\u00edt\u00f3g\u00e9p k\u00e9pess\u00e9g\u00e9t a bonyolult j\u00e1t\u00e9kszerkezet feldolgoz\u00e1s\u00e1ra \u00e9s a j\u00e1t\u00e9k narrat\u00edv\u00e1j\u00e1nak \u00e9s j\u00e1t\u00e9kmenet\u00e9nek alkalmass\u00e1g\u00e1t. <\/p>\n

\u00cdgy teh\u00e1t sok j\u00e1t\u00e9k eset\u00e9ben nem \u00e1ll rendelkez\u00e9sre a komplex mesters\u00e9ges intelligencia rendszer\u00e9nek megval\u00f3s\u00edt\u00e1s\u00e1hoz sz\u00fcks\u00e9ges hardver, \u00e9s m\u00e9g egy szerverklaszter sem, mint p\u00e9ld\u00e1ul a Facebook k\u00e9pfelismer\u0151 h\u00e1l\u00f3zataihoz. N\u00e9ha t\u00f6bb mesters\u00e9ges intelligenci\u00e1nak kell egyidej\u0171leg m\u0171k\u00f6dnie \u2013 nemcsak sz\u00e1m\u00edt\u00f3g\u00e9peken, hanem mobil eszk\u00f6z\u00f6k\u00f6n \u00e9s m\u00e1s, kev\u00e9sb\u00e9 teljes\u00edtm\u00e9nyes platformokon is. Mindez korl\u00e1toz\u00e1sokat jelent a g\u00e9pi tanul\u00e1s architekt\u00far\u00e1j\u00e1nak m\u00e9ret\u00e9re \u00e9s komplexit\u00e1s\u00e1ra, mivel az \u00f6sszes sz\u00e1m\u00edt\u00e1st 1 vagy 2 milliszekundum alatt kell elv\u00e9gezni. Term\u00e9szetesen sz\u00e1mos optimaliz\u00e1l\u00f3 \u00e9s terhel\u00e9seloszt\u00f3 technol\u00f3gi\u00e1t lehet haszn\u00e1lni a k\u00e9pkock\u00e1k k\u00f6z\u00f6tti terhel\u00e9s eloszt\u00e1s\u00e1ra, de a korl\u00e1toz\u00e1sokt\u00f3l teljesen megszabadulni sem siker\u00fcl.<\/p>\n

A j\u00e1t\u00e9k bonyolults\u00e1ga komoly probl\u00e9m\u00e1kat okozhat a mesters\u00e9ges intelligencia sz\u00e1m\u00e1ra. Olyan j\u00e1t\u00e9kokban, mint p\u00e9ld\u00e1ul a StarCraft II, a j\u00e1t\u00e9kmechanika sokkal bonyolultabb, mint az Atari j\u00e1t\u00e9kokban. Ez\u00e9rt ne v\u00e1rjunk el, hogy a megadott k\u00e9pkocka frekvenci\u00e1j\u00e1val \u00e9s a m\u00e1r ismert rendszerk\u00f6vetelm\u00e9nyekkel a g\u00e9pi tanul\u00e1s k\u00e9pes lesz teljes m\u00e9rt\u00e9kben megtanulni a j\u00e1t\u00e9k \u00e1llapot\u00e1t \u00e9s interakci\u00f3ba l\u00e9pni vele. Ahogy a j\u00e1t\u00e9kos is gyakran \u00f6szt\u00f6n\u00f6sen cselekszik a j\u00e1t\u00e9k korai szakaszaiban, \u00fagy a mesters\u00e9ges intelligenci\u00e1nak is meg kell tanulnia a j\u00e1t\u00e9k \u00e1llapot\u00e1nak els\u0151dleges feldolgoz\u00e1s\u00e1t a tov\u00e1bbi el\u0151rehalad\u00e1s egyszer\u0171s\u00edt\u00e9se \u00e9rdek\u00e9ben. P\u00e9ld\u00e1ul az egyik legutols\u00f3 API a Starcraft II-hez<\/a><\/noindex> a t\u00e9rk\u00e9peken csak az a inform\u00e1ci\u00f3 jelenik meg, amelyet a fejleszt\u0151k fontosnak tartottak: az egyik esetben a mesters\u00e9ges intelligencia egy cs\u00f6kkentett n\u00e9zetet haszn\u00e1lt az eg\u00e9sz t\u00e9rk\u00e9pr\u0151l, a m\u00e1sik esetben pedig \u00fagy, mint a j\u00e1t\u00e9kos, mozgathatta a kamer\u00e1t, \u00edgy a l\u00e1t\u00e1sa csak a k\u00e9perny\u0151n megjelen\u0151 inform\u00e1ci\u00f3val korl\u00e1toz\u00f3dott.<\/p>\n

