Создание игр для мобильных телефонов - Майкл Моррисон

Рис. 13.1. Полностью логическое мышление человека – очевидные доводы, и ничего более

В итоге исследователи ИИ поняли, что детерминированный подход к искусственному интеллекту не подходит для моделирования мышления человека. Интерес ученых переместился в область создания более реалистичных моделей, приближенных к мыслительному процессу человека, например, принятие решения лучшей догадкой (best-guess decision). Люди могут принимать такие решения на основе прошлого опыта, собственных взглядов и/или текущего эмоционального состояния – все это дополняет полностью логический процесс принятия решений. На рис. 13.2 показан пример реального мыслительного процесса. Дело в том, что люди принимают не всегда предсказуемые наукой решения на основании своего опыта и логического вывода. Вероятно, мир был бы лучше, если бы все было правильно, однако он был бы безумно скучным!

Рис. 13.2. Более реалистичный процесс мышления содержит эмоциональную и иррациональную составляющие

Логическая схема, показанная на рис. 13.1, – это идеальный сценарий, в котором каждое решение принимается на основе полностью объективного логического вывода. На рис. 13.2 показан более реалистичный вариант принятия решения, в котором учитываются такие факторы, как эмоциональное состояние человека, а также его материальное состояние (есть ли у него страховка). Если рассмотреть второй вариант с логической точки зрения, то человеку нет смысла бросать молоток, потому что это замедлит работу.

Однако это достаточно распространенная реакция человека на боль. Для ИИ плотничной системы, чтобы эффективно отработать такую ситуацию, необходимо предусмотреть код «бросания молотка»!

Приведенный пример мышления должен дать вам понять, какое количество различных факторов формируют человеческую мысль. Поэтому, чтобы эффективно имитировать мыслительный процесс человека, необходима сложная система искусственного интеллекта. В большинстве случаев это утверждение истинно. Однако слово «эффективно» позволяет некоторую степень интерпретации в зависимости от области применения ИИ. Для наших целей «эффективный ИИ» – это ИИ, который делает мобильные игры более реалистичными и захватывающими.

В последние годы исследователи ИИ сосредоточились на проблемах, аналогичных рассмотренным в примере с молотком. Одна из особенно интересных областей – это нечеткая логика (fuzzy logic), которая пытается принимать решения, не следуя железной логике традиционных систем искусственного интеллекта. Другая интересная область – это генетические алгоритмы (genetic algorithms) в играх, с помощью которых имитируется процесс мышления, подобно тому, как это происходит в природе. Игры, в которых применяются генетические алгоритмы, теоретически были бы обучаемыми, тем самым делая процесс игры интереснее.

Типы алгоритмов игрового ИИ

Существует много различных систем ИИ и еще большее число алгоритмов, применяемых в таких системах. Даже если ограничить область искусственного интеллекта играми, то здесь все равно есть масса вариантов и возможностей использования алгоритмов ИИ. В зависимости от игры применяются различные типы алгоритмов.

Я веду к тому, что нет универсального алгоритма и нельзя сказать, какой алгоритм лучше подходит в том или ином случае. Вам целесообразно познакомиться с теорией, лежащей в основе наиболее важных типов ИИ, а решение о том, какой вариант предпочесть, принимать вам. Я разбил алгоритмы игрового ИИ на три основных типа:

► Блуждающий ИИ определяет, как объект перемещается по виртуальному игровому миру;

► Поведенческий ИИ определяет, насколько агрессивно объект ведет себя по отношению к другому объекту игры;

► Стратегический ИИ определяет лучший ход в стратегической игре с фиксированным набором хорошо определенных правил.

Важно отметить, что эти три типа ИИ не вмещают всех разновидностей ИИ, применяемых в играх. Вы можете искать собственные решения, если задача кажется вам интересной.

Блуждающий ИИ

Блуждающий ИИ относится к искусственным интеллектам, моделирующим движение объекта в играх, то есть принимает решение, как перемещаться объекту в виртуальном мире. Хороший пример блуждающего ИИ – это космические симуляторы, например, классическая игра Galaga, в которой инопланетяне часто преследуют игрока. Аналогично блуждающий ИИ используется для задания движения других инопланетян в игре. Обычно блуждающий искусственный интеллект используется для принятия решений изменения текущего пути: достичь определенного результата или пройти по заданной траектории. В игре Galaga желаемый результат для инопланетян – это передвигаться определенным образом или столкнуться с кораблем игрока. В других играх целью компьютера может быть уклонение от пуль, выпущенных игроком.

