En los videojuegos , la inteligencia artificial (IA) se utiliza para generar comportamientos responsivos, adaptativos o inteligentes principalmente en personajes no jugables (NPC) similares a la inteligencia humana . La inteligencia artificial ha sido una parte integral de los videojuegos desde sus inicios en 1948, visto por primera vez en el juego Nim . [1] La IA en los videojuegos es un subcampo distinto y se diferencia de la IA académica. Sirve para mejorar la experiencia del jugador en lugar del aprendizaje automático o la toma de decisiones. Durante la época dorada de los videojuegos arcade, la idea de los oponentes de IA se popularizó en gran medida en forma de niveles de dificultad graduados, patrones de movimiento distintos y eventos en el juego que dependían de la participación del jugador. Los juegos modernos a menudo implementan técnicas existentes, como la búsqueda de caminos y los árboles de decisión, para guiar las acciones de los NPC. La IA se utiliza a menudo en mecanismos que no son inmediatamente visibles para el usuario, como la extracción de datos y la generación de contenido procedimental . [2] Uno de los ejemplos más infames de esta tecnología NPC y niveles de dificultad graduales se puede encontrar en el juego Punch-Out!!. [3]
En general, la IA del juego no significa, como podría pensarse y a veces se describe, la realización de una persona artificial correspondiente a un NPC a la manera del test de Turing o una inteligencia artificial general .
El término "IA de juegos" se utiliza para referirse a un amplio conjunto de algoritmos que también incluyen técnicas de la teoría del control , la robótica , los gráficos por computadora y la informática en general, por lo que la IA de los videojuegos a menudo puede no constituir una "verdadera IA" en el sentido de que tal Las técnicas no necesariamente facilitan el aprendizaje informático u otros criterios estándar, sino que sólo constituyen "computación automatizada" o un conjunto predeterminado y limitado de respuestas a un conjunto predeterminado y limitado de entradas. [4] [5] [6]
Muchas industrias y voces corporativas [ ¿quién? ] sostienen que la IA de los juegos ha recorrido un largo camino en el sentido de que ha revolucionado la forma en que los humanos interactúan con todas las formas de tecnología, aunque muchos [ ¿quién? ] Los investigadores expertos se muestran escépticos ante tales afirmaciones y, en particular, ante la noción de que tales tecnologías se ajusten a la definición de "inteligencia" utilizada estándar en las ciencias cognitivas . [4] [5] [6] [7] Voces de la industria [ ¿quién? ] argumentan que la IA se ha vuelto más versátil en la forma en que utilizamos todos los dispositivos tecnológicos para más allá de su propósito previsto porque la IA permite que la tecnología funcione de múltiples maneras, supuestamente desarrollando sus propias personalidades y llevando a cabo instrucciones complejas del usuario. [8] [9]
Personas [ ¿quién? ] en el campo de la IA han argumentado que la IA de los videojuegos no es verdadera inteligencia, sino una palabra de moda publicitaria utilizada para describir programas informáticos que utilizan algoritmos simples de clasificación y coincidencia para crear la ilusión de un comportamiento inteligente al tiempo que otorgan al software un aura engañosa de carácter científico o científico. Complejidad y avance tecnológico. [4] [5] [6] [10] Dado que la IA del juego para NPC se centra en la apariencia de inteligencia y una buena jugabilidad dentro de las restricciones del entorno, su enfoque es muy diferente al de la IA tradicional.
Los juegos fueron un área de investigación en IA desde sus inicios. Uno de los primeros ejemplos de IA es el juego computarizado de Nim creado en 1951 y publicado en 1952. A pesar de contar con tecnología avanzada en el año en que se creó, 20 años antes que Pong , el juego tomó la forma de una caja relativamente pequeña y podía ganar juegos regularmente incluso contra jugadores altamente hábiles. [1] En 1951, utilizando la máquina Ferranti Mark 1 de la Universidad de Manchester , Christopher Strachey escribió un programa de damas y Dietrich Prinz escribió uno para ajedrez . [11] Estos estuvieron entre los primeros programas de computadora jamás escritos. El programa de damas de Arthur Samuel , desarrollado a mediados de los años 50 y principios de los 60, finalmente alcanzó suficiente habilidad para desafiar a un aficionado respetable. [12] El trabajo en damas y ajedrez culminaría con la derrota de Garry Kasparov por la computadora Deep Blue de IBM en 1997. [13] Los primeros videojuegos se desarrollaron en los años 1960 y principios de los 1970, como Spacewar! , Pong y Gotcha (1973), eran juegos implementados con lógica discreta y estrictamente basados en la competición de dos jugadores, sin IA.