\"Hogyan
\nA mesters\u00e9ges intelligencia AlphaStar j\u00e1t\u00e9k\u00e1nak vizualiz\u00e1ci\u00f3ja a StarCraft II-ben: a k\u00e9perny\u0151k\u00e9pen a \u201enyers\u201d \u00e9szlel\u00e9sek, a neur\u00e1lis h\u00e1l\u00f3zat aktivit\u00e1sa, n\u00e9h\u00e1ny lehets\u00e9ges cselekv\u00e9s \u00e9s koordin\u00e1t\u00e1k, valamint a m\u00e9rk\u0151z\u00e9s v\u00e1rhat\u00f3 kimenetele l\u00e1that\u00f3.<\/i><\/p>\n

Ez k\u00fcl\u00f6n\u00f6sen relev\u00e1ns szempont a j\u00e1t\u00e9kok eset\u00e9ben. Gyakran a j\u00e1t\u00e9kok mesters\u00e9ges intelligenci\u00e1j\u00e1ra nem alkalmazhat\u00f3k a megszokott g\u00e9pi tanul\u00e1si probl\u00e9mamegold\u00e1si m\u00f3dszerek. P\u00e9ld\u00e1ul \u00e1ltal\u00e1ban nem k\u00f6telez\u0151 nyernie vagy mindent megtennie a gy\u0151zelem\u00e9rt, ahogy az az Atari j\u00e1t\u00e9kok eset\u00e9ben volt. Gyakrabban az AI szerepe az, hogy izgalmasabb\u00e1 tegye a j\u00e1t\u00e9kot. Lehet, hogy szerepet kell j\u00e1tszania, \u00e9s \u00fagy kell viselkednie, ahogy a karaktere megk\u00f6veteli. \u00cdgy a j\u00e1t\u00e9kos AI jobban \u00f6sszefon\u00f3dik a j\u00e1t\u00e9ktervez\u00e9ssel \u00e9s a t\u00f6rt\u00e9netmes\u00e9l\u00e9ssel, \u00e9s rendelkeznie kell a megfelel\u0151 eszk\u00f6z\u00f6kkel a viselked\u00e9s\u00e9nek ir\u00e1ny\u00edt\u00e1s\u00e1hoz a kit\u0171z\u00f6tt c\u00e9l el\u00e9r\u00e9s\u00e9hez. A tiszta g\u00e9pi tanul\u00e1s nem mindig megfelel\u0151 erre \u2014 ez\u00e9rt m\u00e1s megold\u00e1sokat kell keresni. <\/p>\n

<\/p>\n

G\u00e9pi tanul\u00e1s gyakorlati probl\u00e9m\u00e1i<\/h3>\n

\nEzek a probl\u00e9m\u00e1k a g\u00e9pi tanul\u00e1s alap\u00fa mesters\u00e9ges intelligencia fejleszt\u00e9se sor\u00e1n mer\u00fcltek fel a Unleash<\/a><\/noindex>, ahol az AI-nak \u00fagy kell viselkednie, mint a norm\u00e1l j\u00e1t\u00e9kosok \u2014 azaz, ugyan olyan rugalmasnak \u00e9s lelem\u00e9nyesnek kell lennie. <\/p>\n

