Artificial Intelligience Game Programming Gems 8 Artificial Intelligience

Embracing Chaos Theory: Generating Apparent Unpredictability through Deterministic Systems - Dave Mark

Vorhersagbarkeit vs. Chaos Spiele sind deterministische Systeme Ein zufälliges dynamisches System zu entwickeln ist nahezu unmöglich Ziel: Scheinbare Unvorhersehbarkeit ohne den logischen Determinismus zu verlieren

Exkurs: Chaos Theorie Chaos ungleich Zufall. (deterministisches Chaos) extrem komplexe Information Eingeschränkte Wahrnehmung der Information Unfähigkeit das Verhältnis einzelner Instanzen eines Systems zu erkennen „Given a momentary inital state(input), we fail to determine the rule set that was in effect that led to the next momentary state(output)“

Chaos Theorie in Spielen Simple AI: Input A, Output A oder B Kaum Unterschied zwischen Einfachheit für den Nutzer und Programmierer Weitere Kriterien machen es nicht viel schwerer für den Programmierer, aber für den Spieler

Dem Spieler fällt es schwerer den Auslöser festzustellen, dadurch entsteht scheinbar autonomes Verhalten Die Zahl Möglicher Konfigurationen steigt exponentiell zu jedem weiteren Kriterium Dieses Procedere fortführen, aber Verständlichkeit im Blick haben Ziel: Verständlich aber Unvorhersehbar für den Spieler und gleichzeitig komplett logisch und offensichtlich für den Programmierer/Designer

Needs-Based AI - Robert Zubeck

Überblick Genereller Loop: Eine Aktion ausführen, bis keine mehr vorhanden, dann Aktion auswählen, je nach momentanen Bedürfnissen Umgebung scannen Umgebung bewerten Beste Aktion auswählen

Needs Der Agent hat Bedürfnisse die sinken können. Je niedriger desto wichtiger Objekte kontrollieren selber was sie dem Agenten „anbieten“ und agieren flexibel Trennung extrem wichtig, da sonst unmöglich in der Umsetzung Der Agent bewertet diese lediglich

Bewertung Simples Numerisches System, aber Verhältnisse bedenken Weitere Kriterien: Filter Distanz Prioritäten

Ausführung Komplexe Aktionen werden Schrittweise ausgeführt Der nächste Schritt wird erst erstellt, wenn der vorherige Abgeschlossen ist Der Agent gibt Feedback

Fazit Hauptsächlich für Simulationen geeignet, jedoch auch z.B. in der Robotik Die AI passt sich der Umwelt automatisch an, wenn diese verändert wird Kann um Lernfaktoren erweitert werden