آموزش هوش مصنوعی در بازی‌سازی

هوش مصنوعی در بازی‌سازی؛ از رفتار NPC تا نمونه‌سازی جهان

برای استفادهٔ درست از AI در یک بازی، اول باید بدانیم کدام مسئله را حل می‌کنیم: رفتار قابل‌پیش‌بینی، گفت‌وگوی طبیعی، ساخت نمونهٔ اولیه یا خودکارسازی بخشی از آزمون.

بازیکن در برابر جهان دیجیتال و تراشهٔ هوش مصنوعی؛ تصویر اختصاصی راهنمای AI در بازی‌سازی
تصویر اختصاصی مجلهٔ گیمینگ پینگ‌استار
در یک نگاه

هوش مصنوعی در بازی یک ابزار واحد نیست: درخت رفتار برای تصمیم‌های قابل‌کنترل NPC کاربرد دارد؛ مدل‌های مولد می‌توانند گفت‌وگو یا محتوا بسازند؛ و مدل‌های جهان امکان نمونه‌سازی تعاملی را بررسی می‌کنند. انتخاب هرکدام به بودجه، سخت‌افزار، حریم خصوصی و میزان کنترل موردنیاز وابسته است.

ابتدا «هوش مصنوعی بازی» را به چند دسته تقسیم کنیم

در بازی‌های زیادی، AI کلاسیک یعنی مجموعه‌ای از قانون‌ها و انتخاب‌های ازپیش‌طراحی‌شده. در Unreal Engine، برای نمونه، Behavior Tree شاخه‌هایی از منطق را اجرا می‌کند و Blackboard داده‌هایی مانند «بازیکن دیده شده» یا «هدف فعلی» را نگه می‌دارد. چنین ساختاری برای گشت‌زنی، تعقیب، پناه‌گرفتن و رفتارهای قابل‌آزمون مناسب است؛ لزوماً از یک مدل زبانی بزرگ استفاده نمی‌کند.

در مقابل، مدل مولد می‌تواند متن، صدا، تصویر یا پاسخ متنی NPC تولید کند. مدل جهان تعاملی تلاش می‌کند محیطی را بسازد که با ورودی بازیکن تغییر کند. این دسته‌ها می‌توانند کنار هم کار کنند، اما جای هم را کاملاً نمی‌گیرند: رفتار مسابقه‌ای حساس معمولاً به قواعد پایدار نیاز دارد، درحالی‌که گفت‌وگو یا ایده‌پردازی ممکن است از تولید احتمالی سود ببرد.

برای آشنایی با ساختار رفتار NPC، مستند رسمی Behavior Trees در Unreal Engine را بخوانید. برای نمونهٔ تازهٔ مدل‌های جهان نیز گزارش Genie 4 و خبرهای AI بازی‌سازی را ببینید.

چه کارهایی را می‌شود به AI سپرد؟

  • نمونه‌سازی: ساخت سریع چند ایدهٔ صحنه، مأموریت یا سبک بصری برای ارزیابی اولیه؛ خروجی نمونهٔ اولیه را بدون بازبینی وارد نسخهٔ نهایی نکنید.
  • ابزارهای توسعه: کمک در نوشتن ابزارهای کوچک، توضیح کد، جست‌وجو در پروژه یا ساخت آزمون؛ تصمیم نهایی و بررسی خطا با تیم می‌ماند.
  • NPC و روایت: تولید پاسخ متنی یا صوتی در محدودهٔ شخصیت، همراه با حافظهٔ محدود و سیاست محتوایی روشن.
  • تولید روی دستگاه: در بعضی طراحی‌ها مدل محلی می‌تواند رفت‌وبرگشت ابری را حذف کند؛ در عوض، حجم مدل، سازگاری دستگاه و مصرف منابع اهمیت پیدا می‌کند.
  • آزمون و عیب‌یابی: تولید سناریو یا تحلیل گزارش خطا می‌تواند کار تکراری را کمتر کند، اما پوشش آزمون و بازبینی انسانی لازم است.