A Starcraft II-h\u00f6z hasonl\u00f3an az Unleashed sokkal \u00f6sszetettebb, mint a sakk \u00e9s a go az Atari eset\u00e9ben. A j\u00e1t\u00e9kmenet intuit\u00edv a meg\u00e9rt\u00e9shez \u00e9s k\u00f6nnyen elsaj\u00e1t\u00edthat\u00f3, de ahhoz, hogy igaz\u00e1n sikeres legyen az ember, bizonyos meta-menedzsment k\u00e9szs\u00e9gekre van sz\u00fcks\u00e9g. A j\u00e1t\u00e9kosnak labirintusokat kell \u00e9p\u00edtenie, sz\u00f6rnyeket kell r\u00e1szor\u00edtania az ellenfelekre, \u00e9s strat\u00e9gi\u00e1t kell kidolgoznia a gazdas\u00e1g, a t\u00e1mad\u00e1s \u00e9s a v\u00e9delmi \u00e9p\u00edtkez\u00e9sek k\u00f6r\u00fcl a j\u00e1t\u00e9k sor\u00e1n. Ehhez bl\u00f6ff\u00f6lni \u00e9s el\u0151re meg kell terveznie m\u00e1sok l\u00e9p\u00e9seit, valamint kezelnie kell a pszichol\u00f3giai meta-megk\u00f6zel\u00edt\u00e9st \u2014 ez az, ami a p\u00f3kert t\u00f6bb\u00e9 teszi, mint egy egyszer\u0171 statisztikai j\u00e1t\u00e9k.<\/p>\n

\"Hogyan
\nK\u00e9perny\u0151k\u00e9p az Unleashedb\u0151l<\/i><\/p>\n

A legmegfelel\u0151bb architekt\u00fara keres\u00e9se sor\u00e1n el\u0151sz\u00f6r a j\u00e1t\u00e9kba gyakorlatilag v\u00e1ltozatlan form\u00e1ban be\u00e9p\u00edtett\u00e9k az olyan technol\u00f3gi\u00e1kat, mint a neuroevol\u00faci\u00f3<\/a><\/noindex> \u00e9s a m\u00e9lytanul\u00e1s, \u00e9s megvizsg\u00e1lt\u00e1k, hogyan teljes\u00edtenek nyers form\u00e1jukban, mint AI ellenf\u00e9l. <\/p>\n

Ez borzalmas volt. <\/p>\n

Gyorsan nyilv\u00e1nval\u00f3v\u00e1 v\u00e1lt, hogy az Unleashedben sok glob\u00e1lis probl\u00e9m\u00e1t kell megoldani, amelyekre neh\u00e9z g\u00e9pi tanul\u00e1st alkalmazni. <\/p>\n

Az egyik dolog a hat\u00e9kony labirintus \u00e9p\u00edt\u00e9se. Ak\u00e1rcsak sok toronyv\u00e9d\u0151s j\u00e1t\u00e9kban, itt a j\u00e1t\u00e9kosoknak labirintust kell \u00e9p\u00edteni\u00fck a torony k\u00f6r\u00e9, amin kereszt\u00fcl a sz\u00f6rnyek \u00e1thatolnak. \u0150ket pedig el kell t\u00e1vol\u00edtani a labirintusba elhelyezett fegyverek seg\u00edts\u00e9g\u00e9vel. Ide\u00e1lisan a labirintusnak min\u00e9l hosszabbnak kell lennie, hogy elegend\u0151 k\u00e1rt tudjunk okozni a sz\u00f6rnyeknek, \u00e9s ne engedj\u00fck \u0151ket el\u00e9rni a tornyot. N\u00e9h\u00e1ny fegyverrel szemben a sz\u00f6rnyek sebezhet\u0151bbek, mint m\u00e1sokkal, ez\u00e9rt \u00e9rdemes azokat a labirintusban el\u0151bb elhelyezni, mint a t\u00f6bbit. Az Unleash saj\u00e1toss\u00e1ga, hogy nem l\u00e9tezik t\u00f6k\u00e9letes labirintus: annyif\u00e9le sz\u00f6rny van a j\u00e1t\u00e9kban, hogy valamilyen m\u00f3don mindig akad olyan, aki akad\u00e1lytalanul \u00e1thatol a labirintus egy r\u00e9sz\u00e9n. B\u00e1rmely labirintust alkalmazkodni kell az \u00faj sz\u00f6rnyekhez, amelyeket m\u00e1s j\u00e1t\u00e9kosok ind\u00edtanak. \u00cdgy nemcsak arra volt sz\u00fcks\u00e9g, hogy az mesters\u00e9ges intelligenci\u00e1t megtan\u00edtsuk labirintusokat \u00e9p\u00edteni - hanem arra is, hogy hat\u00e9kony labirintusokat hozzon l\u00e9tre k\u00fcl\u00f6nb\u00f6z\u0151 forgat\u00f3k\u00f6nyvekhez, amelyekkel a j\u00e1t\u00e9k korai \u00e9s k\u00e9s\u0151bbi verzi\u00f3iban is tal\u00e1lkozhatunk. <\/p>\n

