Алгоритмы и нейросети: как устроен ИИ в видеоиграх

Тема ИИ хайпует всё больше и больше, но настоящие геймеры знают, что ИИ с нами уже очень давно, он активно соперничает с нами в соревновательных играх и выдаёт задания в RPG… Или это другое… Есть ли что-то общее между игровым и нейросетевым ИИ?

Начну с очевидного, типичный игровой ИИ ничего общего не имеет с нейросетями. NPC утопца из ведьмака точно не напишет вам картину, которую можно поставить на обложку своей публикации. Однако, уже достаточно давно, компании экспериментируют с полноценным самообучающимся искусственным интеллектом в видеоиграх. 

Получается, ИИ в играх можно разделить на два вида два вида:

• алгоритмический ИИ: самый распространённый вариант, по сути, это набор алгоритмов в дереве принятия решений у бота, который может патрулировать базу по определённым маршрутам, закрывать свою лавку в ночное время и врубать первую космическую скорость в гонках, когда игрок отрывается слишком далеко

• нейросетевой ИИ: это тоже боты, но не запрограммированные, а обученные играть в игру на своём личном опыте и записи игр, такой бот в режиме реального времени принимает решение на основании прошлого опыта, игровой ситуации и своего представления о прекрасном

При создании обучающегося ИИ основное, что может сделать разработчик – это создать систему наград за определённые действия, получая которые ИИ будет понимать хорошо он выполняет работу, или нет. Хорошо об этом рассказывает разработчик ИИ для Trackmania в своих видео

С чего всё началось

А началось всё с алгоритмических ИИ. Один из первых компьютерных ИИ для игр был разработан в 1940-1950 годах и предназначался для игры в шахматы. На звание первого такого ИИ претендует Turochamp – программа, созданная Аланом Тьюрингом, которую, однако, в своё время на компьютере запустить так и не удалось.

На основании своих ходов и ходов оппонента система определяла наиболее эффективный следующий ход.

В 1970 годах рынок видеоигр получил активный рост благодаря популярности игровых аркадных автоматов. Вместе с тем ИИ в играх так же рос, развивался и становился комплекснее. Так, в 1980 в игре Pac-Man у призраков была система поиска маршрутов и различные паттерны поведения для каждого из них, что усложняло игру и делало её разнообразнее.

По мере развития видеоигр и появления новых жанров алогоритмы ИИ предлагали игрокам новые различные челленджи и возможности

• Соперники в файтингах, например, Mortal Kombat и Street Fighter, подбирали стратегии противодействия приёмам игрока

• Враги в шутерах, например Golden Eye 007, стали лучше использовать укрытия и применять тактические действия

• В жанр Real Time Strategy (RTS) боты могли составить конкуренцию начинающему геймеру перед выходом в мир противостояния с людьми, чтобы понять, что человек так не играет (передаю привет своему первому матчу в Starcraft 2)

• В RPG у NPC появился распорядок дня и зачатки уникального поведения

С развитием игр алгоритмический игровой ИИ становится всё сложнее и комплекснее. Появлялись различные алгоритмы, подходящие для разных ситуаций, сами деревья становились сложнее, однако, революционных прорывов в этой области не было уже достаточно давно.

Так, возможно, нейросети – это то, чего не хватает игровому ИИ и мы стоим на пороге крупных изменений в геймплее?

Нейросети в играх

По мере роста доступности крупные компании и энтузиасты оказываются не против интегрировать нейросети в различные игры. Нейросети могут победить лучших игроков мира в DOTA 2 или стать собеседником в крупной RPG.

“Оживление” NPC в играх

Как говорил Конфуций “дай человеку рыбу – и он будет сыт один день, дай человеку нейросеть и он сделает мод для общения со стражниками в Скайриме”. И, действительно, находятся мододелы, которые добавляют возможности для более глубокого взаимодействия с NPC в различных играх, и Skyrim, конечно, не остался без внимания.

Но не только небольшие команды модеров работают над разговорами с NPC, например, сервис Avatar Cloud Engine от Nvidia, предоставляет инструментарий для интеграции чат-ботов для разработчиков.

Данные технологии звучат действительно весьма интересно и расширяют простор взаимодействия с миром игры практически до бесконечности. Однако, я всё-таки склонен разделять и скепсис в отношении будущего нейронных NPC в крупных сюжетных играх. В инструментарии той же Avatar Cloud Engine есть ограничители, но будет ли их хватать, не будут ли галлюцинации портить игровой процесс и давать игрокам недостоверную информацию, отправляя приключаться в замок, которого даже на карте нет, ответы на эти вопросы придут только со временем.

