Sztuczny rozum w grze: realizacja

Prawdziwa inteligencja sztuczna: minimalna implementacja w grze

System inteligencji sztucznej został zaimplementowany w prostej grze strzelankowej, aby wyraźnie pokazać kluczowe funkcje: postrzeganie, pamięć, klasyfikację procesów i syntezę działań. Subiektem (agentem uczenia) jest jednostka unikająca pocisków wystrzeliwanych przez myśliwego sterowanego przez użytkownika. Oba obiekty poruszają się po równoległych liniach: myśliwy — dowolnie w lewo/prawo, a subiekt — maksymalnie trzy kroki na ruch.

Świat składa się z czterech elementów: subiekt, myśliwy, broń, pocisk. Postrzeganie świata to lista około 30 parametrów (położenie, typ pocisku itp.), która tworzy stan. Każda zmiana parametru rejestrowana jest jako nowy stan, a sekwencja stanów tworzy proces.

Generowanie wiedzy poprzez klasyfikację

Klasyfikacja procesów przekształca sekwencje stanów w algorytmy — reguły postaci: wejście (zakresy parametrów obiektów), działanie (zmiany parametrów), wyjście (zależności funkcyjne). Początkowo baza wiedzy jest pusta.

Pierwsza reguła powstaje po trzech trafieniach: uogólnienie procesu zbliżania się pocisku. Subiekt rozpoznaje zagrożenie i reaguje:

• Działanie próbne: losowy krok (w lewo/w prawo) spośród możliwych.
• Działanie modelowane: syntezowanie algorytmów do prognozowania wyników.
• Działanie sprawdzone: refleks oparty na uogólnionej regule skutecznego uniknięcia.

Uogólnienie kroków subiekta prowadzi do reguły zmiany współrzędnych. Analiza lotu pocisków — do reguły trajektorii. Te wiedze pozwalają modelować sytuację nawet kilka kroków naprzód.

Mechanizm syntezowania i działania

Moduł synteza algorytmów buduje warianty działań subiekta i myśliwego na podstawie reguł. Obliczane są wyniki według kryteriów (prawdopodobieństwo sukcesu, zużycie energii). Najlepszy wariant wykonuje moduł działania.

Sukcesywnie modelowane reguły uogólniają się w sprawdzone reguły. Pełna adaptacja polega na unikaniu trafień wyłącznie za pomocą sprawdzonych działań.

W grze występują dwa typy pocisków:

• Prostostrzelne — unikanie po linii.
• Samonaprowadzające się (z ograniczonym zasięgiem) — odchodzenie na bezpieczne odległości.

Przy niewystarczającej liczbie kroków aktywuje się tryb stresu: analiza przeszłości na większą liczbę ruchów. Wiedza o ruchach myśliwego/strzałach pozwala modelować nawet 3 kroki naprzód, maksymalizując prawdopodobieństwo odstania.

Reakcje subiekta na zagrożenie

• Próbne: w nowej sytuacji, przed zgromadzeniem danych.
• Modelowane: prognozowanie z wyborem optymalnego rozwiązania.
• Sprawdzone: natychmiastowy refleks.

Odpowiada to poziomom nauki: od chaotycznego poszukiwania do opanowania umiejętności.

Skalowalność i uniwersalność

Jądro inteligencji (postrzeganie, pamięć, klasyfikacja, syntezowanie, działanie) jest uniwersalne i dostosowuje się do środowiska poprzez moduły peryferyjne. Perspektywy:

• Zwiększenie liczby obiektów/działań dla większej złożoności.
• Głębokość modelowania (więcej kroków, dłuższe reakcje).
• Twórczość: rozwiązywanie problemów przy niepełnej wiedzy (hipotezy jako częściowe pokrycie reguł).
• Aktywne poszukiwanie: planowanie eksperymentów (dotychczas ograniczone wpływem na obiekty).

Hipotezy są testowane ryzykiem (niska cena błędu) lub eksperymentami. W wersji 3–4 pojawi się wpływ na obiekty.

Co ważne:

• System generuje wiedzę z procesów w agresywnym środowisku bez wcześniejszego uczenia.
• Trzy poziomy reakcji zapewniają adaptację od prób do refleksów.
• Modelowanie kilku kroków naprzód symuluje przewidywanie.
• Tryb stresu rozszerza analizę przeszłości dla skomplikowanych zagrożeń.
• Jądro jest skalowalne do silnej AI z twórczością i eksperymentami.

— Editorial Team