Az MI-nek azt is meg kellett tanulnia, hogy kisz\u00e1molja, milyen sz\u00f6rnyek fognak megjelenni a labirintusban. Ez egyfajta ford\u00edtott probl\u00e9ma a labirintus \u00e9p\u00edt\u00e9s\u00e9vel szemben. Ak\u00e1rcsak sok m\u00e1s j\u00e1t\u00e9kban, az Unleash-ben nem elegend\u0151 puszt\u00e1n felhalmozni a sereget \u00e9s k\u00fcldeni azt az ellens\u00e9ghez: sz\u00fcks\u00e9g van a bej\u00e1rat elh\u00e1r\u00edt\u00e1s\u00e1nak les\u00e9s\u00e9re is, \u00e9s a sereget \u00fagy kell strukt\u00far\u00e1lni, hogy a lehet\u0151 leghat\u00e9konyabban s\u00fajtsa le az ellens\u00e9g gyenge pontjait. A sz\u00f6rnyek hadsereg\u00e9nek \u00fagy kell k\u00f6lcs\u00f6nhat\u00e1sba l\u00e9pnie egym\u00e1ssal, hogy a lehet\u0151 legjobban \u00e1tjussanak a labirintuson. N\u00e9ha a sz\u00f6rnyeket meghat\u00e1rozott sorrendben kell kiadni, a funkci\u00f3ik \u00e9s szerep\u00fck f\u00fcggv\u00e9ny\u00e9ben. Ez is n\u00f6veli a k\u00fcl\u00f6nb\u00f6z\u0151 kombin\u00e1ci\u00f3k sz\u00e1m\u00e1t.<\/p>\n

V\u00e9g\u00fcl, mivel a j\u00e1t\u00e9kosnak egyszerre kell labirintusokat \u00e9p\u00edtenie \u00e9s sz\u00f6rnyhadakat gy\u0171jtenie, az AI-nak is meg kell tanulnia egyens\u00falyozni a t\u00e1mad\u00e1s \u00e9s v\u00e9delem k\u00f6z\u00f6tt. Fontos figyelembe venni, hogy min\u00e9l nagyobb hadsereget \u00e9p\u00edt a j\u00e1t\u00e9kos, \u00e9s min\u00e9l t\u00f6bb labirintust \u00e9p\u00edt, ann\u00e1l t\u00f6bb forr\u00e1sra van sz\u00fcks\u00e9ge ehhez. Ez\u00e9rt a t\u00e1mad\u00e1si strat\u00e9gia helyes kiv\u00e1laszt\u00e1sa rendk\u00edv\u00fcl fontos a j\u00e1t\u00e9k folyamat\u00e1ban \u00e9s a gy\u0151zelem el\u00e9r\u00e9s\u00e9ben egyar\u00e1nt. Az AI-nak \u00fagy kell kezelnem az er\u0151forr\u00e1sokat, hogy meger\u0151s\u00edtett sz\u00f6rnyhadat hozzon l\u00e9tre, an\u00e9lk\u00fcl, hogy vesz\u00e9lybe sodorn\u00e1 a labirintus erej\u00e9t. Maximaliz\u00e1lni a sz\u00f6rnyekbe val\u00f3 befektet\u00e9st gazdas\u00e1gilag kedvez\u0151 lehet, de ez n\u00f6veli a kock\u00e1zatot, hogy a sz\u00f6rnyek elfoglalj\u00e1k a vet\u00e9lyt\u00e1rs labirintus\u00e1t. Ha viszont a labirintus v\u00e9delm\u00e9nek meger\u0151s\u00edt\u00e9s\u00e9re tett fogad\u00e1sokra t\u00e1maszkodik, az s\u00falyosan befoly\u00e1solhatja a gazdas\u00e1g\u00e1t. Ezen forgat\u00f3k\u00f6nyvek egyike sem vezet gy\u0151zelemhez. \u00cdgy az Unleashed-ben a probl\u00e9m\u00e1k optimaliz\u00e1l\u00e1sa sz\u00e9lesebb k\u00f6r\u0171, mint a sakk vagy a Starcraft eset\u00e9ben, \u00e9s megk\u00f6veteli azt, hogy valamit fel\u00e1ldozzon, \u00e9s el\u0151re sz\u00e1moljon a nyeres\u00e9g\u00e9vel t\u00f6bb l\u00e9p\u00e9sre. <\/p>\n