Open AI Five в Dota 2

Один из громких кейсов разработки нейросетевых ботов для игры – это, конечно, противостояние ботов Open AI и киберспортсменов в Dota 2. Нейросеть несколько раз соперничала с игроками:

• первый раз она победила на TI 17 в категории 1х1 соло мид

• на TI 18 ИИ сражался уже в формате 5х5 с ограниченным пулом героев против нескольких профессиональных команд, однако, человеки одержали победу

• продолжение было на TI 19, где ИИ одержал победу над командой OG, хотя и не все согласны, что эту игру можно назвать дотой

Также Open AI проводило открытое тестирование, в рамках которого игроки могли посоревноваться с нейросетью. Винрейт ИИ составил 99,4 %, однако, причины некоторых странных действий со стороны ботов так и остались загадкой, а значит, рядовой игрок вряд ли сможет поднять уровень игры, подражая действиям такого соперника.

Кроме того, Open AI заявляла, что использует Dota 2 как площадку для теста идей по развитию ИИ, а не для создания нового класса соперника.

Есть информация, что для тренировки системы потребовалось 256 видеокарт и 128 000 процессорных ядер. Так что, теперь вы знаете, что не только генерация антропоморфных котов на электросамокате приводит к дефициту памяти, возможно, просто очередной миллиардер делает свой игровой ИИ, чтобы занимать топ 1 в POE 2

AlphaStar в Starcraft II

Тренировка ИИ в стратегических играх не ограничилась дотой. Компания DeepMind проводила опыты со своим ИИ AlphaStar, но уже в Starcraft II.

Вообще, комьюнити старкрафта давно самостоятельно проводит турниры по выявлению сильнейшего ИИ, но, исходя из формата и начала соревнований в 2010 годах уверен, что речь идёт про алгоритмический ИИ.

AlphaStar уверенно победил профессиональных игроков TLO и MaNa, а некоторое время спустя боты появились и в обычных рейтинговых матчах и одержали 99,8 % побед против игроков.

Тут можно чуть подробнее остановиться на особенностях ИИ, которые я ранее затронул в разделе про Dota 2. На просторах YouTube есть ролик про детали игры с AlphaStar, в котором разбирается, что ранняя версия ИИ не действовала как человек и выполняла вещи, невозможные ни механикой игры, ни человеческой реакцией, например ИИ:

• выделил здание, на которое ни разу не наводился камерой

• собирал чётко выверенные группы юнитов, ровно достаточные для устранения каждого отдельного таргета во время сражения

• по лёгкому блюру на экране безошибочно определял наличие невидимых юнитов

Если говорить о стратегических играх, кажется, нейросеть стала достаточно нечестным соперником. Возможно, она разыгрывает уникальные стратегии, но сможет ли их в полной мере понять и реализовать человек – это вопрос, как вопрос и то, за счёт чего именно нейросеть одерживала 90+ процентов побед – за счёт быстрой адаптации и хороших стратегий, или за счёт нечеловеческой реакции…

Drivatar в Forza

Пожалуй, Drivatar в серии Forza самый древний (во всяком случае, в текущей подборке), и, на мой взгляд, самый спорный пример использования машинного обучения для соперников в видеоиграх. Система Drivatar появилась в Forza в 2005 году и позиционировалась как цифровой клон игрока.

Если точнее, то ИИ в Forza фиксирует как игрок проходит 12 типов поворотов: положение машины в пространстве, скорость прохождения поворота и постоянство этих показателей. 

При этом разработчики ограничивают поведение ИИ в рамках некой “нормальности” и, если вы во время гонки в каждом повороте сносите по одному оппоненту, то ваш драйватар не будет перенимать данное негативное качество, чтобы не портить игру для других людей. Также никуда не делся и  rubber band – это набор механик, которые позволяют игроку всегда быть в конкурентным против ботов, например, в NFS, если игрок сильно отстаёт, боты любезно сбавят темп, а, если далеко отрывается, наоборот, найдут лишние лошадиные силы. В системе драйватаров такие “читы” тоже есть и  обуславливаются изменением характеристик машин оппонентов в процессе заезда, например, увеличением веса или изменением параметров сцепления с дорогой.

Если сравнивать Drivatar с ИИ, например с Open AI Five, то выяснится, что ИИ в Forza – это просто супермен. В играх Opan AI ограничивала количество персонажей, которых можно выбрать, до 18 из 115 т.к. именно на этих персонажах обучался ИИ. Драйватар же, может ездить в любых условиях даже на машинах, на которых вы никогда не играли и данных по которым он собрать просто не мог.

