آیا می‌دانستید بیش از ۸۰٪ از بازی‌های پرطرفدار جهان حداقل از یک نوع الگوریتم هوش مصنوعی استفاده می‌کنند؟ حتی FIFA ،GTA و Red Dead Redemption هم از AI استفاده می‌کنند. هوش مصنوعی در تصمیم‌گیری شخصیت‌ها، طراحی صحنه‌ها و حتی واکنش دشمنان حضور دارد. اگر تا چند سال پیش AI فقط ابزاری کمکی برای برنامه‌نویسان بود، امروز به «کارگردان دوم بازی‌ها» تبدیل شده است؛ عاملی که باعث می‌شود هر مبارزه، هر انتخاب و حتی هر نگاه شخصیت‌ها طبیعی‌تر به نظر برسد.

در ادامه با نقش‌های متنوع هوش مصنوعی در بازی‌ها آشنا می‌شویم و می‌بینیم چرا دیگر نمی‌توان دنیای گیم را بدون AI تصور کرد.

بازی و هوش مصنوعی؛ همکاری دو صنعت قدرتمند شگفتی است

وقتی صنعت بازی (Game) و هوش مصنوعی با هم ترکیب شدند، نتیجه‌اش چیزی فراتر از سرگرمی بود: خلق دنیاهایی زنده و جذاب. هوش مصنوعی به توسعه‌دهندگان اجازه داده تا بازیکن را در مرکز تجربه واقعی و ملموس قرار دهند؛ داستان‌ها براساس انتخاب‌ها و اتفاق‌ها تغییر کنند و حتی NPCها (کاراکترهای غیرقابل‌کنترل) به شکلی رفتار کنند که انگار واقعاً فکر و احساس دارند. این همکاری باعث شده بازی‌ها دیگر فقط شبیه زندگی نباشند و بخشی از آن شوند.

6 نقش متنوع هوش مصنوعی در بازی‌ها؛ گیم بدون AI ممکن نیست

AI در هر موقعیت، یک نقش به‌خصوص دارد؛ این 6 تاکتیک بدین صورت هستند.

هوش مصنوعی قانون‌محور (Rule-based AI)

رفتار دشمن‌ها یا شخصیت‌ها از قبل مشخص، غیرقابل‌کنترل (NPC) و جز قوانین بازی است. این قوانین تعیین می‌کنند که شخصیت‌ها در موقعیت‌های مختلف چگونه واکنش نشان دهند. مثلا در ماینکرافت یا بازی‌های ساده‌تر، اگر بازیکن نزدیک شود، دشمن حمله می‌کند.

سیستم حالت محدود (Finite State Machine)

در این روش، رفتار NPCها (Non-Player Character) به چند حالت مشخص تقسیم می‌شود که بین آن‌ها انتقال (Transition) وجود دارد. هر حالت نشان‌دهنده‌ی یک رفتار خاص است و با رخ دادن شرایط خاصی، شخصیت از حالتی به حالت دیگر می‌رود.

مثلا در یک صحنه‌ی نبرد، ممکن است دشمن از حالت «گشت‌زنی» به حالت «هوشیاری» برود وقتی حضور بازیکن را احساس می‌کند.

هوش مسیر‌یابی (Pathfinding AI)

قابلیت Pathfinding AI باعث می‌شود که شخصیت‌ها، خصوصا NPCها  راه درست را پیدا کنند؛ کاراکترها به‌صورت هوشمند و طبیعی در محیط‌های پیچیده حرکت کنند. الگوریتم‌هایی مانند A* معمولاً برای محاسبه‌ی کوتاه‌ترین مسیر با درنظرگرفتن موانع به کار می‌روند.

یادگیری ماشینی (Machine Learning AI)

در این نوع، NPCها توانایی یادگیری، سازگاری و هماهنگی دارند. مدل‌های AI با کمک داده‌ها و سوابق بازی آموزش می‌بینند تا بتوانند تصمیمات بهتری بگیرند. در یک بازی مسابقه‌ای، حریف AI ممکن است به مرور زمان یاد بگیرد که بهتر عمل کند و مثل اوایل نباشد.

