По оценкам некоторых аналитиков, игровая индустрия близка к тому, чтобы стать индустрией с оборотом в 100 миллиардов долларов. Это много промышленности по любым меркам. Как и следовало ожидать, учитывая размер и вес индустрии (некоторые игры приносят больше, чем самые большие голливудские блокбастеры), индустрия будет иметь свои технологии довольно хорошо отсортированными. Особенно немного искусственного интеллекта (ИИ). В конце концов, на Amazon полно книг по искусственному интеллекту для игр.
Вы были бы дальше от истины. В июле мне посчастливилось побывать на прекрасно организованном Nucl.ai, одном из главных событий ИИ в играх и творческой индустрии. С большинством презентаций с названиями примерно в духе …захватывающий, новый, революционный, экономичный, удивительный, лучший, быстрый, более высокий (и подобные прилагательные) новый метод создания ИИ…, я вылетел в Вену, в ожидании, как собака, которой пообещали бедренную кость титанозавра.
Когда конференция началась, и мы прошли первые несколько презентаций, я почувствовал сильное разочарование, за которым вскоре последовало еще большее ощущение возможности. Мне потребовалось много часов, чтобы прийти в себя и привести мысли в порядок. Позволь мне объяснить.
Только представьте себе 1886 год, и Карл Бенц, все в восторге от Motorwagen, вместе со своей дорогой женой Бертой решают отправиться на Конференцию о будущем транспорта (это я выдумываю), где они рассчитывают обсудить последние в транспортных технологиях, которые избавили бы центр города от четвероногих, производящих метан. И вместо того, чтобы смотреть презентации о новых силовых установках, они слышат только презентацию о том, как разводить более быстрых (как по скорости, так и по выработке метана) лошадей. Разочарование или возможность? Оба. Остальное, как говорится, уже история.
Именно так я себя чувствовал на Nucl.ai в Вене. Презентация за презентацией рассказывали о новых способах создания деревьев поведения вручную (причудливое название правил принятия решений) для создания ИИ в играх. Сейчас об этом говорить невежливо, но использовать созданные вручную деревья поведения в 2016 году — очень глупая идея.
Создавать сложное поведение в играх вручную дорого, ненадежно и сложно. Период. Сегодня деревья поведения, созданные вручную, доминируют в разработке игровых персонажей. По мере того, как индустрия видеоигр движется к реалистичной графике и виртуальной реальности, возникает дихотомия между ожиданиями игроков от персонажей в виртуальном мире, ведущих себя естественно, и скучным и предсказуемым поведением, которое является результатом ручной работы. Факты очевидны:
- Высокая размерность не может быть изготовлена вручную.
- Персонажи, созданные вручную, не учатся по мере развития окружающей среды.
- Сценарии, созданные вручную в смоделированных средах, очень дороги для развития.
- Создание глубокой, захватывающей и естественной среды требует больших затрат.
- Ни персонажи, ни окружающая среда не адаптируются к изменениям
- И: Они обходятся отрасли почти в 10–15 миллиардов долларов в год.
Итак, вопрос в том, каково решение?
Введите, обучение с подкреплением (RL). Это была одна из самых активных областей исследований в области искусственного интеллекта и машинного обучения (МО), которая изучает, как оптимизировать последовательное принятие решений в сложной и неопределенной среде. Даже сегодня одним из трюизмов является то, что технология RL не готова для решения практических приложений, особенно когда состояние окружающей среды не полностью наблюдаемо. Однако это неправильно. РЛ — могущественный зверь, которого трудно приручить, но можно. DeepMind продемонстрировал это с помощью AlphaGo. Насколько мне известно, в случае частично наблюдаемой среды, такой как разговоры, только одной команде удалось успешно приручить ее для получения коммерческих результатов. Это был VocalIQ (где я работал с Dr Dongho Kim), который впоследствии был приобретен Apple. Исследовательский опыт Донхо связан с RL, и он также является моим соучредителем PROWLER.io вместе с Алекси Тукиайненом.
RL — это, по сути, структура принятия решений, идеально подходящая для сложных и многомерных сценариев. Например, сложная видеоигра, такая как MMORPG (массовая многопользовательская ролевая онлайн-игра) или FPS (шутер от первого лица). В обеих средах роль NPC (неигровых персонажей) может быть более забавной для игроков со сложным поведением. Чтобы обойти проблему ручного создания сложных деревьев поведения, PROWLER.io создает платформу, которая позволяет игровым компаниям использовать игровые данные для создания ИИ-ботов, которые являются самообучаемыми и автономными, но при этом настраиваемыми и управляемыми.
В результате ИИ-боты, созданные с использованием технологии PROWLER.io, могут:
- Может принимать очень сложные и сложные решения
- Развивайтесь по мере развития игры
- Добавьте (настраиваемую) непредсказуемость в игры, чтобы они не стали скучными
- Значительно сократить время разработки NPC, что может сэкономить миллиарды долларов.
Для PROWLER.io игры — это только начало. Наша технология применима к любым автономным системам, требующим комплексного принятия решений. Например, роботы, автономные автомобили и дроны. Подробнее об этом позже.
