Inteligencia Artificial en los Videojuegos

La mayoría de las personas probablemente imagina que la mayoría de los juegos lanzados en los últimos años tienen una Inteligencia Artificial muy sofisticada para cualquier personaje, criatura o animal no controlado por el jugador. Sin embargo, muchos desarrolladores de videojuegos dudan en incorporar una Inteligencia Artificial en sus juegos por temor a perder el control de la experiencia general del jugador. De hecho, el objetivo de la Inteligencia Artificial en los videojuegos no es crear una entidad imbatible contra la que los jugadores pueden luchar, sino que se trata de maximizar la participación y el disfrute de los jugadores durante largos periodos de tiempo.

Eso no significa que no haya lugar para la Inteligencia Artificial en la industria moderna de los juegos, solo significa que su propósito es diferente de lo que esperábamos inicialmente. No queremos crear la mejor Inteligencia Artificial posible, queremos crear la Inteligencia Artificial más agradable para que los jugadores interactúen.

Desarrollo del juego

A lo largo de los años, la Inteligencia Artificial ha dominado ciertos juegos. Intenta vencer a tu computador en el ajedrez en la dificultad más difícil, es casi imposible. O incluso si eres un jugador profesional de StarCraft, el software de DeepMind puede aplastarte ahora.

Pero la Inteligencia Artificial dentro de un videojuego se ha construido a partir del mismo conjunto de principios básicos durante décadas. Tomemos, por ejemplo, un juego clásico como PacMan. En diferentes puntos, los fantasmas evalúan dónde estás en el mapa y a dónde podrías ir y luego te persiguen o huyen de ti. No es exactamente una Inteligencia Artificial revolucionaria, pero sirve para este juego. Más aún, lo que es notable es que la Inteligencia Artificial que en los juegos de hoy en día ha permanecido inalterada a lo largo del tiempo. Dos de los componentes principales de estas inteligencias son las máquinas de búsqueda y las de estados finitos.

La búsqueda de caminos es la forma de ir del punto A al punto B de una manera sencilla y se utiliza en todos los juegos todo el tiempo.

La máquina de estados finitos es una construcción en la que un personaje no jugador puede estar en diferentes estados y se mueve entre ellos.

Interacción y gráficos más realistas

En la última década, los desarrolladores de juegos han revolucionado los juegos al ofrecer experiencias realistas. Hubo una época en la que jugábamos con juegos en 2D, ahora la mayoría utilizan in renderizado en 3D, lo que da como resultado unos visuales muy superiores.

Un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto Tecnológico de Massachusetts y NVIDIA demostraron recientemente cómo es posible generar entornos de juego 3D sintéticos utilizando una red neuronal que ha sido entrenada en videos reales de paisajes urbanos.

Este proceso, llamado síntesis de video a video, implica conseguir que el modelo de Machine Learning aprenda a traducir mejor el vídeo de origen de entrada en una salida de video que parezca tan foto realista como el contenido de vídeo original.

Para lograrlo, el equipo basó su enfoque en trabajos en trabajos anteriores como Pix2Pix, una herramienta de traducción de imagen a imagen de código abierto que utiliza redes neuronales. Además, los investigadores utilizaron Redes Generativas Adversarias (GAN), que designa una red neuronal como generador y otra red neuronal como discriminador. Estas dos redes juegan un juego de suma cero, con la red generadora apuntando a producir un video sintetizado que la red discriminadora no puede finalmente determinar como falso.

Personajes inteligentes

Hacer un juego más inteligente significa obtener reacciones inteligentes de los personajes dentro del juego, significa que jueguen de forma más humana posible.

Por ejemplo, la forma en que los humanos conducimos en auto es muy diferente a la que lo haría un robot. Así que, para simularlo, añadimos variables que replican el comportamiento humano.

Hay muchos algoritmos de Inteligencia Artificial de búsqueda de caminos, como el utilizado en City Conquest en donde un algoritmo genético y otros que hace el juego sea más inteligente.

Lo que es único en el uso de la Inteligencia Artificial es que estos personajes también aprenden las acciones realizadas por el jugador y cambian su comportamiento en consecuencia. Aprovechando las capacidades de la Inteligencia Artificial y Machine Learning, los desarrolladores de juegos en el futuro podrán crear juegos que puedan desarrollar mejores personajes y gestionar sus comportamientos dentro del juego.

Juego bien equilibrado

Las técnicas de Machine Learning se han utilizado ampliamente en los dominios de la competencia, para encontrar una estrategia que maximice los beneficios para el agente en la mayoría de los escenarios de la competencia.