سیستم تصمیم‌گیری چندمرحله‌ای (Behavior Trees)

Behavior Trees ساختاری سلسله‌مراتبی از «Nodes» است که هر گره نماینده‌ی یک عمل، وضعیت یا شرط خاص است. این گره‌ها به‌صورت مجموعه‌ای به هم متصل می‌شوند و ترکیبی از رفتارهای ممکن را برای NPC تعیین می‌کنند. مثلا هیولای بازی «Alien Isolation» که تصمیم می‌گیرد گوش بدهد، بگردد، یا حمله کند؛ همه در یک ساختار درختی.

یادگیری تقویتی (Reinforcement Learning)

در این تکنیک مبتنی بر AI، شخصیت‌ها به‌اصطلاح با «پاداش» و «تنبیه» یاد می‌گیرند چه‌کاری درست است. در یادگیری تقویتی، NPCها براساس بازخوردی که از محیط می‌گیرند می‌آموزند.

اگر به دنیای گیم علاقه‌مندید یا یک گیمر حرفه‌ای هستید، با مراجعه به صفحه خرید گیفت کارت، گیفت کارت دلخواهتان را تهیه کنید و از تجربه یک بازی بدون محدودیت لذت ببرید.

بازی‌های پرطرفداری که از AI استفاده می‌کنند؛ معرفی 11 گیم

آیا در بازی محبوب شما هم هوش مصنوعی وجود دارد؟ ادامه این مطلب را از دست ندهید.

The Last of Us

در این بازی، ترکیبی از چند نوع هوش مصنوعی به‌کار رفته است. پایه‌ی اصلی آن سیستم قانون‌محور (Rule-based AI) و سیستم حالت محدود (Finite State Machine) است؛ زیرا دشمنان براساس مجموعه‌ای از قوانین ازپیش‌تعریف‌شده عمل می‌کنند (مثلاً اگر صدایی بشنوند، وضعیت از «گشت‌زنی» به «جست‌وجو» تغییر می‌کند).
شخصیت‌ها برای حرکت در محیط‌های پیچیده، از هوش مسیر‌یابی (Pathfinding) استفاده می‌کنند تا بتوانند مسیر مناسب را بدون برخورد به موانع بیابند.
در بخش تصمیم‌گیری تاکتیکی، سیستم «Behavior Tree» پیاده‌سازی شده است تا دشمن بتواند بین گزینه‌های مختلف (پوشش گرفتن، flank کردن، پناه بردن یا عقب‌نشینی) انتخاب کند. این ترکیب باعث واقعی و باورپذیر بودن اتفاقات می‌شود.

Red Dead Redemption 

دنیای باز این بازی به‌طور گسترده از Rule-based AI برای تنظیم رفتار اجتماعی و روزمره‌ی NPCها استفاده می‌کند؛ هر کاراکتر مجموعه‌ای از قوانین رفتاری دارد که زمان کار، خواب، تعامل یا واکنش به بازیکن را تعیین می‌کند. Finite State Machines کنترل‌کننده‌ی حالت‌های رفتاری حیوانات و انسان‌ها هستند (آرام، مشکوک، پرخاشگر و…).
در سطح مسیر‌یابی، سیستم Pathfinding عظیم برای مدیریت حرکت صدها NPC در جهان باز وجود دارد.
در مأموریت‌ها و نبردها، از Behavior Trees برای سازماندهی رفتارهای چندمرحله‌ای دشمنان (مثل تیراندازی، تغییر موقعیت و هماهنگی گروهی) استفاده می‌شود. یادگیری ماشینی در این بازی وجود ندارد، اما هماهنگی چندلایه‌ی AI باعث پویایی کم‌نظیر دنیای بازی شده است.