Ahogy az AI-t oktatj\u00e1k, sz\u00e1mos kor\u00e1bban figyelembe nem vett probl\u00e9ma mer\u00fcl fel. Kezdetben az AI gyakran el\u00e9rte azt a fejletts\u00e9gi szintet, ahol kezdte meg\u00e9rteni a j\u00e1t\u00e9k egyes aspektusait - p\u00e9ld\u00e1ul, hogy melyik fegyver hat\u00e9kony a labirintusban bizonyos t\u00edpus\u00fa sz\u00f6rnyek ellen, vagy hogy mely sz\u00f6rnyek teljes\u00edtenek a legjobban a labirintus adott r\u00e9szein. De a tanul\u00e1s lass\u00fa volt, \u00e9s monoton strat\u00e9gi\u00e1k kidolgoz\u00e1s\u00e1hoz vezetett. <\/p>\n

<\/p>\n

A p\u00e1rhuzamos megk\u00f6zel\u00edt\u00e9sek sz\u00fcks\u00e9gess\u00e9ge<\/h3>\n

\nMik\u00f6zben az MI, amely g\u00e9pi tanul\u00e1sra \u00e9p\u00fcl, fejl\u0151d\u00e9se lass\u00fa \u00e9s nem k\u00fcl\u00f6n\u00f6sebben sikeres volt, m\u00e1s tesztel\u00e9si \u00e9s fejleszt\u00e9si szakaszokhoz jobb MI-re \u00e9s megb\u00edzhat\u00f3bb versenyt\u00e1rs MI-re volt sz\u00fcks\u00e9g. Az \u0151 megval\u00f3s\u00edt\u00e1sukhoz Utility architekt\u00far\u00e1t haszn\u00e1ltak, amellyel speci\u00e1lis MI-ket lehetett l\u00e9trehozni a j\u00e1t\u00e9k tesztel\u00e9s\u00e9re \u00e9s min\u0151s\u00e9gellen\u0151rz\u00e9s\u00e9re, bels\u0151 j\u00e1t\u00e9ktesztekkel, valamint a fegyverek \u00e9s sz\u00f6rnyek kiegyens\u00falyoz\u00e1s\u00e1val, valamint konkr\u00e9t labirintusok \u00e9s sz\u00f6rnyek l\u00e9trehoz\u00e1s\u00e1val. Az Unleash fejleszt\u00e9se sor\u00e1n azonban a k\u00e9sz\u00edt\u0151k maguk is finom\u00edtott\u00e1k k\u00e9szs\u00e9geiket, \u00e9s \u00fagy d\u00f6nt\u00f6ttek, hogy a megszerzett tud\u00e1st a bonyolultabb Utility MIk l\u00e9trehoz\u00e1s\u00e1ra haszn\u00e1lj\u00e1k. Nyilv\u00e1nval\u00f3v\u00e1 v\u00e1lt, hogy sok, a g\u00e9pi tanul\u00e1sra \u00e9p\u00fcl\u0151 mesters\u00e9ges intelligencia rendszerekn\u00e9l felmer\u00fcl\u0151 probl\u00e9ma k\u00f6nnyen megoldhat\u00f3 Utility rendszerek seg\u00edts\u00e9g\u00e9vel, amelyekben be\u00e9p\u00edtett tud\u00e1s \u00e1ll rendelkez\u00e9sre, \u00e9s ford\u00edtva is. <\/p>\n