Los juegos que presentaban un modo para un jugador con enemigos comenzaron a aparecer en la década de 1970. Los primeros juegos destacados para arcade aparecieron en 1974: el juego de Taito Speed Race ( videojuego de carreras ) y los juegos de Atari Qwak (caza de patos con pistola ligera ) y Pursuit ( simulador de peleas de perros con aviones de combate ). Dos juegos de ordenador basados en texto, Star Trek (1971) y Hunt the Wumpus (1973), también tenían enemigos. El movimiento enemigo se basaba en patrones almacenados. La incorporación de microprocesadores permitiría más cálculo y elementos aleatorios superpuestos en patrones de movimiento.
Fue durante la época dorada de los videojuegos cuando la idea de los oponentes de IA se popularizó en gran medida, debido al éxito de Space Invaders (1978), que presentaba un nivel de dificultad cada vez mayor, distintos patrones de movimiento y eventos en el juego que dependían del hash. funciones basadas en la entrada del jugador. Galaxian (1979) añadió movimientos enemigos más complejos y variados, incluidas maniobras de enemigos individuales que rompen la formación. Pac-Man (1980) introdujo patrones de IA en los juegos de laberintos , con la peculiaridad añadida de diferentes personalidades para cada enemigo. Karate Champ (1984) introdujo posteriormente patrones de IA en los juegos de lucha . First Queen (1988) fue un juego de rol de acción táctica que presentaba personajes que podían ser controlados por la IA de la computadora para seguir al líder. [14] [15] El videojuego de rol Dragon Quest IV (1990) introdujo un sistema de "Tácticas", donde el usuario puede ajustar las rutinas de IA de los personajes no jugadores durante la batalla, un concepto introducido más tarde en el rol de acción. género de juegos de Secret of Mana (1993).
Juegos como Madden Football , Earl Weaver Baseball y Tony La Russa Baseball basaron su IA en un intento de duplicar en la computadora el estilo de entrenamiento o gestión de la celebridad seleccionada. Madden, Weaver y La Russa trabajaron exhaustivamente con estos equipos de desarrollo de juegos para maximizar la precisión de los juegos. [ cita necesaria ] Los títulos deportivos posteriores permitieron a los usuarios "sintonizar" variables en la IA para producir una estrategia de gestión o entrenamiento definida por el jugador.
La aparición de nuevos géneros de juegos en la década de 1990 impulsó el uso de herramientas formales de IA, como máquinas de estados finitos . Los juegos de estrategia en tiempo real cargaron a la IA con muchos objetos, información incompleta, problemas de búsqueda de caminos, decisiones en tiempo real y planificación económica, entre otras cosas. [16] Los primeros juegos del género tuvieron problemas notorios. Herzog Zwei (1989), por ejemplo, casi había roto la búsqueda de caminos y máquinas de estado de tres estados muy básicas para el control de unidades, y Dune II (1992) atacó la base de los jugadores en línea recta y utilizó numerosos trucos. [17] Los juegos posteriores del género exhibieron una IA más sofisticada.
Los juegos posteriores han utilizado métodos de IA ascendente , como el comportamiento emergente y la evaluación de las acciones de los jugadores en juegos como Creatures o Black & White . Façade (historia interactiva) se lanzó en 2005 y utilizó diálogos interactivos de múltiples vías e inteligencia artificial como aspecto principal del juego.