یک جریان کاری ساده برای تیم کوچک

  1. یک مسئلهٔ محدود و قابل‌اندازه‌گیری انتخاب کنید؛ مثلاً پاسخ‌گویی NPC در یک مرحله، نه «ساخت کل بازی با هوش مصنوعی».
  2. رفتار مطلوب و ممنوع را بنویسید. پاسخ را به قالب مشخص محدود کنید و اگر مدل پاسخ معتبر نداد، رفتار جایگزین ازپیش‌تعریف‌شده داشته باشید.
  3. برای تولید محتوا از دارایی‌ها و داده‌هایی استفاده کنید که حق استفاده از آن‌ها را دارید. شرایط لایسنس ابزار و موتور بازی را جداگانه بخوانید.
  4. روی سخت‌افزار هدف، سرعت فریم، حافظه، مصرف باتری و زمان پاسخ را اندازه بگیرید. نتیجهٔ یک رایانهٔ قدرتمند به موبایل تعمیم داده نمی‌شود.
  5. با بازیکنان واقعی و موقعیت‌های سوءاستفاده‌آمیز آزمون کنید؛ رفتار ناخواسته، اطلاعات حساس یا محتوای نامناسب باید مهار شود.

کنترل‌پذیری، مجوز و حریم خصوصی را زودتر بررسی کنید

مدل مولد می‌تواند پاسخ تازه بسازد و همین ویژگی ریسک خطا یا خروج از شخصیت را بالا می‌برد. فهرست محتوای مجاز، فیلتر ورودی و خروجی، محدودیت طول حافظه و امکان قطع قابلیت باید از ابتدای طراحی مشخص باشد. اگر درخواست بازیکن به سرور ابری فرستاده می‌شود، به او بگویید چه داده‌ای ارسال می‌شود و چه مدت نگهداری می‌شود.

Epic در نقشه‌راه UE6 گفته قصد دارد مدل‌ها و دستیارهای AI را در گردش کار توسعه جا دهد و جزئیاتی دربارهٔ کمک در کاهش کارهای دستی منتشر کرده است؛ اما UE6 هنوز محصول نهایی در دسترس نیست و انتشار Early Access آن برای پایان ۲۰۲۷ هدف‌گذاری شده. این نمونه را باید نقشهٔ راه دانست، نه قابلیتی که امروز در همهٔ پروژه‌ها آماده است. نقشه‌راه رسمی Epic برای Unreal Engine 6 ←

پرسش‌های رایج

آیا هوش مصنوعی می‌تواند همهٔ بازی را بسازد؟

ابزارهای فعلی می‌توانند بخش‌هایی از ایده‌پردازی، تولید محتوا و کدنویسی را کمک کنند؛ طراحی، هماهنگی سیستم‌ها، آزمون، مجوز و تصمیم نهایی همچنان به تیم سازنده نیاز دارد.

آیا NPC مکالمه‌ای همیشه به اینترنت نیاز دارد؟

نه همیشه. بعضی سیستم‌ها روی دستگاه اجرا می‌شوند و بعضی به سرویس ابری وصل‌اند. کیفیت، سخت‌افزار لازم، حریم خصوصی و زمان پاسخ بین این دو روش فرق می‌کند.

مدل مولد برای رفتار رقابتی بازیکنان مناسب است؟

برای نتیجهٔ منصفانه و قابل‌تکرار، رفتارهای حساس رقابتی بهتر است محدود، قابل‌آزمون و قابل‌پیش‌بینی باشند. مدل مولد را فقط در محدوده‌ای استفاده کنید که اثرش قابل‌کنترل است.

منابع و مطالعهٔ بیشتر

مسیر شبکه را با ابزار هوش مصنوعی یکی نگیریم

اگر پرسشت دربارهٔ اتصال بازی است، راهنمای سنجش مسیر و وایرگارد گیمینگ را بخوان.

راهنمای کانفیگ AI و وایرگارد ←بازگشت به مجله

مقاله‌های مرتبط