{"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\/sv\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","title":{"rendered":"Hur hybrid gaming AI fungerar och dess f\u00f6rdelar","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

I fortsatt av en tidligere snakket tema i bloggen v\u00e5r spillkunstig intelligens<\/a><\/noindex> skal vi snakke om hvor relevant maskinl\u00e6ring er for dette, og i hvilken form. Om sine erfaringer og de l\u00f8sningene valgt p\u00e5 dette grunnlaget delte<\/a><\/noindex> ekspert p\u00e5 AI-sp\u00f8rsm\u00e5l i Apex Game Tools, Jakob Rasmussen.<\/p>\n

\"Hur
\n
\nI de senere \u00e5r har det v\u00e6rt mye diskusjon om at maskinl\u00e6ring vil endre spillindustrien radikalt, ettersom denne teknologien allerede har blitt banebrytende innen mange andre digitale applikasjoner. Men man m\u00e5 ikke glemme at spill er langt mer komplekse enn en bilkj\u00f8ringssimulator, dronestyringsprogrammer eller ansiktsgjenkjenningsalgoritmer. <\/a><\/noindex><\/p>\n

Fremdeles i spillindustrien brukes tradisjonelle metoder for AI, som metoden med endelige automater, atferdstr\u00e6r og - i \u00f8kende grad - nyttebasert AI (systemer basert p\u00e5 nytte). Denne AI kalles ogs\u00e5 design-basert (kunstnerisk designintelligens) eller ekspertverkt\u00f8y. Men det blir stadig mer \u00e5penbart - og f\u00f8rst og fremst for spillerne - at disse systemene blir mindre egnet til \u00e5 skape virkelig avanserte motstandere som kan imitere spillernes atferd. Dette gjelder spesielt kreative l\u00f8sninger. Dette kan forklares med at utviklere av kunstig intelligens ikke klarer \u00e5 ta hensyn til alle mulige taktikker og strategier for atferd og implementere dem vellykket i tradisjonelle AI-systemer. For spillere f\u00f8rer dette ofte til at det blir kjedelig og forutsigbart \u00e5 spille mot en motstander med en atferdslinje som er lett \u00e5 huske.<\/p>\n

Et slikt resultat kommer av mange grunner, men en av hoved\u00e5rsakene er AI sin manglende evne til \u00e5 l\u00e6re. Derfor kommer man, n\u00e5r man lager kunstig intelligens for motstanderen, automatisk til \u00e5 tenke p\u00e5 overgangen til maskinl\u00e6ring som har bevist seg vellykket i mange andre anvendelser. Men det er flere spesifikasjoner man b\u00f8r ta hensyn til. Spill-AI m\u00e5 kunne tilpasse seg enhver situasjon og bruke fordelene den gir, samt tilpasse seg forskjellige spillestiler hos motstandere - b\u00e5de levende spillere og andre AI. <\/p>\n

<\/p>\n

Hur l\u00e4get ser ut nu<\/h3>\n

\nDet brittiska f\u00f6retaget DeepMind, som arbetar med utvecklingen av artificiell intelligens, har nyligen visat hur AI kan l\u00e4ra sig sj\u00e4lv att spela spel, f\u00f6rst\u00e5 reglerna och hitta s\u00e4tt att genomf\u00f6ra spelet eller vinna \u2014 \u00e5tminstone hittills bara med enkla spel som tidiga spel. Atari<\/a><\/noindex> \u2014 till exempel schack och det japanska logikspelet go. Resultaten som erh\u00f6lls f\u00f6r dessa visar att artificiell intelligens kan bilda en adekvat bed\u00f6mning av vad som h\u00e4nder p\u00e5 spelplanen. N\u00e4r det g\u00e4ller AI:s anpassning till olika motst\u00e5ndarstilar \u00e4r resultaten dock inte s\u00e4rskilt imponerande.<\/p>\n

Nu f\u00f6r tiden har neurala n\u00e4tverk redan l\u00e4rt sig att k\u00e4nna igen bilder och k\u00f6ra bilar. Men dessa funktioner kan ocks\u00e5 implementeras med relativt enkla arkitekturer, \u00e4ven om de i slut\u00e4ndan kan visa sig ganska djupa och omfattande. Till exempel har AI f\u00f6r bildigenk\u00e4nning p\u00e5 Facebook en djup av cirka 100 lager, vilket g\u00f6r att den p\u00e5minner om en biologisk hj\u00e4rna \u2014 i termer av antalet och komplexiteten av kopplingar mellan neuroner som bildar ett stort n\u00e4tverk. <\/p>\n