P\u00e9ld\u00e1ul hat\u00e9konyabb labirintusokat Utility MIk seg\u00edts\u00e9g\u00e9vel lehet \u00e9p\u00edteni, amelyek tud\u00e1sb\u00e1zisra \u00e9p\u00fclnek, amelyet bels\u0151 tesztek eredm\u00e9nyei alapj\u00e1n \u00e1ll\u00edtottak \u00f6ssze. K\u00f6nnyen le\u00edrhat\u00f3 \u00e9s programozhat\u00f3 a labirintus \u00e9s a benne elhelyezett fegyverek elhelyez\u00e9s\u00e9nek algoritmusa \u00fagy, ahogyan az egy \u00e9l\u0151 j\u00e1t\u00e9kos sz\u00e1m\u00e1ra a legegyszer\u0171bb v\u00e9dekezni a konkr\u00e9t sz\u00f6rnyekkel szemben. A sz\u00f6rnyhadsereg l\u00e9trehoz\u00e1sa az ellenf\u00e9l tud\u00e1sb\u00e1zis\u00e1nak ismeret\u00e9ben azonban komoly kih\u00edv\u00e1st jelentett ezeknek az MIknek, mivel a figyelembe veend\u0151 k\u00fcl\u00f6nf\u00e9le felt\u00e9telek \u00e9s kombin\u00e1ci\u00f3k sz\u00e1ma a k\u00e9pzelet hat\u00e1rait s\u00farolta. Ezzel az architekt\u00far\u00e1val a megfelel\u0151 sz\u00f6rnyk\u00e9szletek keres\u00e9se v\u00e9gtelen id\u0151t venne ig\u00e9nybe. \u00cdgy adott korl\u00e1toz\u00e1sok mellett a m\u00e9lytanul\u00e1s ide\u00e1lis megold\u00e1s lenne erre a feladatra. <\/p>\n

<\/p>\n

Hibrid MI l\u00e9trehoz\u00e1sa<\/h3>\n

\nA hybrid system was developed by combining two approaches: machine learning and Utility-based methods. The idea was to use machine learning where a vast number of game states and combinations needed to be processed or where learning was required. For other tasks, where it was more beneficial to rely on the personal experience of developers, Utility systems were employed. This approach also allows for better control over AI behavior to ensure a more precise alignment with the intended objectives. For example, Utility AI can be used to maintain balance between offense and defense, thus creating varying levels of aggression, or different maze configurations for various AIs to shape their unique playstyles. It is also possible to assign specific value systems to neural networks to develop different preferences for selecting aerial or ground monsters, thereby adding individuality to individual AIs. There are many other options for implementing design solutions, all highlighting the strengths of either type of AI architecture. <\/p>\n

The hybrid approach also addressed another question that arose for the development team during the creation of the AI for Unleash: whether to use a single global deep learning neural network to accommodate all inputs and outputs, or to design the AI with a hierarchical structure. <\/p>\n

\"Hogyan
\nThe two architectures used in Unleash: on the left is a large deep neural network with its own unified architecture, and on the right is a hierarchical system where each network has its own specific task.<\/i><\/p>\n

M\u00e9gis szeretn\u00e9nk egy k\u00f6z\u00f6s megk\u00f6zel\u00edt\u00e9st kialak\u00edtani a mesters\u00e9ges intelligencia rendszer\u00e9hez, amelybe a fejleszt\u0151k nem \u00e9p\u00edtett\u00e9k bele a saj\u00e1t tapasztalataikat. \u00c1m ahogy egyre t\u00f6bb bel\u00e9p\u00e9s t\u00f6rt\u00e9nt a j\u00e1t\u00e9kba, a neur\u00e1lis h\u00e1l\u00f3zat egyre nagyobbra n\u0151tt. Ugyanakkor nem lehetett elk\u00fcl\u00f6n\u00edteni az AI tan\u00edt\u00e1s\u00e1t, \u00e9s csak egy dologra k\u00e9pezni \u0151ket: v\u00e9delemre vagy t\u00e1mad\u00e1sra. \u00cdgy aggodalmak mer\u00fcltek fel, hogy a k\u00f6zvetlenebb megk\u00f6zel\u00edt\u00e9s jelent\u0151s sz\u00e1m\u00edt\u00e1si ig\u00e9nyekhez vezetne. <\/p>\n

