چگونه هوش مصنوعی می‌تواند بازی‌های رومیزی را بهتر کند؟

بازی‌های رومیزی مدت‌هاست که برای پژوهشگران هوش مصنوعی جذابیت داشته‌اند. این بازی‌ها قوانین شفاف، میدان‌های بازی مشخص و برندگان و بازندگان عینی دارند. این ویژگی‌ها آن‌ها را به «زمین‌های آزمایشی» ایده‌آلی برای آموزش نرم‌افزارهای هوش مصنوعی تبدیل کرده است. با این حال، گاهی اوقات قوانین این بازی‌ها دارای اشکالاتی هستند. طرفداران بازی «گو» احتمالاً با «نبردهای کو» (Ko fights) آشنا هستند؛ موقعیت‌هایی که در آن قوانین پایه‌ای بازی امکان ادامه بی‌پایان آن را فراهم می‌کنند و نیاز به ایجاد یک استثنا در قوانین دارند. هوش مصنوعی می‌تواند در جلوگیری از مشکلات مشابه در بازی‌های تازه طراحی‌شده کمک کند.

این، حداقل تجربه «آلن والات»، طراح بازی رومیزی اهل لندن است. جدیدترین اثر او با عنوانSirius Smugglersدرباره تاجران بی‌ن‌ستاره‌ای است که سعی در کسب سود غیرقانونی دارند. در گذشته، بررسی قوانین چنین بازی‌ای نیازمند انجام آزمایش‌های متعدد توسط بازیکنان انسانی بود، افرادی که احتمالاً انتظار دریافت پاداشی مانند نوشیدنی یا حتی پول نقد داشتند.

اما این بار او ایده خود را به یک استارتاپ هوش مصنوعی به نام «Tabletop R&D» برد. در آنجا یک الگوریتم بازی‌سازی به او این امکان را داد که هزاران بار بازی را در یک چشم به‌هم زدن انجام دهد. سپس او توانست نتایج را برای یافتن بی‌نظمی‌ها، سوگیری‌های آماری و هر ویژگی‌ای که کمتر یا بیشتر از حد استفاده شده باشد، بررسی کند.

کشف و اصلاح یک مشکل اساسی

در جریان این تحلیل‌ها، او به یک مشکل در قوانین پی برد. یک ایراد در قوانین باعث می‌شد تصمیم برای پایان بازی در دستان بازیکنان بازنده باشد. کسی که در صدر جدول امتیازات بود و بیشترین انگیزه را برای تمام کردن بازی داشت، گاهی به تنهایی نمی‌توانست شرایطی را برای خاتمه بازی ایجاد کند. درست مانند بازی «گو» بدون استثنای نبرد کو، بازیSirius Smugglersنیز می‌توانست بی‌پایان ادامه پیدا کند.

استفاده از هوش مصنوعی برای تحلیل بازی‌ها

پشت این استارتاپ، «دیگو پرز-لیبانا» و «رالوکّا گینا»، دو دانشمند علوم کامپیوتر از کالج «کوئین مری» دانشگاه لندن قرار دارند. آن‌ها قصد داشتند پلتفرمی عمومی برای بازی‌های هوش مصنوعی ایجاد کنند. روش‌هایی که مدل‌های هوش مصنوعی قادر به بازی «گو» در سطحی فراتر از قهرمانان جهان را ایجاد می‌کنند، شامل بازی مکرر سیستم با خودش و یادگیری از پیروزی‌ها و شکست‌ها تا رسیدن به پتانسیلی فوق انسانی است.

اما این روش نیاز به زمان پردازشی زیادی دارد. بنابراین آن‌ها تصمیم گرفتند از رویکردی با منابع کمتر به نام «جستجوی درخت مونت‌کارلو» استفاده کنند که به بررسی موقعیت‌های احتمالی آینده می‌پردازد و حرکت مناسب را از بین آن‌ها انتخاب می‌کند. به گفته دکتر «پرز-لیبانا»، این پروژه در ابتدا یک تمرین علمی بود اما آن‌ها متوجه شدند که تصادفاً ابزاری ساخته‌اند که به خودی خود ارزشمند است و می‌تواند به طراحان بازی در بهینه‌سازی آثارشان کمک کند.

شبیه‌سازی بازی‌های واقعی با هوش مصنوعی

برای اینکه این ابزار به طراحان کمک کند، هوش مصنوعی باید یاد بگیرد که شبیه انسان‌ها بازی کند. اگر به‌طور دیگری آموزش ندیده باشند، هوش مصنوعی‌ها ممکن است با ذهنیتی تک‌بعدی و بدون چشم‌انداز استراتژیک به دنبال پیروزی باشند، مانند بازیکن شطرنجی که حاضر نیست قربانی دادن مهره‌ها را برای موقعیتی قوی‌تر در آینده بپذیرد.

در بازی‌هایی که اطلاعات برای بازیکنان مخفی نگه داشته می‌شود (مانند بازی‌های کارتی مثل پوکر)، طراحان باید تصمیم بگیرند که آیا به هوش مصنوعی اجازه دهند بازی‌های قبلی را به‌طور کامل به خاطر بسپارد و دست‌ها را با دقت بشمارد یا اینکه به شیوه‌ای «شُل‌تر» و انسان‌مانند عمل کند.

با افزایش زمان فکر کردن هوش مصنوعی، می‌توان مهارت بازی آن را تنظیم کرد. برای شبیه‌سازی بازیکنان مبتدی، می‌توان هوش مصنوعی را طوری تنظیم کرد که تنها یک‌دهم ثانیه برای هر حرکت فکر کند. برای شبیه‌سازی بازیکنان باتجربه‌تر، می‌توان به آن پنج ثانیه زمان داد تا چندین حرکت جلوتر را برنامه‌ریزی کند.

به گفته دکتر «گینا»، وقتی این مدل‌ها خوب باشند، واقعاً خوب هستند. او اعتراف می‌کند که هنگام آزمایش روش با نسخه‌ای از بازی پیچیدهTerraforming Marsسیستم بیشتر مواقع قادر به شکست دادن او بوده است.

ابزارهایی برای بهینه‌سازی بازی‌ها

یک شبیه‌سازی بازی اطلاعات مفصل کافی را برای تنظیم پارامترهای مدنظر طراحان فراهم می‌کند، از اطمینان از عادلانه بودن رقابت‌ها تا اجتناب از دوره‌های طولانی گیم‌پلی خسته‌کننده. دکتر «گینا» می‌گوید که اگرچه اندازه‌گیری «سرگرمی» دشوار است، شناسایی مواردی که یک بازی را بد می‌کند مانند ادامه بی‌پایان آسان‌تر است.

«آلن والات» اولین مشتری این استارتاپ است. ممکن است به زودی مشتریان بیشتری نیز به این ابزار علاقه‌مند شوند. در نهایت، هدف این است که تجربه گیم‌پلی را به بهترین حالت ممکن ارتقا دهند. طراحی بازی‌های رومیزی بهتر با کمک هوش مصنوعی، قدمی نوین برای ساخت سرگرمی‌هایی هوشمندانه‌تر و جذاب‌تر است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.