Los video juegos pueden ser vistos como entornos altamente competitivos, sin embargo, en este caso, es necesario lograr un comportamiento equilibrado. El objetivo es mantener el nivel de juego adaptado al rendimiento del jugador humano, sin importar su nivel de habilidad, que puede variar ampliamente desde los novatos hasta los expertos.

Para esto Q-Learning, un popular algoritmo de Aprendizaje de Refuerzo se utiliza principalmente para abordar el equilibrio dinámico del juego. Esto se divide en dos problemas separados, aprendizaje, construyendo agentes que puedan aprender estrategias óptimas y adaptación, proporcionando mecanismos de selección de acciones para inducir el equilibrio del juego. Debido a la interacción inmediata con los humanos, incluidos los expertos, se necesita una capacitación fuera de línea para iniciar el proceso de aprendizaje. Luego, el aprendizaje en línea se utiliza para adaptarse a los oponentes humanos, con el fin de descubrir la estrategia óptima para jugar contra ellos.

Experiencia del jugador

Comunicación dentro del juego

Actualmente los jugadores pueden conectarse entre sí desde cualquier parte del mundo, pero la gente no siempre es tan amigable con los demás en internet, y todo esto hace que se cree una experiencia desagradable para otros jugadores.

La forma en que los desarrolladores tratan este tipo de escenario hoy en día es proporcionando un mecanismo para que los jugadores reporten un mal comportamiento o cualquier tipo de mala conducta durante el juego de otro jugador. En esta etapa, se reúne la información de diagnóstico, tal vez algunos registros de chat, grabaciones en el juego, y se pasa a un equipo que tiene que evaluarlo, esto es un proceso manual y que puede llevar mucho tiempo.

Google hizo una API llamada Cloud Natural Language API, que puede realmente detectar sentimientos en los mensajes de chat de los individuos. Así, como una forma de evaluación rápida a través de los informes, puede identificar rápidamente donde puede tener algunas áreas problemáticas en sus registros, y hacer que el proceso de evaluación sea mucho más rápido.

Sin contenido explícito

Muchos desarrolladores de juegos están proporcionando formas para que los jugadores creen contenido generado por el usuario. Pueden ser artículos, imágenes personalizadas e incluso mapas. Resulta que si le das a las personas la posibilidad de subir lo que quieran, pueden, de nuevo, subir cosas que probablemente no sean apropiadas para todos los que están allí.

Las fallas en la detección automática de videos para adultos es un problema que interesa a muchas organizaciones en todo el mundo. El objetivo es restringir el fácil acceso de los menores de edad a ese material potencialmente dañino.

La mayoría de las técnicas existentes son meras extensiones de los enfoques de categorización de imágenes. Los desarrolladores han propuesto una técnica de clasificación de género de video ajustada específicamente para la detección de contenidos para adultos teniendo en cuenta los principios cinematográficos. Se utilizan características espaciales y temporales sencillas con algoritmos de Machine Learning para realizar la clasificación en dos clases: material de video para adultos y material de video no ofensivo. Los desarrolladores de juegos han logrado una precisión del 94,44% utilizando diferentes clasificadores de Máquinas Vectores de Soporte.

Google también desarrolló una API llamada Vision API y es capaz de hacer cosas como la detección de objetos y también es capaz de marcar contenido explícito.

En conclusión, hay muchas formas que la Inteligencia Artificial se está utilizando en la industria de los videojuegos hoy en día. Ya sea en modelos simplistas o en redes neuronales avanzada que aprende de la retroalimentación en su entorno, las posibilidades que estos entornos virtuales proporcionan al avance de la Inteligencia Artificial, tanto en la industria del juego como más allá, son infinitas.

Con esto finalizamos la explicación. Ya tienes un conocimiento sobre cómo se está implementando la Inteligencia Artificial en los videojuegos, por lo tanto te dejo la siguiente pregunta, ¿Cuáles de las siguientes afirmaciones crees tú que sea cierta?

Opción 1: Todos los videojuegos cuentan con Inteligencia Artificial.

Respuesta incorrecta. Muchos desarrolladores de videojuegos dudan en incorporar una Inteligencia Artificial en sus juegos por temor a perder el control de la experiencia general del jugador.

Opción 2: Se está utilizando redes neuronales para crear entornos 3D en los videojuegos.

Respuesta correcta.

Opción 3: Se está tratando que los personajes creados por Inteligencia Artificial superen a los jugadores humanos.

Respuesta incorrecta. El objetivo es mantener el nivel de juego adaptado al rendimiento del jugador humano.