Los juegos han proporcionado un entorno para desarrollar inteligencia artificial con aplicaciones potenciales más allá del juego. Los ejemplos incluyen Watson , ¡ Peligro! -jugar a la computadora; y el torneo RoboCup , donde se entrenan robots para competir en fútbol. [18]
Muchos expertos se quejan de que la "IA" en el término "IA de juegos" exagera su valor, ya que la IA de juegos no se trata de inteligencia y comparte pocos de los objetivos del campo académico de la IA. Mientras que la "IA real" aborda campos del aprendizaje automático, la toma de decisiones basada en la entrada de datos arbitrarios e incluso el objetivo final de una IA fuerte que pueda razonar, la "IA de juego" a menudo consiste en media docena de reglas generales, o heurísticas , que son suficientes para brindar una buena experiencia de juego. [ cita necesaria ] Históricamente, los proyectos académicos de IA de juegos han estado relativamente separados de los productos comerciales porque los enfoques académicos tendían a ser simples y no escalables. La IA de juegos comerciales ha desarrollado su propio conjunto de herramientas, que han sido suficientes para ofrecer un buen rendimiento en muchos casos. [2]
La creciente conciencia de los desarrolladores de juegos sobre la IA académica y el creciente interés de la comunidad académica en los juegos de computadora están provocando que la definición de lo que se considera IA en un juego se vuelva menos idiosincrásica . Sin embargo, las diferencias significativas entre los diferentes dominios de aplicación de la IA significan que la IA de los juegos todavía puede verse como un subcampo distinto de la IA. En particular, la capacidad de resolver legítimamente algunos problemas de IA en los juegos mediante trampas crea una distinción importante. Por ejemplo, inferir la posición de un objeto invisible a partir de observaciones pasadas puede ser un problema difícil cuando se aplica la IA a la robótica, pero en un juego de computadora un NPC puede simplemente buscar la posición en el gráfico de escena del juego . Este tipo de trampa puede conducir a un comportamiento poco realista y, por lo tanto, no siempre es deseable. Pero su posibilidad sirve para distinguir la IA del juego y plantea nuevos problemas que resolver, como cuándo y cómo hacer trampa. [ cita necesaria ]
La principal limitación de una IA potente es la profundidad inherente del pensamiento y la extrema complejidad del proceso de toma de decisiones. Esto significa que, aunque teóricamente sería posible crear una IA "inteligente", el problema requeriría una potencia de procesamiento considerable. [ cita necesaria ]
Los algoritmos heurísticos/de IA del juego se utilizan en una amplia variedad de campos bastante dispares dentro de un juego. El más obvio está en el control de cualquier NPC en el juego, aunque el "scripting" ( árbol de decisiones ) es actualmente el medio de control más común. [19] Estos árboles de decisión escritos a mano a menudo resultan en "estupidez artificial", como comportamiento repetitivo, pérdida de inmersión o comportamiento anormal en situaciones que los desarrolladores no planearon. [20]
Pathfinding , otro uso común de la IA, se ve ampliamente en los juegos de estrategia en tiempo real . Pathfinding es el método para determinar cómo llevar un NPC de un punto de un mapa a otro, teniendo en cuenta el terreno, los obstáculos y posiblemente la " niebla de guerra ". [21] [22] Los videojuegos comerciales suelen utilizar una "búsqueda de caminos basada en cuadrículas" rápida y sencilla, en la que el terreno se asigna a una cuadrícula rígida de cuadrados uniformes y se aplica a la cuadrícula un algoritmo de búsqueda de caminos como A* o IDA* . [23] [24] [25] En lugar de solo una cuadrícula rígida, algunos juegos usan polígonos irregulares y ensamblan una malla de navegación a partir de las áreas del mapa a las que los NPC pueden caminar. [23] [26] Como tercer método, a veces es conveniente para los desarrolladores seleccionar manualmente "puntos de ruta" que los NPC deben usar para navegar; el costo es que dichos puntos de referencia pueden crear movimientos de apariencia antinatural. Además, los waypoints tienden a funcionar peor que las mallas de navegación en entornos complejos. [27] [28] Más allá de la búsqueda de rutas estática, la navegación es un subcampo de la IA del juego que se centra en brindar a los NPC la capacidad de navegar en un entorno dinámico, encontrar un camino hacia un objetivo y evitar colisiones con otras entidades (otros NPC, jugadores). ..) o colaborando con ellos (navegación en grupo). [ cita necesaria ] La navegación en juegos de estrategia dinámica con una gran cantidad de unidades, como Age of Empires (1997) o Civilization V (2010), a menudo funciona mal; Las unidades a menudo se interponen en el camino de otras unidades. [28]
En lugar de mejorar la IA del juego para resolver adecuadamente un problema difícil en el entorno virtual, a menudo es más rentable simplemente modificar el escenario para que sea más manejable. Si la búsqueda de caminos se atasca debido a un obstáculo específico, un desarrollador puede terminar moviendo o eliminando el obstáculo. [29] En Half-Life (1998), el algoritmo de búsqueda de caminos a veces no lograba encontrar una forma razonable para que todos los NPC evadieran una granada lanzada; En lugar de permitir que los NPC intentaran apartarse del camino y correr el riesgo de parecer estúpidos, los desarrolladores programaron a los NPC para que se agacharan y se cubrieran en esa situación. [30]
Muchos videojuegos contemporáneos entran en la categoría de acción, disparos en primera persona o aventuras. En la mayoría de este tipo de juegos, se lleva a cabo algún nivel de combate. La capacidad de la IA para ser eficiente en combate es importante en estos géneros. Un objetivo común hoy en día es hacer que la IA sea más humana o al menos lo parezca.