Itt mer\u00fclt fel a hierarchikus architekt\u00fara \u00f6tlete, amelyben minden konkr\u00e9t feladatot egy specializ\u00e1lt neur\u00e1lis h\u00e1l\u00f3zat hajt v\u00e9gre. Ennek megfelel\u0151en a mesters\u00e9ges intelligenci\u00e1nak el\u0151sz\u00f6r egy d\u00f6nt\u00e9st kell hoznia az er\u0151forr\u00e1sok t\u00e1mad\u00e1sra (a sz\u00f6rnyhad nagyobb\u00edt\u00e1sa) \u00e9s v\u00e9delemre (labirintus \u00e9p\u00edt\u00e9se) val\u00f3 eloszt\u00e1s\u00e1r\u00f3l. Amint ezt megteszi, a v\u00e1laszt\u00e1s\u00e1nak megfelel\u0151en a k\u00f6vetkez\u0151 r\u00e9teghez l\u00e9p, \u00e9s hozz\u00e1f\u00e9r a j\u00e1t\u00e9k sz\u00fcks\u00e9ges \u00e1llapot\u00e1hoz, majd r\u00e9szletes d\u00f6nt\u00e9seket hoz arr\u00f3l, hogy milyen sz\u00f6rnyeket v\u00e1lasszon \u00e9s milyen fegyvert \u00e1ll\u00edtson be a labirintusban.<\/p>\n

<\/p>\n

K\u00f6vetkeztet\u00e9s \u00e9s tov\u00e1bbi l\u00e9p\u00e9sek<\/h3>\n

\nA hibrid megk\u00f6zel\u00edt\u00e9s, amely az Utility AI-t \u00e9s az abban foglalt g\u00e9pi tanul\u00e1si h\u00e1l\u00f3zatokat tartalmazza, hierarchikus architekt\u00far\u00e1ra eml\u00e9keztet. Ez pedig hasonl\u00edt a biol\u00f3giai agyra, ahol k\u00fcl\u00f6nb\u00f6z\u0151 idegk\u00f6zpontok mindegyike saj\u00e1t feladat\u00e1\u00e9rt felel\u0151s.<\/p>\n

Jelenleg az Unleash-ben l\u00e9v\u0151 ellens\u00e9ges AI-t nagyon neh\u00e9z legy\u0151zni: k\u00e9pes alkalmazkodni a j\u00e1t\u00e9k b\u00e1rmely helyzet\u00e9hez, de a fejleszt\u0151k b\u00e1rmikor v\u00e1ltoztathatj\u00e1k a be\u00e1ll\u00edt\u00e1saikat. A cikk \u00edr\u00f3ja szerint id\u0151vel a hibrid megk\u00f6zel\u00edt\u00e9s sz\u00e9lesebb k\u00f6rben elterjedhet \u00e9s sok m\u00e1s j\u00e1t\u00e9kban is megjelenhet. Tal\u00e1n egyszer siker\u00fcl tiszta form\u00e1ban a g\u00e9pi tanul\u00e1son alapul\u00f3 mesters\u00e9ges intelligenci\u00e1t bevezetni a j\u00e1t\u00e9k folyamat\u00e1ba. De nyilv\u00e1nval\u00f3, hogy ez m\u00e9g id\u0151t ig\u00e9nyel. Jelenleg a c\u00e9l egy olyan architekt\u00fara megtal\u00e1l\u00e1sa, amely \u00f6n\u00e1ll\u00f3an alkalmazkodik a felmer\u00fcl\u0151 feladatokhoz, \u00e9s megtal\u00e1lja az optim\u00e1lis megold\u00e1sokat.
\n
Forr\u00e1s: 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\udd47Hogyan m\u0171k\u00f6dik a hibrid j\u00e1t\u00e9k AI \u00e9s mik a el\u0151nyei | ProHoster","description":"A blogunkban egykor felemelt j\u00e1t\u00e9kos mesters\u00e9ges intelligenci\u00e1r\u00f3l sz\u00f3l\u00f3 t\u00e9ma folytat\u00e1sak\u00e9nt arr\u00f3l besz\u00e9l\u00fcnk, mennyire relev\u00e1ns.","canonical_url":"https:\/\/prohoster.info\/hu\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"hu_HU","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\/hu\/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\/hu\/wp-json\/wp\/v2\/posts\/52119","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/comments?post=52119"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/52119\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/media?parent=52119"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/categories?post=52119"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/tags?post=52119"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}