5 наиболее важных моделей искусственного интеллекта для разработки и использования эмоционального интеллекта в будущем разработки игр
Искусственный интеллект (ИИ) может официально превратиться из незнакомого для многих из нас незнакомца в продвинутого новичка в понимании ваших потребностей, мыслей и желаний.
Я нахожу эмоциональный интеллект как способность осознавать свои эмоции и эмоции других.
Более технически:
Набор навыков, который, как предполагается, способствует точной оценке и выражению эмоций у себя и других, эффективному регулированию эмоций у себя и других, а также использованию чувств для мотивации, планирования и достижения в жизни [ 1][12].
Может ли ИИ изменить нашу жизнь благодаря реализации эмоционального интеллекта в ИИ? Другими словами, может ли форма ИИ быть эмоционально разумной?
Я так считаю. На самом деле я считаю, что эмоциональный интеллект может быть даже необходим для определенных типов приложений ИИ. Например, рассмотрим социального робота, предназначенного для общения с одинокими пожилыми людьми. Роботу этого типа потребуется некоторый эмоциональный интеллект, чтобы эффективно взаимодействовать с пользователями-людьми. Точно так же промышленному роботу, работающему на сборочной линии, может потребоваться эмоциональный интеллект, чтобы понимать сигналы человеческих эмоций и адекватно реагировать на них (например, если рабочий злится или расстраивается).
Введение в искусственный интеллект, разработанный для эмоционального интеллекта
Так как же нам создать эмоционально интеллектуальный ИИ? Один из способов — использование алгоритмов машинного обучения, специально разработанных для этой цели. Эти алгоритмы могут учиться на наборах данных, содержащих информацию о человеческих эмоциях, а затем применять эти знания для прогнозирования будущих эмоциональных состояний (например, станет ли кто-то счастливым или потеряет свое счастье при определенных обстоятельствах).
Другой высокоуровневый (и простой в разработке) подход — это линейное программирование: жестко запрограммированные правила или журналы в системе ИИ, которые определяют, как она должна реагировать в различных ситуациях, связанных с людьми с разными эмоциональными состояниями. Независимо от того, какой метод используется, создание эмоционально интеллектуального ИИ требует тщательного рассмотрения того, на какие виды эмоций следует ориентироваться и как лучше всего их обнаруживать, предсказывать и реагировать соответствующим образом.
Другой подход к искусственному интеллекту для эмоционального интеллекта в видеоиграх заключается в использовании виртуальных персонажей, которые реалистично реагируют на действия и поведение игроков. Эти взаимодействия с NPC (персонажами, не являющимися игроками) могут помочь игрокам узнать о социальных сигналах и о том, как их собственные действия эмоционально влияют на других. В качестве иллюстрации, сцена, в которой равнодушный персонаж положительно реагирует на грубое обращение игрока, может заставить игрока дважды подумать о таком поведении в будущих взаимодействиях.
Некоторые возможные реализации могут включать следующее:
— Алгоритмы, анализирующие мимику и голосовые паттерны
— Регулировка сложности игрового процесса или внутриигровой сюжетной линии и соответствующих им событий на основе обнаружения эмоций.
— Виртуальные персонажи с реалистичными реакциями
— Включение морального выбора, требующего эмпатии
— Игры, специально разработанные для развития навыков EQ.
В играх ИИ может быть реализован для создания NPC, которые могут обеспечить эмоциональную связь с игроком. В настоящее время эти персонажи в некоторых случаях широко известны как цифровые компаньоны или цифровые домашние животные. Они используют различные методы для установления связи с игроками, например, со временем изучают их предпочтения и склонности, предлагают вознаграждение за выполненные задачи и обеспечивают комфорт, когда игрок чувствует себя подавленным.
Одним из известных примеров цифрового компаньона является виртуальный помощник Microsoft Cortana из серии Halo [2]. В Halo Кортана предоставляет информацию во время боя и развивает тесные отношения с главным героем Джоном-117 [3]. Например, она дает ему персонализированную информацию о миссиях в зависимости от его текущего эмоционального состояния.
В то время как цифровые компаньоны часто встречаются в играх для консолей и ПК, мобильные игры также все чаще используют их. Neko Atsume была одной из первых успешных [4] мобильных игр, в которых использовались приложения искусственного интеллекта. А именно, игроки пытаются привлечь различных кошек в свой игровой двор, оставляя игрушки и еду. Популярность игры выросла до такой степени, что она породила производные, основанные на той же предпосылке: формирование позитивных отношений с творениями ИИ посредством заботливых действий.