Minecraft

ماینکرفت از ساختار ساده‌تر Rule-based AI استفاده می‌کند: هر موجود (mob) براساس قوانین ثابت مثل «اگر بازیکن نزدیک شد، حمله کن» یا «اگر روز است، فرار کن» رفتار دارد.
در کنار آن، Finite State Machines رفتارهای مختلف مانند حالت بیکار، دنبال‌کردن یا فرار را مدیریت می‌کنند.
سیستم Pathfinding بر پایه‌ی الگوریتم A* عمل می‌کند تا موجودات بتوانند از مسیرهای پیچیده عبور کنند. هیچ نوع یادگیری ماشینی یا درخت رفتار در نسخه‌ی اصلی وجود ندارد، هرچند در نسخه‌های مودشده گاهی از الگوریتم‌های یادگیری استفاده شده است.

آیا می‌دانید با خرید گیفت کارت ماین کرافت به نسخه اصلی این بازی دسترسی پیدا می‌کنید؟ لذت واقعی این بازی با حضور پررنگ AI را از خود دریغ نکنید.

FIFA (نسخه‌های مدرن)

در بازی‌های جدید FIFA، هوش مصنوعی ترکیبی است. در سطح تاکتیکی از Rule-based AI برای تنظیم جای‌گیری و استراتژی تیمی استفاده می‌شود.
بازیکنان مجازی با استفاده از Finite State Machines بین حالت‌های مختلف بازی (حمله، دفاع، انتظار، دویدن) جابه‌جا می‌شوند.
سیستم Pathfinding وظیفه‌ی یافتن مسیرهای بهینه برای پاس یا حرکت بازیکنان را دارد.
نکته‌ی مهم، حضور یادگیری ماشینی (Machine Learning AI) در موتور Hypermotion است؛ این سیستم از داده‌های حرکات واقعی بازیکنان استفاده می‌کند تا انیمیشن‌ها و واکنش‌ها را طبیعی‌تر سازد. در سطوح تاکتیکی بالا، بخشی از تصمیم‌گیری‌ها هم با مدل‌های یادگیرنده‌ی رفتاری انجام می‌شود.

Star Wars: Republic Commando

این بازی یکی از نخستین عناوینی بود که Behavior Tree را برای تصمیم‌گیری تیمی به‌کار گرفت. اعضای اسکوات شما براساس سلسله‌مراتبی از تصمیم‌ها (پوشش گرفتن، حمله، نجات هم‌تیمی) عمل می‌کنند.
پایه‌ی عملکردشان Finite State Machines است و برای جابه‌جایی در میدان نبرد از Pathfinding بهره می‌برند.
قوانین اولیه‌ی تعامل و فرمان‌پذیری هم با ساختار Rule-based کنترل می‌شود. این ترکیب سه‌گانه باعث می‌شود بدون نیاز به یادگیری ماشینی، رفتارها طبیعی و هماهنگ جلوه کنند.

Thief: The Dark Project

در Thief، تمرکز بر شبیه‌سازی حس بینایی و شنوایی دشمنان است؛ بنابراین ستون اصلی آن Rule-based AI است (اگر صدا در محدوده‌ای مشخص شنیده شد، وضعیت به حالت «بررسی» تغییر می‌کند).
دشمنان با Finite State Machines بین حالت‌های آرام، مشکوک و هشدار جابه‌جا می‌شوند.
برای دنبال‌کردن بازیکن در مسیرهای تاریک از Pathfinding استفاده می‌شود. در زمان خود، این بازی الگوی اولیه‌ی رفتارهای چندمرحله‌ای بود، هرچند هنوز از Behavior Tree به شکل مدرن استفاده نمی‌کرد.