<\/p>\n

Spel-AI<\/h3>\n

\nN\u00e4r det g\u00e4ller till\u00e4mpningen av maskininl\u00e4rning inom spelindustrin finns det en rad begr\u00e4nsningar som g\u00f6r det sv\u00e5rt att anv\u00e4nda denna typ av arkitektur. Dessa inkluderar systemkrav, s\u00e4rskilt vad g\u00e4ller CPU, som avg\u00f6r datorns f\u00f6rm\u00e5ga att hantera komplexa spelstrukturer och l\u00e4mpligheten f\u00f6r spelber\u00e4ttande och gameplay. <\/p>\n

Det visar sig att det i m\u00e5nga spel inte finns m\u00f6jlighet att organisera den n\u00f6dv\u00e4ndiga h\u00e5rdvaran f\u00f6r att implementera ett komplext artificiellt intelligenssystem, och \u00e4nnu mindre en kluster av servrar som finns, till exempel f\u00f6r bildigenk\u00e4nningsn\u00e4tverk p\u00e5 Facebook. Ibland m\u00e5ste flera AI till och med fungera samtidigt \u2014 inte bara p\u00e5 datorer utan ocks\u00e5 p\u00e5 mobila enheter och andra mindre kraftfulla plattformar. Allt detta l\u00e4gger begr\u00e4nsningar p\u00e5 storleken och komplexiteten hos maskininl\u00e4rningsarkitekturen, eftersom alla ber\u00e4kningar dessutom m\u00e5ste utf\u00f6ras inom en tidsram p\u00e5 cirka 1 eller 2 millisekunder. Sj\u00e4lvklart kan olika optimeringsteknologier och belastningsf\u00f6rdelning mellan bildrutor anv\u00e4ndas, men det g\u00e5r fortfarande inte att helt bli av med dessa begr\u00e4nsningar.<\/p>\n

Komplexiteten i spelet kan ge allvarliga problem f\u00f6r AI. I spel som exempelvis StarCraft II \u00e4r spelmekaniken mycket mer komplex \u00e4n i Atari-spel. D\u00e4rf\u00f6r b\u00f6r man inte f\u00f6rv\u00e4nta sig att maskininl\u00e4rning, givet en viss bildfrekvens och k\u00e4nda systemkrav, n\u00f6dv\u00e4ndigtvis kommer att klara av att f\u00f6rst\u00e5 hela spelets tillst\u00e5nd och interagera med det. Precis som en spelare ofta styrs av intuitionen i de tidiga fasarna av spelet, m\u00e5ste AI ocks\u00e5 l\u00e4ra sig att initialt bearbeta spelstatusen f\u00f6r att f\u00f6renkla den fortsatta progressionen. Till exempel, i en av de senaste API f\u00f6r Starcraft II<\/a><\/noindex> p\u00e5 kartorna visas endast den information som utvecklarna ans\u00e5g vara viktig: i ett fall anv\u00e4nde AI en nedsk\u00e4rd vy av hela kartterritoriet, i det andra \u2014 likt spelaren, kunde den flytta kameran, och dess uppfattning var d\u00e5 begr\u00e4nsad till informationen p\u00e5 sk\u00e4rmen.<\/p>\n

\"Hur
\nVisualisering av AI:n AlphaStar mot spelaren i StarCraft II: p\u00e5 sk\u00e4rmdumpen visas \"r\u00e5\" ursprungliga observationer, aktiviteten hos det neurala n\u00e4tverket, n\u00e5gra av dess m\u00f6jliga handlingar och koordinater, samt den f\u00f6rv\u00e4ntade utg\u00e5ngen av matchen.<\/i><\/p>\n

