ДОСЛІДЖЕННЯ ВИКОРИСТАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ РЕАЛІЗАЦІЇ ІГРОВОЇ ЛОГІКИ НА БАЗІ НЕЙРОННИХ МЕРЕЖ
DOI:
https://doi.org/10.31498/2522-9990222020197880Ключові слова:
методи машинного навчання, машинний інтелект, нейроні мережі, ігрова логіка, формалізована модель, ігровий агент, програмна системаАнотація
На сьогоднішній день для того, щоб ігровий продукт був конкурентоспроможним і успішним на ринку відеоігор, необхідно в нових продуктах мати не тільки гарну графічну складову, а й запропонувати щось нове та інноваційне, що зробить продукт кращим за інші. Дослідники сходяться щодо кола проблем, які слід вирішити для подальшого розвитку технології. Це проблеми перенавчання мережі, обмеженості даних для навчання, високі вимоги до ресурсів комп’ютера. Актуальність роботи пояснюється недостатнім ступенем дослідження і дефіцитом емпіричного матеріалу, що перешкоджає подальшим розробкам, пов’язаним з питаннями використання методів штучного навчання для реалізації ігрових механік, а саме, використання штучних нейронних мереж для побудови ігрової логіки. Метою роботи є підсилення ігрової логіки засобами нейронної мережі, що дозволить йому розважно відповідати на дії суперників і матиме суттєвий вплив на якість ігрового процесу.
Для здійснення поставленої мети вирішений ряд задач: проведений порівняльний аналіз сучасних методів та алгоритмів машинного навчання, які застосовуються при побудові ігрового процесу, визначені підходи до організації навчання нейронних мереж з
базовими топологіями; обґрунтовані та розроблені формальні моделі ігрового агенту, засновані на методах машинного навчання; розроблена програмна система з реалізацією ігрової логіки на базі нейронної мережі; виконано тестування розробленої програмної
системи з візуалізацією процесу навчання та оцінювання достовірності отриманих результатів.
В результаті дослідження були розроблені нейронні мережі з різними
конфігураціями, топологіями та методами навчання, проаналізовані й порівняні отримані моделі за параметрами точності й часу навчання.
Рекомендації проведеного комплексного аналізу різних топологій та принципів машинного навчання можуть бути використані при розробці відеоігор, побудованих на базі нейронної мережі, а також в рамках інших наукових досліджень.
Посилання
Дэн Тайнан, “Что такое машинное обучение?” 2017. [Online]. Available:
https://www.osp.ru/cio/2017/07/13052950/.
“Из Прошлого, в Будущее Игровой Индустрии,” Kanobu, 2014. [Online]. Available:
https://kanobu.ru/articles/iz-proshlogo-v-buduschee-igrovoj-industrii-367916/.
Pannu A. Artificial Intelligence and its Application in Different Areas / A. Pannu //
International Journal of Engineering and Innovative Technology (2015). – № 4 (10). – pp. 1–6 p.
Шампандар А. Дж. Искусственный интеллект в компьютерных играх. Пер. с англ. /
А. Дж. Шампандар. – М.: Вильямс, 2007. – 768 с.
Паласиос Х. Unity 5.x. Программирование искусственного интеллекта в играх /
Х. Паласиос. – М.: ДМК Пресс, 2017. – 274 с.
Головко В. А. Нейронные сети. Обучение, организация и применение. Книга 4 / В.
А. Головко. – М.: ИПРЖР, 2001. – 256 с.
Andersen P. Deep Reinforcement Learning using Capsules in Advanced Game
Environments / P. Andersen. – University of Agder, 2018. – 144 p.S. Wender and I. Watson, “Data
Mining and Machine Learning with Computer Game Logs,” no. October, 2007.
Usunier N. Episodic Exploration for Deep Deterministic Policies: An Application to
StarCraft Micromanagement Tasks / N. Usunier, G. Synnaeve, Z. Lin, S. Chintala // ICLR-2017. –
pp. 1–18.
Рассел С. Искусственный интеллект. Современный подход, 2-е изд. / С. Рассел,
П. Норвиг. – М.: Вильямс, 2007. – 1410 с.
Wang H. Monte Carlo Q-learning for General Game Playing / H. Wang, M. Emmerich.
– Leiden University, 2018. – 15 p.
Jadeja M. Deep Reinforcement Learning for Conversational AI / M. Jadeja, N. Varia. –
DA-IICT, 2017. – 50 p.
Dill K. Design Patterns for the Configuration of Utility-Based AI / K. Dill, E. R.
Pursel, P. Garrity, G. Fragomeni // Itsec. – 2012. – №121 (46). – pp. 1–12.
AI Architectures: A Culinary Guide (GDMag Article) [Електронний ресурс]. – Режим
доступу: http://intrinsicalgorithm.com/IAonAI/2012/11/ai-architectures-a-culinary-guide-gdmagarticle/.
– Заголовок з екрану.
Game artificial intelligence: Challenges for the scientific community / R. Lara-Cabrera,
M. Nogueira-Collazo, C. Cotta, A. J. Fernández-Leiva. // CEUR Workshop Proc. – 2015. – №
– pp. 1–12.