Half-Life 

دشمنان این بازی (به‌ویژه Combineها) از Behavior Tree برای تصمیم‌گیری تاکتیکی استفاده می‌کنند (انتخاب پوشش، حمله از پهلو، استفاده از نارنجک). Finite State Machines وضعیت کلی دشمن را کنترل می‌کند (جست‌وجو، نبرد، فرار). Pathfinding پیچیده برای حرکت در محیط‌های چندسطحی به کار می‌رود.
قوانین کلی مثل واکنش به آسیب یا صدا نیز در قالب Rule-based AI پیاده‌سازی شده است.
یادگیری ماشینی یا تقویتی در این بازی وجود ندارد، اما هماهنگی چندلایه‌ی AI آن را به یکی از الگوهای کلاسیک طراحی رفتار گروهی تبدیل کرده است.

Rocket League

ربات‌های این بازی بر پایه‌ی Behavior Tree تصمیم می‌گیرند؛ نزدیک‌شدن به توپ، دفاع از دروازه یا عقب‌نشینی.
مسیر حرکت خودروها با Pathfinding و قوانین فیزیکی خودروها تعیین می‌شود.
در نسخه‌های جدیدتر، شرکت Psyonix از مدل‌های یادگیری تقویتی (Reinforcement Learning) برای آموزش AI حرفه‌ای استفاده کرده است تا مانند بازیکنان واقعی یاد بگیرد چه زمانی به توپ ضربه بزند یا موقعیت بگیرد. این یکی از معدود بازی‌هایی است که از یادگیری تقویتی واقعی استفاده کرده است.

Metal Gear Solid V: The Phantom Pain

در Metal Gear Solid، دشمنان از Rule-based AI و Behavior Tree بهره می‌برند. قوانین کلی تعیین می‌کند که در واکنش به رفتار بازیکن، دشمنان ابزار خود را تغییر دهند (مثلاً اگر زیاد از هدشات استفاده کنید، دفعه‌ی بعد کلاه‌خود می‌پوشند).
درخت رفتار، تصمیم‌گیری‌های تاکتیکی چندمرحله‌ای را هدایت می‌کند (مثل بررسی صدا، هماهنگی با سایر سربازان و تعقیب).
Pathfinding نیز برای حرکت هوشمند در پایگاه‌ها به کار می‌رود.  در واقع، سیستم «یادگیری» در این بازی به‌صورت شبه‌یادگیری تقویتی عمل می‌کند—دشمنان از الگوی رفتاری بازیکن داده‌برداری و دفاع خود را سازگار می‌کنند.

Left 4 Dead 2

موتور هوش مصنوعی بازی که با نام AI Director شناخته می‌شود، نمونه‌ای از ترکیب Rule-based AI و Behavior Tree است.
AI Director محیط و وضعیت بازیکنان (سلامتی، مهمات، سرعت پیشرفت) را پایش می‌کند و تصمیم می‌گیرد چه تعداد دشمن، در چه نقطه‌ای و با چه شدت حمله کنند.
رفتار زامبی‌ها با Finite State Machines و مسیر‌یابی با Pathfinding کنترل می‌شود. در برخی تحلیل‌ها، AI Director نوعی سیستم شبه‌یادگیری تقویتی تلقی می‌شود، چون بر اساس عملکرد بازیکن «تجربه» جمع کرده و سطح چالش را تنظیم می‌کند.

Resident Evil 2 (Remake)

هوش مصنوعی دشمن اصلی بازی، «Mr. X»، ترکیبی از Rule-based AI، Finite State Machine و Pathfinding است.
او صدا و حرکات بازیکن را تحلیل می‌کند و براساس مجموعه‌ای از قوانین ازپیش‌تعریف‌شده موقعیت بازیکن را حدس می‌زند. حالت‌های مختلف (جست‌وجو، تعقیب، حمله) با FSM کنترل می‌شود و مسیر‌یابی پویا باعث می‌شود بتواند از اتاق‌های مختلف شما را تعقیب کند.
درخت رفتار برای کنترل تصمیم‌های سطح بالا (توقف، تغییر جهت، انتخاب مسیر جدید) به‌کار می‌رود. هرچند یادگیری ماشینی در این عنوان وجود ندارد، اما نتیجه‌ی نهایی رفتاری است که به‌شدت واقعی و پیش‌بینی‌ناپذیر احساس می‌شود.