Detta \u00e4r en s\u00e4rskilt relevant aspekt n\u00e4r det g\u00e4ller spel. Vanligtvis \u00e4r traditionella metoder f\u00f6r maskininl\u00e4rning inte till\u00e4mpliga p\u00e5 spelens artificiella intelligens. Till exempel beh\u00f6ver den oftast inte vinna eller g\u00f6ra allt som kr\u00e4vs f\u00f6r att segra, som var fallet med Atari-spelen. Ofta best\u00e5r AI:ns roll av att g\u00f6ra spelet mer engagerande. Den kan beh\u00f6va spela en roll och bete sig som karakt\u00e4ren den representerar. S\u00e5ledes \u00e4r spel-AI mer kopplade till speldesign och ber\u00e4ttande och m\u00e5ste ha de verktyg som kr\u00e4vs f\u00f6r att styra sitt beteende mot att n\u00e5 ett specificerat m\u00e5l. Ren maskininl\u00e4rning \u00e4r inte alltid tillr\u00e4cklig f\u00f6r detta \u2014 vilket inneb\u00e4r att vi m\u00e5ste leta efter n\u00e5got annat. <\/p>\n

<\/p>\n

Praktiska problem med maskininl\u00e4rning<\/h3>\n

\nDessa problem uppstod vid utvecklingen av artificiell intelligens baserad p\u00e5 maskininl\u00e4rning f\u00f6r Unleash<\/a><\/noindex>, d\u00e4r AI m\u00e5ste bete sig som vanliga spelare \u2014 det vill s\u00e4ga vara lika flexibla och fyndiga. <\/p>\n

Precis som Starcraft II \u00e4r Unleashed mycket mer komplex \u00e4n schack och go f\u00f6r Atari. Spelet \u00e4r intuitivt och l\u00e4tt att f\u00f6rst\u00e5, men f\u00f6r att verkligen lyckas kr\u00e4vs det specifika f\u00e4rdigheter i meta-hantering. Spelaren m\u00e5ste bygga labyrinter, skicka monster mot fiender och t\u00e4nka igenom sin strategi kring ekonomi, anfall och f\u00f6rsvar av byggnader under hela spelets g\u00e5ng. F\u00f6r detta m\u00e5ste hen bluffa och f\u00f6ruts\u00e4ga motst\u00e5ndarens drag samt hantera den psykologiska metan \u2014 det \u00e4r just detta som g\u00f6r poker till n\u00e5got mer \u00e4n bara ett statistiskt spel.<\/p>\n

\"Hur
\nSk\u00e4rmdump fr\u00e5n Unleashed<\/i><\/p>\n

I jakten p\u00e5 den mest l\u00e4mpliga arkitekturen f\u00f6r dessa \u00e4ndam\u00e5l implementerades s\u00e5dana teknologier som neuroevolution<\/a><\/noindex> och djupinl\u00e4rning i spelet n\u00e4stan of\u00f6r\u00e4ndrat och testades f\u00f6r att se hur de presterade i sitt r\u00e5a skick som motst\u00e5ende AI. <\/p>\n

Det var fruktansv\u00e4rt. <\/p>\n

Det blev snabbt uppenbart att Unleashed beh\u00f6vde l\u00f6sa m\u00e5nga globala problem som \u00e4r sv\u00e5ra att anpassa maskininl\u00e4rning till. <\/p>\n

En av dem \u00e4r att bygga en effektiv labyrint. Precis som i m\u00e5nga tornf\u00f6rsvarsspel m\u00e5ste spelarna h\u00e4r skapa en labyrint runt tornet f\u00f6r att stoppa monster som f\u00f6rs\u00f6ker ta sig igenom. Spelarna m\u00e5ste eliminera dem med hj\u00e4lp av vapen placerade runt om i labyrinten. Idealisk \u00e4r labyrinten s\u00e5 l\u00e5ng som m\u00f6jligt, s\u00e5 att spelarna hinner orsaka tillr\u00e4ckligt med skada innan monstren n\u00e5r tornet. Vissa vapen \u00e4r mer effektiva mot vissa typer av monster, s\u00e5 de b\u00f6r placeras i labyrinten f\u00f6re de andra f\u00f6r att f\u00f6rst\u00e4rka effektiviteten. Det speciella med Unleash \u00e4r att det inte finns n\u00e5got perfekt labyrint: i spelet finns det s\u00e5 m\u00e5nga typer av monster att n\u00e5gon av dem f\u00f6rr eller senare kommer att ta sig igenom en del av labyrinten. Varje labyrint beh\u00f6ver anpassas efter nya monster som sl\u00e4pps av andra spelare. D\u00e4rf\u00f6r var det n\u00f6dv\u00e4ndigt att inte bara tr\u00e4na AI att bygga labyrinter - det kr\u00e4vdes ocks\u00e5 att l\u00e4ra AI att skapa effektiva labyrinter f\u00f6r olika scenarier, oavsett om det \u00e4r i spelets tidiga eller senare version. <\/p>\n