Реализовать блуждающий ИИ достаточно просто, обычно изменяется скорость или положение одного объекта (инопланетянина) относительно положения другого объекта (корабля игрока). Блуждание объекта можно задать случайным или определенным образом. Существует несколько типов блуждающего ИИ: преследующий, убегающий и шаблонный.

Преследующий ИИ

Преследующий ИИ – это тип блуждающего ИИ, в котором игровой объект преследует другой игровой объект или несколько объектов. Преследующий искусственный интеллект используется в большинстве «стрелялок», в которых корабль пришельца преследует корабль игрока. Скорость или положение пришельца изменяется в зависимости от текущего положения корабля игрока.

Ниже приведен пример простого преследующего алгоритма для кораблей пришельца и игрока:

if (xAlien > xShip)

xAlien–;

else if (xAlien < xShip)

xAlien++;

if (yAlien > yShip)

yAlien–;

else if (yAlien < yShip)

yAlien++;

Как вы видите, координаты пришельца (xAlien, yAlien) изменяются в зависимости от положения корабля игрока (xShip, yShip). Единственная потенциальная проблема с этим кодом – это то, что он может работать слишком хорошо. Пришелец настигнет игрока в любом случае, не давая шанса игроку ускользнуть. Вероятно, это именно то, что вам необходимо, но, скорее всего, вам потребуется, чтобы корабль пришельца полетал вокруг корабля игрока, прежде чем настигнет его. Возможно, вы захотите сделать преследование неидеальным, оставляя игроку шанс сбежать от преследователя. Один из способов доработки алгоритма преследования – это добавить случайность:

if (Math.abs(rand.nextInt()) % 3) == 0) {

if (xAlien > xShip)

xAlien–;

else if (xAlien < xShip)

xAlien++;

}

if ((rand() % 3) == 0) {

if (yAlien > yShip)

yAlien–;

else if (yAlien < yShip)

yAlien++;

}

В приведенном коде пришелец может преследовать игрока в любом направлении с вероятностью 1/3. Даже несмотря на такую вероятность, пришелец все равно пытается настигнуть игрока, однако при этом оставляет шанс на спасение. Вы можете подумать, что один шанс из трех – не так уж и много, но помните, что пришелец изменяет направление движения в погоне за игроком. Умный игрок поймет это и будет часто изменять направление своего движения.

Если вам не очень понравился метод погони со случайным изменением направления, вы можете применить подход с заданной траекторией. Но прежде давайте рассмотрим на уклоняющийся ИИ.

Уклоняющийся ИИ Уклонение – это противоположность преследованию, это другой тип блуждающего ИИ. В данном случае объект пытается уклониться от другого объекта или нескольких объектов. Уклонение осуществляется аналогично преследованию:

if (xAlien > xShip)

xAlien++;

else if (xAlien < xShip)

xAlien–;

if (yAlien > yShip)

yAlien++;

else if (yAlien < yShip)

yAlien–;

Этот код делает противоположное тому, что делал алгоритм преследования. Отличие состоит лишь в операциях (++ и —), используемых для изменения положения. Здесь объект убегает от преследователя. Аналогично преследованию, уклонение может быть «смягчено» случайностью или определенностью движения. Хороший пример уклонения – это привидения из известной игры Pac-Man, которые убегают от игрока, когда тот съедает энергетический шарик. Конечно, привидения преследуют игрока большую часть времени тогда, когда он не может их съесть.

Другой хороший пример использования алгоритма уклонения – это компьютерное управление космическим кораблем. Игрок использует алгоритм уклонения, нажимая на клавиши, а компьютер – несколько иначе. Если вы хотите сделать в игре режим демонстрации, в котором компьютер будет играть самостоятельно, целесообразно для управления кораблем игрока использовать алгоритм уклонения.

Заданное перемещение Заданное перемещение – это тип блуждающего ИИ, который использует предопределенный набор движений игрового объекта. Хороший пример заданного перемещения – это пришельцы в аркаде Galaga, которые выполняют акробатические движения к нижней части экрана. Для задания перемещений можно использовать окружности, восьмерки, зигзаги или более сложные фигуры. Более простой пример заданного перемещения – в игре Space Invaders, в которой пришельцы медленно и методично двигаются вверх и вниз по экрану.