Процедурная генерация
На заре видеоигр ИИ использовался для создания простых моделей поведения неигровых персонажей; они были основаны на заранее определенных правилах и ограниченном взаимодействии с игроком. Однако по мере того, как видеоигры становились все более сложными, усложнялся и ИИ, который ими управляет.
Современные видеоигры основаны на искусственном интеллекте, который может обучаться и адаптироваться к поведению игрока, обеспечивая более персонализированный игровой процесс, в котором игра может реагировать на эмоциональное состояние игрока.
Одним из методов достижения интеграции ИИ является процедурная генерация [5], при которой ИИ генерирует контент, такой как диалоги или целые уровни в рамках сюжетной линии игрового процесса, на лету на основе ключевых элементов дизайна, установленных разработчиками игры. Это означает, что никакие два игрока не будут иметь абсолютно одинаковый опыт игры в процедурно сгенерированную игру. Например, в The Sims 4 разные неигровые персонажи по-разному реагируют на симов в зависимости от их личных качеств. А именно, хороший NPC может поддерживать сима, в то время как враждебный может вызвать запугивание.
Чтобы расширить дальше, речь идет не только о создании контента; ИИ также можно интегрировать, чтобы повысить эффективность игроков в самой игре. Такие игры, как StarCraft II, используют алгоритмы машинного обучения для оценки того, как игроки-люди контролируют сюжетную линию и принимают стратегические решения. Эти идеи затем возвращаются обратно в модели для улучшения поведения ИИ союзников и противников во время игры.
Простое введение в пять моделей
Нижняя строка спереди:
1. Нейронные сети [8]: это математические модели, которые имитируют работу мозга и могут использоваться для распознавания закономерностей в данных [13]. Существуют приложения для прогнозирования будущих событий на основе исторических событий (описательная аналитика).
2. Деревья решений: это могут быть графические представления возможных путей и результатов принятия решений, чтобы определить, какие действия игроки могут предпринять в различных обстоятельствах, что позволяет создавать более реалистичные игровые и сюжетные сценарии.
3. Байесовский вывод [6]: этот алгоритм использует теорию вероятностей для вывода неизвестной информации из известных точек данных. А именно, это может быть реализовано для связывания прогнозов с предпочтениями или намерениями игрока из его прошлого поведения (действия, предпринятые или предпринимаемые).
4. Эволюционные алгоритмы. Это методы оптимизации, имитирующие процесс естественного отбора [10][11]. Их можно интегрировать для развития виртуальных существ или персонажей в игре, позволяя выживать и размножаться только самым приспособленным.
5. Поиск по дереву методом Монте-Карло [7]. Этот тип искусственного интеллекта принимает решения, моделируя несколько потенциальных будущих состояний с использованием случайных чисел [9]. Его можно использовать для поиска оптимального хода в игре, рассматривая все возможные исходы.
Понимание эмоций
В видеоиграх одним из наиболее важных соображений дизайна может быть создание правдоподобных и привлекательных персонажей. Это особенно актуально для игр, в которых есть противники или союзники, управляемые ИИ.
Дизайнеры игр должны понимать, как реальные люди проявляют эмоции, чтобы развивать ИИ с эмоциональным интеллектом, а затем использовать эти знания для информирования о своем дизайне поведения ИИ.
Одним из ключевых способов выражения эмоций людьми является мимика. Различные эмоции передаются посредством различных комбинаций мышечных движений. Разработчики игр могут применять эту информацию для создания реалистичных 3D-моделей лиц, чтобы анимировать выражения лиц персонажей ИИ.
Мы можем использовать ИИ для создания видеоигр с эмоциональным интеллектом, используя алгоритмы, которые анализируют лицо и голос игрока, чтобы определить его эмоции и сообщить атрибуты сюжетной линии игрового процесса. Например, если игрок выглядит злым или расстроенным, игра может стать проще, чтобы не расстраивать его еще больше. В качестве альтернативы, если игроку кажется, что ему скучно, игра может предложить более сложный контент, чтобы поддерживать его интерес.
Люди общаются эмоционально через язык тела. Например, расстроенный человек может стоять со сжатыми кулаками и сгорбленными вперед плечами (используя эти детали в качестве явных признаков для проектирования системы); и наоборот, тот, кто чувствует себя покорным, может присесть или свернуться в клубок. Разработчики игр могут использовать подобную информацию при анимации 3D-моделей тел, чтобы сделать ИИ более эмоционально правдоподобным. Кроме того, они также могут программировать логические правила ИИ, которые определяют, насколько вероятно, что противник будет действовать антагонистически, исходя из его текущего эмоционального состояния.
