Новая технология AI позволит персонажам видеоигр улучшать свой алгоритм, обучаясь на протяжении игрового процесса
Привет. В течение многих лет разработчики видеоигр использовали искусственный интеллект для анимации тех персонажей, с которыми сталкивался игрок, но неигровые персонажи или NPC были основаны на наборах алгоритмов, строго запрограммированных людьми. Используя технологию AI и машинное обучение, будущие NPC будут сами программировать и перепрограммировать свои собственные алгоритмы, основываясь на опыте, с которым они сталкиваются в играх, становясь умнее по мере игрового процесса.
Сегодня крупный разработчик программного обеспечения для игр - компания Unity Technologies анонсировала Unity Machine Learning Agents - программное обеспечение с открытым исходным кодом, связывающие свой игровой движок с программами машинного обучения, такими как TensorFlow от Google. Это позволит неигровым персонажам посредством проб и ошибок разработать для себя более совершенные, более творческие стратегии, чем может запрограммировать человек.
Новый инструмент AI-link Unity не ограничивается виртуальными персонажами. Программное обеспечение также может ускорить разработку реальных автономных систем, таких как беспилотные автомобили, неустанно тренируя их в разрастающихся, созданных компьютером, но реалистичных виртуальных условиях.
Unity не изобретала эти технологии, но упростило их использование. Например, DeepMind от Google использует глубокое обучение с подкреплением, чтобы научить агентов AI играть в видеоигры 1980-х годов, такие как Breakout, и, в частности, освоить знаменитую сложную древнекитайскую игру Go.
Существует также множество примеров обучения самодвижущимся системам в игровых средах. Приложение Virtual Test Drive от MSC Software обеспечивает моделирование обучения автомобиля. Такие игры, как Open Racing Car Simulator и Euro Truck Simulator 2, также используются для виртуального обучения автономных автомобилей. И новая лаборатория Nvidia использует конкурирующий движок Unreal Engine от Epic Games для создания реалистичных виртуальных сред для обучения алгоритмам, управляющим реальными роботами.
Новые инструменты ML-Agents, которые теперь доступны в бета-версии GitHub, устранят дни или даже недели установки соединений между игровым движком и программным обеспечением AI.
Умные игры
Компания Unity показала пример потенциала глубокого обучения в начале этого года, который легко разделался с мобильной игрой Crossity Road, основанной на движке Unity, которая стала хитом 1980-х годов.
Цыпленок должен пересекать бесконечно широкую дорогу, возвращаясь на точку старта каждый раз, когда она попадает под грузовик. С задачей на максимизацию очков начинается процесс обучения.
Сначала цыпленок носится, как пьяный, идущий то назад, то вперед, и сталкивается с грузовиками с одинаковой интенсивностью. После нескольких часов проб и ошибок, в сочетании с машинным обучением, чтобы определить лучшую тактику, птица несется по дороге с ювелирной точностью.
Более сложные неиграемые персонажи могут обучаться более тонким целям, например, максимизация времени воспроизведения персонажей, управляемых людьми, в стрелялках от первого лица.
Не ожидайте таких виртуальных самообучаемых противников в ближайшее время. Построение NPC с глубоким обучением по-прежнему является научным экспериментом для ученых и исследовательских групп технических компаний. Но процесс может ускориться, если ML-агенты Unity упростят эксперименты с миллионами зарегистрированных разработчиков, даже без больших бюджетов.
Движки видеоигр, такие, как Unity и Unreal, могут теперь моделировать физику реального мира с предельной точностью. От взаимодействия света и ландшафта до взаимодействия между резиновой шиной и бетонной дорогой, игры обеспечивают виртуальную среду, достаточно точную для обучения реального робота.
Используя процесс, называемый процедурным рендерингом, игровой движок может синтезировать «на лету» практически неограниченное количество километров фотореалистичной дороги для её прохождения. Программное обеспечение машинного обучения анализирует видеопотоки из игр и узнает, как точно интерпретировать то, что он видит.
Это очень похоже на то, что у вас есть автомобиль, который едет по городу, снимая его на видео для использования полученных данных в машинном обучении компании Uber, но эти данные не маркированы, для понимания их машиной, каждый объект должен быть обозначен, как "дерево" или "человек" и т.п. В виртуальном обучении каждый объект в сцене уже помечен, потому что программное обеспечение, подобное Unity или Unreal, создало его фотореалистичную версию.
Беспилотные автомобили сейчас являются гигантскими технологическими проектами, в которые вкладывают ресурсы крупные автопроизводители и компании из Силиконовой Долины. Но, также как такие Unity, упрощает разработку видеоигр небольшим разработчикам, ML-Agents от Unity может помочь разработчикам небольших роботов.