AI beh\u00f6vde ocks\u00e5 l\u00e4ra sig att ber\u00e4kna vilka monster som skulle dyka upp i labyrinten. Detta \u00e4r en slags omv\u00e4nd problemst\u00e4llning i f\u00f6rh\u00e5llande till byggandet av labyrinten. Precis som i m\u00e5nga andra spel \u00e4r det i Unleash inte tillr\u00e4ckligt att bara bygga upp en arm\u00e9 och skicka den mot fienden: det \u00e4r ocks\u00e5 viktigt att spionera p\u00e5 fiendens f\u00f6rsvar och strukturera sin arm\u00e9 f\u00f6r att sl\u00e5 mot fiendens svaga punkter s\u00e5 effektivt som m\u00f6jligt. Arm\u00e9n av monster m\u00e5ste interagera p\u00e5 ett s\u00e4tt s\u00e5 att den framg\u00e5ngsrikt kan ta sig igenom labyrinten. Ibland \u00e4r det ocks\u00e5 n\u00f6dv\u00e4ndigt att sl\u00e4ppa ut monster i en viss ordning beroende p\u00e5 deras funktioner och roller. Det h\u00e4r \u00f6kar ocks\u00e5 antalet olika kombinationer.<\/p>\n

Slutligen, eftersom spelaren b\u00e5de m\u00e5ste skapa labyrinter och samla en arm\u00e9 av monster, m\u00e5ste AI:n ocks\u00e5 l\u00e4ra sig att hitta en balans mellan attack och f\u00f6rsvar. Det \u00e4r ocks\u00e5 v\u00e4rt att beakta att ju mer spelaren bygger upp sin arm\u00e9 av monster och ju mer han bygger labyrinten, desto mer resurser beh\u00f6ver han f\u00f6r detta. D\u00e4rf\u00f6r \u00e4r en korrekt angreppsstrategi extremt viktig b\u00e5de f\u00f6r ekonomin under spelets g\u00e5ng och f\u00f6r att vinna. F\u00f6r att s\u00e4kerst\u00e4lla konkurrenskraft m\u00e5ste AI:n kunna f\u00f6rdela resurser s\u00e5 att den kan skapa en kraftfull arm\u00e9 av monster utan att \u00e4ventyra labyrintens styrka. Att satsa allt p\u00e5 monster kan vara ekonomiskt f\u00f6rdelaktigt, men detta \u00f6kar risken f\u00f6r att motst\u00e5ndarens monster tar \u00f6ver labyrinten. Om man ist\u00e4llet satsar p\u00e5 att st\u00e4rka labyrintens f\u00f6rsvar kan detta skada ens ekonomi. Inga av dessa scenarier kommer att leda till seger. S\u00e5ledes visar sig optimeringsproblemet i Unleashed vara mer omfattande \u00e4n i fallet med schack eller Starcraft, och inkluderar behovet av att offra n\u00e5got och ber\u00e4kna sin nytta flera steg fram\u00e5t. <\/p>\n

I takt med att den artificiella intelligensen l\u00e4r sig uppst\u00e5r en m\u00e4ngd tidigare o\u00f6verv\u00e4gda problem. Till exempel, i b\u00f6rjan n\u00e5dde AI:n ofta en viss utvecklingsniv\u00e5 d\u00e4r den b\u00f6rjade f\u00f6rst\u00e5 vissa aspekter av spelet \u2014 till exempel vilket vapen i labyrinten som \u00e4r effektivt mot specifika typer av monster eller vilka monster som b\u00e4st tar sig igenom vissa delar av labyrinten. Men l\u00e4randet var l\u00e5ngsamt och ledde till att enformiga strategier utvecklades. <\/p>\n

