В 2017 г. 64% домохозяйств в США владеют устройством, на котором играют в видеоигры [1]. С такими высокими цифрами неудивительно, что разработка видеоигр происходила с поразительной скоростью. Поэтому при рассмотрении того, как игры должны развиваться в будущем, целесообразно учитывать ИИ, который учится и напрямую реагирует на каждого игрока [2].

OpenAI, некоммерческая организация, также преуспела в создании адаптивного ИИ для игры Dota 2. OpenAI разработал ИИ, состоящий из 5 нейронных сетей с названием OpenAI Five, способный побеждать любительские команды людей с определенными персонажами Dota 2 (подробнее на сайте: https://dota2-bet.com/ru/) [3].

Для реализации нейронной сети требовалось оборудование с высокими техническими характеристиками, поскольку процесс вычислений очень сложен и постоянно меняется в зависимости от происходящего действия. Для игры против бота или искусственного интеллекта, которая выполняется в автономном режиме, процессы вычислений и вычислений будут выполняться на домашнем персональном компьютере, который не имеет очень высоких спецификаций, поэтому реализация OpenAI не может быть запущена на домашних персональных компьютерах. По-прежнему необходимо альтернативное решение, поэтому ИИ можно реализовать на большинстве компьютеров. Другой более простой метод, который применялся для разработки ИИ в играх, – это метод динамических сценариев.

Предыдущие исследования, которые были проведены для создания адаптивного ИИ, – это «Адаптивный игровой ИИ с динамическими сценариями» Питера Спронка, Марка Понсена, Иды Спринкхейзен-Кайпер и Эрика Постма, которые применили метод динамического сценария к игре Neverwinter Nights.

Dynamic Scripting – это онлайн-машинное обучение, в котором для создания сценария используется база правил. База правил содержит действия, которые можно выбрать, где выборы будут проводиться случайным образом с корректировкой веса, зарегистрированной для каждого действия [5].

Динамические сценарии – более простой метод, потому что с базой правил, которые будут регулировать действия, которые будет выполнять ИИ. Происходящий процесс вычислений будет проще, так что компьютеры с низкими техническими характеристиками смогут беспрепятственно запускать ИИ. Метод динамических сценариев также применялся в игре Dota 2 для создания адаптивного ИИ в исследовании «Реализация динамических сценариев на ИИ Dota 2».

В предыдущем исследовании [5] применение динамических сценариев в AI Dota 2 привело к созданию AI для персонажа «Зевс», который может адаптироваться к тактике и играм из стандартного AI Dota 2, созданного Valve. После 50 раз обучения искусственный интеллект, использующий метод динамических сценариев, может с несправедливыми трудностями добиться 72% -ного выигрыша перед AI Valve. В то время как для борьбы с людьми результаты предыдущих исследований не смогли победить людей [5].

Согласно исследованию, проведенному Эваном Ашером, проблема заключается в том, что в предыдущих исследованиях ИИ предназначался только для использования с одним персонажем и не может использоваться с другими персонажами. Исследование Wanaldi, Yustinus Eko Soelistio, Johan Setiawan “DynaBot: Dynamic Dota 2 bot” обобщены существующие модели из предыдущих исследовании, которые будут использоваться для других персонажей и как производительность других персонажей, использующих ту же модель, будет ли производительность лучше или хуже, чем у персонажей, использованных в предыдущем исследовании [5].

ВЫВОДЫ

В исследовании Wanaldi, Yustinus Eko Soelistio, Johan Setiawan “DynaBot: Dynamic Dota 2 bot” AI побеждал бота по умолчанию в большинстве матчей. Процент побед, полученных AI, составляет 12% для персонажей Sven и 6% для Juggernaut и Terrorblade. Против игроков с MMR 2500 или среднего уровня ИИ вообще не может победить.

Из этого исследования можно сделать вывод, что обобщение метода, использованного в предыдущем исследовании [6], оказалось неудачным. ИИ не может чему-либо научиться из каждой игры, в которую играл ИИ, потому что противники, с которыми столкнулся ИИ, имеют очень разные характеристики. Для будущих работ можно попробовать дать ИИ другой «мозг» для работы с каждым персонажем в игре Dota 2.

Использованные источники

  1. “Essential  Facts  About  Computer  and  Video  Game  Industry  – Entertainment  Software  Association,”  2018.  [Online].  Available: theesa.com/esa-research/2018-essential-facts-about-the- computer-and-video-game-industry/. [Accessed 2018].
  2. David J. King, Cassie Bennett, “An Investigation of Two Real Time Machine Learnging Techinques that Could Enhance the Adaptability of Game AI,” 2016.
  3. OpenAI, “OpenAI Five,” 18 June 2018. [Online]. Available: https://openai.com/blog/openai-five/.
  4. Pieter Spronck, Marc Ponsen, Ida Sprinkhuizen-Kuyper, Eric Postma, “Adaptive Game AI with Dynamic Scripting,” 2006.
  5. E. Asher, “Impelemntasi Dynamic Scripting pada AI Dota 2,” 2018. [6]    Christoph  Eggert,  Marc  Herrlich,  Jan  Smeddinck,  Rainer  Malaka, “Classification of Player Roles in the Team-basedMulti-player Game Dota 2,” 2015.
  6. L. D. 2, “The Chongqing Major: Statistics – Liquipedia Dota 2,” 2019. [Online].        Available:  liquipedia.net/dota2/Chongqing_Major/2019/Statistics.
  7. D.  2.  Gamepedia,  “Sven  –  Dota  2  Gamepedia,”  2019.  [Online]. Available: dota2.gamepedia.com/Sven. [Accessed 2019].
  8. D. 2. Gamepedia, “Juggernaut – Dota 2 Gamepedia,” 2019. [Online]. Available: https://dota2.gamepedia.com/Juggernaut. [Accessed 2019].
  9. D. 2. Gamepedia, “Terrorblade – Dota 2 Gamepedia,” 2019. [Online]. Available:  https://dota2.gamepedia.com/Terrorblade.  [Accessed 2019].

DynaBot: Dynamic Dota 2 bot
Wanaldi, Yustinus Eko Soelistio, Johan Setiawan

Добавить комментарий