«هوش مصنوعی از انسان هم سبقت می‌گیرد.» شما با این جمله موافقید؟ به نظر من، به طور کلی خیر؛ ولی AI می‌تواند در نوشتن از انسان پیشی بگیرد. پیشنهاد می‌کنیم مطلب آیا نوشته‌های انسانی و هوش مصنوعی تفاوتی دارند؟ را مطالعه کنید و نظرتان را با ما درمیان بگذارید.

سایر بازی‌هایی که از هوش مصنوعی استفاده می‌کنند

جدول زیر 42 بازی که از AI برخوردارند را نشان می‌دهد:

کاربردها و مزایای AI در گیم؛ چالش و نگرانی هم وجود دارد

هوش مصنوعی در بازی‌ها فرصتی بزرگ برای خلق فضای جذاب، منحربه‌فرد و متنوع است، اما در عین حال چالشی برای کنترل، اخلاق و خلاقیت انسانی هم به شمار می‌رود.

مزایای هوش مصنوعی در بازی‌ها

پس از ورود جدی هوش مصنوعی به صنعت گیم همه چیز تحت تاثیر قرار گرفت که حائز اهمیت است: 

  • فراهم‌کردن تجربه اختصاصی برای گیمرها
  • خلق NPCهای باهوش و دیالوگ طبیعی
  • رفتار واقعی و قابل‌باور NPCها
  • تولید خودکار و هوشمند مسیر داستانی بازی
  • حفظ تعادل درصورت وجود  باگ‌ها
  • تحلیل و پیش‌بینی رفتار گیمرها و کاراکترها
  • آگاه‌شدن هوش مصنوعی از حس واقعی بازیکن
  • ساخت محیط با مدل‌های هوش مصنوعی
  • تولید موسیقی و افکت صدا با AI
  • تست خودکار بازی‌ها و پیدا کردن باگ‌ها

چالش‌ها و نگرانی‌های استفاده از AI در گیم

در کنار تمام مزایا، استفاده گسترده از هوش مصنوعی معایبی هم دارد:

  • کاهش نقش خلاقیت انسانی در پیشبرد وقایع بازی
  • رفتار غیرقابل‌پیش‌بینی یا غرض‌ورزانه هوش مصنوعی
  • هزینه، وابستگی زیاد به داده و آموزش به مدل‌های AI
  • نگرانی‌های مربوط به حریم خصوصی به دلیل جمع‌آوری داده از گیمرها
  • چالش‌های اخلاقی و روانی به دلیل پیش‌بینی و شبیه‌سازی رفتار انسان‌ها

گیمرها: «هوش مصنوعی را از بازی‌ها حذف نکنید.»

در سال‌های آینده، هوش مصنوعی بیش از هر زمان دیگری در بازی‌ها حضور خواهد داشت؛ طراحی جهان‌های متفاوت که با رفتار بازیکن تغییر می‌کنند.
بسیاری از گیمرها معتقدند بدون AI، بازی‌ها روح خود را از دست می‌دهند؛ چون همین الگوریتم‌ها هستند که هر لحظه را غیرقابل‌پیش‌بینی و زنده می‌کنند. البته نگرانی‌هایی هم وجود دارد: کاهش نقش خلاقیت انسانی، چالش‌های اخلاقی و حتی خطر وابستگی بیش از حد به داده‌ها.
با این حال، آینده‌ی گیم بدون هوش مصنوعی قابل تصور نیست. اگر روزی بازی‌ها بدون AI ساخته شوند، احتمالاً شبیه تماشای فیلمی خواهند بود که هیچ‌کس در آن واکنش نشان نمی‌دهد. برای همین است که جمله‌ی گیمرها درست به نظر می‌رسد:
«هوش مصنوعی را از بازی‌ها حذف نکنید، چون بدون آن بازی‌ها دیگر واقعی و زنده نیستند.»