<\/p>\n

Behovet av parallella tillv\u00e4gag\u00e5ngss\u00e4tt<\/h3>\n

\nMedan AI-utbildning, baserad p\u00e5 maskininl\u00e4rning, utvecklades l\u00e5ngsamt och inte s\u00e4rskilt framg\u00e5ngsrikt, blev b\u00e4ttre AI och mer p\u00e5litliga konkurrerande AI n\u00f6dv\u00e4ndiga f\u00f6r andra test- och utvecklingsfaser. F\u00f6r att genomf\u00f6ra detta anv\u00e4ndes Utility-arkitekturen, som g\u00f6r det m\u00f6jligt att skapa specialiserade AI f\u00f6r testning och kvalitetskontroll av spel, in-game-tester och balansering av vapen och fiender, samt f\u00f6r att skapa specifika labyrinter och monster. Under utvecklingen av Unleash finslipade skaparna sj\u00e4lva sina f\u00e4rdigheter i att navigera genom den, och beslutade sedan att anv\u00e4nda den kunskap de f\u00e5tt f\u00f6r att skapa en mer avancerad Utility AI. Det blev tydligt att m\u00e5nga problem som uppst\u00e5r i AI-system baserade p\u00e5 maskininl\u00e4rning enkelt kan l\u00f6sas med hj\u00e4lp av Utility-system som anv\u00e4nder den kunskap de inneh\u00e5ller, och vice versa. <\/p>\n

Till exempel \u00e4r det b\u00e4ttre att bygga mer effektiva labyrinter med hj\u00e4lp av Utility AI, baserade p\u00e5 kunskapsbaser skapade fr\u00e5n resultaten av interna tester. Det \u00e4r l\u00e4tt att beskriva och programmera en algoritm f\u00f6r att bygga en labyrint och placera vapen i den p\u00e5 ett s\u00e4tt som g\u00f6r det enklare f\u00f6r en levande spelare att f\u00f6rsvara sitt torn mot specifika monster. Men att skapa en arm\u00e9 av monster baserat p\u00e5 kunskapsbasen om fienden visade sig vara en utmaning f\u00f6r s\u00e5dana AI, eftersom antalet olika f\u00f6rh\u00e5llanden och kombinationer som m\u00e5ste beaktas var \u00f6verv\u00e4ldigande. Med den h\u00e4r typen av AI-arkitektur skulle det ta o\u00e4ndligt l\u00e5ng tid att hitta l\u00e4mpliga sv\u00e4rd av monster. D\u00e4rf\u00f6r skulle djupinl\u00e4rning vara den idealiska l\u00f6sningen f\u00f6r denna uppgift, under givna begr\u00e4nsningar. <\/p>\n

<\/p>\n

Skapande av hybrida AI<\/h3>\n

\nS\u00e5 det beslutades att kombinera tv\u00e5 metoder och p\u00e5 s\u00e5 s\u00e4tt skapa ett hybrid-system f\u00f6r artificiell intelligens baserat p\u00e5 maskininl\u00e4rning och Utility. Id\u00e9n var att d\u00e4r det var n\u00f6dv\u00e4ndigt att bearbeta ett stort antal kombinationer och spelsituationer, eller d\u00e4r det kr\u00e4vdes en viss tr\u00e4ning, anv\u00e4ndes maskininl\u00e4rning. F\u00f6r andra uppgifter, d\u00e4r det \u00e4r b\u00e4ttre att f\u00f6rlita sig p\u00e5 utvecklarnas personliga erfarenhet, anv\u00e4ndes Utility-system. F\u00f6rdelen med denna metod \u00e4r att man vid behov kan b\u00e4ttre kontrollera AI:ns beteende f\u00f6r att s\u00e4kerst\u00e4lla dess exakta efterf\u00f6ljande av det givna m\u00e5let. Till exempel kan man anv\u00e4nda Utility AI f\u00f6r att s\u00e4kerst\u00e4lla balans mellan anfall och f\u00f6rsvar och p\u00e5 s\u00e5 s\u00e4tt skapa olika niv\u00e5er av aggressivitet, eller s\u00e5 kan man skapa olika labyrinkonfigurationer f\u00f6r olika AI f\u00f6r att forma individuella spelstilar. Man kan ocks\u00e5 ge neuronn\u00e4t vissa v\u00e4rdesystem f\u00f6r att forma olika preferenser i valet av flygande eller markbaserade monster och p\u00e5 s\u00e5 s\u00e4tt ocks\u00e5 ge vissa AI en personlig pr\u00e4gel. Det finns m\u00e5nga andra alternativ f\u00f6r att realisera projektl\u00f6sningar, och alla dessa framh\u00e4ver styrkorna hos de olika typerna av AI-arkitektur. <\/p>\n

