بازي‌هاي رایانه‌ای از ابتدا تاكنون پيشرفت زيادي داشته‌اند؛ از ابتدا كه بازي‌ها مبتني بر متن بود تا بازي‌هاي دوبعدي و سه‌بعدي كه روز به روز در حال پيشرفت هستند.
آنچه بيشتر در بازي‌هاي رایانه‌ای جلب توجه مي‌كند گرافيك بالاي آنهاست. معمولا كساني كه اهل این‌گونه بازي‌ها هستند از بازي با گرافيك بالا به وجد مي‌آيند. اين در حالي است كه اگر هوش مصنوعي از بازي‌ها حذف شود، ديگر هيچ‌كس رقبتي براي سرگرمی‌نخواهد داشت. بدون هوش مصنوعي رقيب‌ها و دشمنان نمي‌توانند حركت‌هاي يكپارچه و پيش‌بيني نشده انجام دهند و شما براحتي قادر خواهيد بود آنها را شكست دهيد و هميشه پيروز ميدان باشيد!
هوش مصنوعي راه‌هاي زيادي براي كمك به ساخت بازي‌ها دارد كه برجسته‌ترين آنها درك محيط، تجزيه و تحليل وضعيت، يادگيري، هماهنگي گروهي، انتخاب هدف، مسيريابي و يادگيري است.
مسائلي كه هوش مصنوعي آنها را حل كرد
مسائل زيادي در بازي‌ها وجود دارد كه مربوط به شخصيت‌ها يا عواملی از بازي هستند كه به وسیله رایانه هدايت مي‌شوند؛ مانند رقيب‌ها در يك مسابقه اتومبيلراني. 3 مسأله اصلي وجود دارد كه اكثر بازي‌ها با آن مواجه هستند و عبارتند از: حركات، تصميم‌گيري و يادگيري اين عامل‌ها. این سه اصل قابل توجه، وظایفی را موجب می‌شود كه انجام آنها به عهده هوش مصنوعي است. در ادامه به توضيح هر يك از اين مسائل و راه‌حل هوش مصنوعي براي آنها مي‌پردازيم.
حركات عامل با استفاده از مسيريابي
يك بازي كامپيوتري بايد راه‌هايي را فراهم كند تا عامل‌هاي كامپيوتري بتوانند در دنياي بازي پويا باشند، مثلا وقتي دشمن در يك طرف ساختمان و شما در طرف ديگر قرار داريد، دشمن باید بتواند شما را بيابد. اين كار بايد به بهترین شكل انجام شود، حتي اگر شما دائما در حال حركت در ساختمان باشيد. روش‌هاي جستجوي هوش مصنوعي براي پيدا كردن مسير در بازي‌ها استفاده مي‌شوند بویژه الگوريتم جستجوي *A كه كوتاه‌ترين مسير را بين 2 نقطه پيدا مي‌كند. توسعه‌دهندگان بازي‌ها استفاده از *A را دوست دارند، زیرا الگوريتم بسيار انعطاف‌پذيري است و همچنین به صورت كوركورانه محيط را جستجو نمي‌كند و سعي دارد با كمترين حركات اضافي به هدف برسد.
تصميم‌گيري عامل با استفاده از شبكه‌هاي باور
در مثال قبل دشمن پیش از اين كه مسيري به سوي شما پيدا كند بايد بداند شما احتمالا در ساختمان هستيد یا خیر؟ اين مسأله نمونه‌اي از تصميم‌گيري است.
البته اين امكان وجود دارد كه اطلاعات كاملي در مورد دنياي بازي به عامل‌ها بدهيم تا تصميم‌گيري‌ها براي او آسان شود، ولي در اين صورت بازي هیچ جذابيتي نخواهد داشت وقتی عامل تمام حركات شما را مي‌داند! در اين شرايط غلبه بر حريف غيرممكن خواهد بود.
يكي از روش‌هايي كه هوش مصنوعي براي پياده‌سازي تصميم گيري استفاده مي‌كند شبكه‌هاي باور هستند. شبكه‌هاي باور به عامل اين امكان را مي‌دهند تا مانند انسان از استدلال‌هاي پيچيده بهره گيرد كه مبناي اين روش احتمالات است.
براي مثال در بازي جنگي، دشمن صداي باز شدن در را می‌شنود پس احتمالا كسي وارد شده و ممكن است اين شخص شما باشيد كه قصد از بين بردن دشمن را داريد. با اين استدلال دشمن شروع به جستجو مي‌كند.
يادگيري عامل
در بخش قبل ديديم عامل با استفاده از دركي كه از محيط دارد، عكس‌العمل نشان مي‌دهد.
پس در مقابل عمل‌هاي يكسان عكس‌العمل‌هاي يكسان نشان خواهد داد؛ ولي وقتي قابليت يادگيري به عامل اضافه شود، نتيجه اعمال قبلي خود را به خاطر مي‌سپارد و اگر عمل قبلي او بي نتيجه بوده باشد، به دنبال راه‌حل ديگري مي‌رود. در هوش مصنوعي اين كار با الگوريتم ژنتيك انجام مي‌شود.
استفاده از هوش مصنوعي در بازي‌ها ضروري به نظر مي‌رسد؛ چرا كه رقيب عامل‌هاي رایانه‌ای، انسان‌ها هستند و براي هرچه طبيعي‌تر بودن بازي، عامل‌ها بايد شبيه به انسان رفتار كنند.
حميد خدابنده‌لو