Прощальные мысли
Пожалуйста, поделитесь со мной своими мыслями, если вы порекомендуете какие-либо изменения для этого поста или рекомендации по дальнейшему расширению этой тематической области.
Также, пожалуйста, рассмотрите возможность подписки на мою еженедельную рассылку:
Я написал о следующем, связанном с этим постом; они могут быть вам интересны:
3 основные модели НЛП для разработки игр; Одному нужно научиться
4 лучших алгоритма глубокого обучения для разработки игр с примерами использования
Байесовский вывод: 5 лучших моделей и 10 лучших практик для машинного обучения
Ссылки:
1. Майер и др. Воображение, познание и личность. https://journals.sagepub.com/doi/abs/10.2190/DUGG-P24E-52WK-6CDG
2. Пол, З. (2017, 20 августа). CORTANA-INTELLIGENT PERSONAL DIGITAL ASSISTANT: ОБЗОР. Неизвестный. https://www.researchgate.net/publication/319617167_CORTANA-INTELLIGENT_PERSONAL_DIGITAL_ASSISTANT_A_REVIEW
3. Джон-117. (н.д.). Хало Альфа. Получено 2 августа 2022 г. с https://halo.fandom.com/wiki/John-117.
4. Как приложение Neko Atsume скачали 5,5 миллионов раз. (н.д.). РефералКонфеты. Получено 2 августа 2022 г. с https://www.referralcandy.com/blog/neko-atsume-marketing-strategy.
5. Даунс, Дж., Ветере, Ф., и Смит, В. (2015, 7 декабря). Дифференцированное участие в социальных видеоиграх. Материалы ежегодного собрания Австралийской специальной группы по взаимодействию человека с компьютером. https://pure.tue.nl/ws/portalfiles/portal/64834165/vosmchan2016.pdf
6. Тильбе, Анил (2022, 24 июля). Байесовский вывод для машинного обучения. К ИИ. https://pub.towardsai.net/bayesian-inference-the-best-5-models-and-10-best-practices-for-machine-learning-11238a43929e
7. Тильбе, Анил (2022, 2 августа). Разработка игр: топ-3 модели искусственного интеллекта НЛП. Кодирование повышения уровня. https://levelup.gitconnected.com/top-3-essential-nlp-models-for-gaming-development-one-is-a-must-learn-df1d441a297b
8. Тильбе, Анил (2022, 24 июля). 10 самых важных рекуррентных нейронных сетей. К ИИ. https://pub.towardsai.net/10-of-the-most-important-recurrent-neural-networks-for-ai-8de9989db315
9. Встраивание виртуальной сети с помощью поиска по дереву Монте-Карло. (н.д.). IEEE Исследовать. Получено 2 августа 2022 г. с https://ieeexplore.ieee.org/abstract/document/7859375.
10. Мора, Фернандес-Арес, Мерело, Гарсия-Санчес и Фернандес. (2012). Влияние зашумленности на оптимизацию поведения игроков в стратегических играх с использованием эволюционных алгоритмов. Журнал компьютерных наук и технологий, 27 (5), 1007–1023. https://doi.org/10.1007/s11390-012-1281-5
11. Эволюционные вычисления: теория и алгоритмы. (2018). https://www.taylorfrancis.com/chapters/edit/10.1201/9780429445927-1/evolutionary-computation-anand-nayyar-surbhi-garg-deepak-gupta-ashish-khanna
12. Саловей, П. (nd). Эмоциональный интеллект. Репозиторий ученых Университета Нью-Гэмпшира. Получено 2 августа 2022 г. с https://scholars.unh.edu/psych_facpub/450/.
13. Neural Network 2022 — система искусственного интеллекта, созданная по образцу …. https://www.hitechies.com/artificial-intelligence-neural-network/
Спасибо, что являетесь частью нашего сообщества! Перед тем, как ты уйдешь:
- 👏 Хлопайте за историю и подписывайтесь на автора 👉
- 📰 Смотрите больше контента в публикации Level Up Coding
- 🔔 Подписывайтесь на нас: Twitter | ЛинкедИн | "Новостная рассылка"
🚀👉 Присоединяйтесь к коллективу талантов Level Up и найдите прекрасную работу