На мой взгляд, система драйватаров, в большей мере, маркетинговый инструмент. Дело даже не в том, что я сам не особо замечал отличий в поведении ботов друзей в играх серии Forza Horizon, скорее, даже по описанию система больше похожа на ИИ в Mario Kart, только вместо изменения траектории для подбора самого полезного улучшения соперник выбирает траекторию, похожую на действие игрока. 

Sophy в Gran Tourismo

В отличии от Drivatar, Sophy можно назвать гонщиком, который научился управлению машиной на трассах Gran Turismo при помощи обучения с подкреплением (напомню как выглядит подобное обучение на примере Trackmania).

Sophy – это соперник, который нацелен победить в гонке, а не сделать игру весёлой. Она не будет ждать, если вы вылетели с трассы и отстали слишком сильно, и точно будет только рада обогнать вас на 2-3 круга, если сильно мешкаться. Чтобы её сбалансировать для слабых игроков разработчики не крутят ползунки навыков, а дают ИИ более слабую машину, на которой Sophy также будет ехать на пределе своих возможностей.

Именно благодаря этому Sophy, как ни странно, способна доставить удовольствие от игры с ботом для высокоуровневых игроков. 

Если поискать отзывы игроков, соревновавшихся с Sophy (видос от Kus-Kus, обзорная статья) можно заметить, что гонщики отмечают честное, пусть и временами агрессивное, поведение ИИ. Игроки отмечают, что им есть чему поучиться у ИИ, а, как по мне, это лучший комплимент для компьютерного соперника.

Не обходится и без ограничений

Не каждая игра подходит для того, чтобы просто посадить играть в неё нейросеть и через время пойти побеждать киберспортсменов. В качестве примера такой игры подходит Montezuma’s Revenge, выпущенная для Atari. Некоторое время эта игра была одной из немногих, где нейросеть не могла побить рекорды людей, ведь стандартная модель обучения с подкреплением просто не работала.

Если вкратце, при обучении с подкреплением нейросеть выбирает оптимальный путь, но при наличии альтернативных вариантов, она склонна выбирать одно и то же решение раз за разом, что затрудняет, так сказать, эксплоринг.

Для решения этой проблемы пришлось изменять подход к алгоритмам обучения нейронных сетей. Примером такого алгоритма является Go-Explore от Uber, который побуждает ИИ исследовать мир и сохранять перспективные альтернативные варианты, к которым можно будет вернуться позднее для альтернативного исследования (описание принципа работы алгоритма).

ИИтоги

После погружения в мир нейросетевых соперников в видеоиграх я могу сделать два заключения:

1. Во многих случаях нейросетевые боты не рассматриваются разработчиками как инновационный соперник для игрока

Те же Open AI и DeepMind сразу заявляли, что они не делают новых ботов для игры, а обучают нейросеть на большом объёме данных в безопасных условиях. Разработка алгоритма Go-Explore хороший пример того, как нестандартные ситуации в видеоиграх способны показать проблему с обучением нейросети, не тратя при этом миллиарды долларов. По большому счёту, даже Sophy – это не только соперник в гонках, но и часть работы крупного подразделения Sony AI, занимающегося различными исследованиями в области ИИ.

Как знать, возможно, ещё через 10 лет во время поездки в автономном такси нейроголос расскажет историю, как в детстве хотел стать киберспортсменом, но родители отдали его в беспилотный транспорт.

2. Сложно сказать будет ли нейросеть хорошим ботом в играх, ведь в игры должно быть, в первую очередь, интересно играть, и не всегда реализм и веселье идут рука об руку

Несколько лет назад, на заре добавления рейтрейсинга в игры, бывали проблемы с интеграцией технологии в игры, некоторые сюжетные сцены в том же киберпанке теряли свою выразительность из-за добавления реалистичного света, который не был должным образом настроен.

При интеграции ИИ в видеоигры, на первых порах, думаю, будет то же самое. Взять те же гонки и приём rubber band. Да, это нечестное поведение, но оно делает всю гонку интересной, не давая игроку ехать в одиночестве на первом месте, и позволяющий бороться за победу даже при ошибках. 

Сложно однозначно сказать на сколько нейросеть может сделать игры интереснее для обычного, среднестатистического пользователя:

• на сколько весело любителю аркадных гонок будет ехать против оптимальных траекторий Sophy из Gran Turismo? 

• интересно ли противостоять AlphaStar, который может молниеносно реагировать на любые действия на всей карте?

• нужны ли бесконечные разговоры с кузнецом человеку, который просто пришёл в Skyrim драться с драконами?

А вы как думаете, будут ли студии вкладываться в нейросети для создания ботов в играх, или игры так и останутся, в большей мере, тренировочной площадкой для безопасного обучения?