Artificial Intelligience

Präsentation zum Thema: "Artificial Intelligience"—  Präsentation transkript:

1 Artificial Intelligience
Game Programming Gems 8 Artificial Intelligience

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

3 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

4 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)“

5 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

6

7 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

8 Needs-Based AI - Robert Zubeck

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

10 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

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

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

13 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