Den hybrida metoden var ocks\u00e5 svaret p\u00e5 en annan fr\u00e5ga som st\u00e4lldes till utvecklarteamet under utvecklingen av AI f\u00f6r Unleash: Ska man anv\u00e4nda ett enhetligt globalt djupt neuronn\u00e4t baserat p\u00e5 maskininl\u00e4rning f\u00f6r att ta h\u00e4nsyn till alla in- och utdata, eller \u00e4r det b\u00e4ttre att utforma AI med en hierarkisk struktur? <\/p>\n

\"Hur
\nDe tv\u00e5 arkitekturer som anv\u00e4ndes i Unleash: till v\u00e4nster \u2014 ett stort djupt neuronn\u00e4t med sin egen enhetliga arkitektur, till h\u00f6ger \u2014 ett hierarkiskt system d\u00e4r varje n\u00e4tverk har sin egen uppgift.<\/i><\/p>\n

Och \u00e4nd\u00e5 skulle jag vilja skapa en gemensam strategi f\u00f6r artificiell intelligens, d\u00e4r utvecklarna inte skulle ha inf\u00f6rt sin egen erfarenhet i arkitekturen. Ju fler ing\u00e5ngar som genomf\u00f6rdes i spelet, desto mer v\u00e4xte neuronn\u00e4tverket. Samtidigt kunde man inte separera tr\u00e4ningen av AI och l\u00e4ra dem n\u00e5got enskilt: antingen f\u00f6rsvar eller anfall. Det fanns farh\u00e5gor om att en mer generell ansats skulle leda till en betydande \u00f6kning av antalet ber\u00e4kningar. <\/p>\n

H\u00e4rifr\u00e5n uppstod id\u00e9n om att skapa en hierarkisk arkitektur d\u00e4r varje specifik uppgift utf\u00f6rdes av ett specialiserat neuronn\u00e4t. Enligt denna id\u00e9 m\u00e5ste den artificiella intelligensen f\u00f6rst fatta beslut om resursf\u00f6rdelning f\u00f6r anfall (\u00f6kning av monsterarm\u00e9n) och f\u00f6rsvar (byggande av labyrinter). N\u00e4r den har gjort detta g\u00e5r den vidare till n\u00e4sta lager enligt sitt val och f\u00e5r tillg\u00e5ng till den n\u00f6dv\u00e4ndiga delen av spelets tillst\u00e5nd, varefter den fattar detaljerade beslut om vilka monster som ska v\u00e4ljas och vilken typ av vapen som ska installeras i labyrinten.<\/p>\n

<\/p>\n

Slutsats och n\u00e4sta steg<\/h3>\n

\nMed en hybridmetod p\u00e5minner Utility AI med inbyggda maskininl\u00e4rningsn\u00e4t om en hierarkisk arkitektur. Den liknar i sin tur den biologiska hj\u00e4rnan, d\u00e4r olika nervcentraler ansvarar f\u00f6r sina specifika uppgifter.<\/p>\n

F\u00f6r n\u00e4rvarande \u00e4r det mycket sv\u00e5rt att besegra AI-motst\u00e5ndaren i Unleash: de kan anpassa sig till vilken situation som helst i spelet, men utvecklarna kan \u00e4ndra deras inst\u00e4llningar efter eget sk\u00f6n. Enligt artikelf\u00f6rfattaren b\u00f6r den hybridmetoden \u00f6ver tid bli mer spridd och dyka upp i m\u00e5nga andra spel. Kanske kommer det en dag att vara m\u00f6jligt att inf\u00f6ra ren maskininl\u00e4rningsbaserad artificiell intelligens i spelprocessen. Men uppenbarligen kommer det fortfarande att ta tid. Under tiden \u00e4r m\u00e5let att hitta en s\u00e5dan arkitektur som kan anpassa sig till de uppgifter som st\u00e4lls framf\u00f6r den och hitta optimala s\u00e4tt att l\u00f6sa dem.
\n
K\u00e4lla: 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\udd47Hur den hybrida spel-AI fungerar och dess f\u00f6rdelar | ProHoster","description":"Som en forts\u00e4ttning p\u00e5 det som tidigare tagits upp i v\u00e5r blogg om spelens artificiella intelligens kommer vi att prata om hur till\u00e4mpligt det \u00e4r.","canonical_url":"https:\/\/prohoster.info\/sv\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sv_SE","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\/sv\/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\/sv\/wp-json\/wp\/v2\/posts\/52119","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/comments?post=52119"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/52119\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media?parent=52119"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/categories?post=52119"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/tags?post=52119"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}