Una de las características más positivas y eficientes que se encuentran en la IA de los videojuegos modernos es la capacidad de cazar. La IA originalmente reaccionó de una manera muy blanca y negra. Si el jugador estuviera en un área específica, la IA reaccionaría de manera completamente ofensiva o completamente defensiva. En los últimos años se ha introducido la idea de "cazar"; En este estado de "caza", la IA buscará marcadores realistas, como sonidos emitidos por el personaje o huellas que pueda haber dejado. [31] Estos desarrollos permiten en última instancia una forma de juego más compleja. Con esta característica, el jugador puede considerar cómo acercarse o evitar a un enemigo. Esta es una característica que prevalece particularmente en el género del sigilo .
Otro avance en la IA de los juegos recientes ha sido el desarrollo del "instinto de supervivencia". Las computadoras del juego pueden reconocer diferentes objetos en un entorno y determinar si son beneficiosos o perjudiciales para su supervivencia. Al igual que un usuario, la IA puede buscar cobertura en un tiroteo antes de realizar acciones que de otro modo la dejarían vulnerable, como recargar un arma o lanzar una granada. Se pueden establecer marcadores que le indiquen cuándo reaccionar de cierta manera. Por ejemplo, si a la IA se le da una orden para verificar su salud durante un juego, entonces se pueden configurar más comandos para que reaccione de una manera específica a un cierto porcentaje de salud. Si la salud está por debajo de un cierto umbral, entonces se puede configurar la IA para que huya del jugador y lo evite hasta que se active otra función. Otro ejemplo podría ser que si la IA nota que se ha quedado sin balas, encontrará un objeto de cobertura y se esconderá detrás de él hasta que haya recargado. Acciones como estas hacen que la IA parezca más humana. Sin embargo, todavía es necesario mejorar en este ámbito.
Otro efecto secundario de la IA de combate se produce cuando dos personajes controlados por la IA se encuentran; Popularizado por primera vez en el juego Doom de id Software , las llamadas "luchas internas de monstruos" pueden estallar en determinadas situaciones. Específicamente, los agentes de IA que están programados para responder a ataques hostiles a veces se atacarán entre sí si los ataques de su cohorte caen demasiado cerca de ellos. [ cita necesaria ] En el caso de Doom , los manuales de juego publicados incluso sugieren aprovechar las luchas internas de los monstruos para sobrevivir a ciertos niveles y configuraciones de dificultad.
La generación de contenido procedimental (PCG) es una técnica de inteligencia artificial para crear contenido dentro del juego de forma autónoma a través de algoritmos con una mínima participación de los diseñadores. [32] PCG se utiliza normalmente para generar dinámicamente características del juego, como niveles, diálogos de NPC y sonidos. Los desarrolladores ingresan parámetros específicos para guiar a los algoritmos a la hora de crear contenido para ellos. PCG ofrece numerosas ventajas tanto desde el punto de vista del desarrollo como de la experiencia del jugador. Los estudios de juegos pueden gastar menos dinero en artistas y ahorrar tiempo en producción. [33] Los jugadores reciben una experiencia nueva y altamente rejugable ya que el juego genera contenido nuevo cada vez que juegan. PCG permite que el contenido del juego se adapte en tiempo real a las acciones del jugador. [34]
Los algoritmos generativos (una forma rudimentaria de IA) se han utilizado para la creación de niveles durante décadas. El icónico juego de computadora de exploración de mazmorras de 1980, Rogue, es un ejemplo fundamental. Los jugadores tienen la tarea de descender a través de los niveles cada vez más difíciles de una mazmorra para recuperar el Amuleto de Yendor. Los niveles de las mazmorras se generan algorítmicamente al comienzo de cada juego. El archivo guardado se elimina cada vez que el jugador muere. [35] La generación algorítmica de mazmorras crea una jugabilidad única que de otro modo no estaría allí, ya que el objetivo de recuperar el amuleto es el mismo cada vez.
Las opiniones sobre la generación total de niveles como se ve en juegos como Rogue pueden variar. Algunos desarrolladores pueden ser escépticos sobre la calidad del contenido generado y desean crear un mundo con una sensación más "humana", por lo que usarán PCG con más moderación. [32] En consecuencia, sólo utilizarán PCG para generar componentes específicos de un nivel que de otro modo sería artesanal. Un ejemplo notable de esto es el shooter táctico de Ubisoft de 2017, Tom Clancy's Ghost Recon Wildlands . Los desarrolladores utilizaron un algoritmo de búsqueda de caminos entrenado con un conjunto de datos de mapas reales para crear redes de carreteras que atravesarían aldeas artesanales dentro del mundo del juego. [34] Este es un uso inteligente de PCG, ya que la IA tendría una gran cantidad de datos del mundo real con los que trabajar y las carreteras son fáciles de crear. Sin embargo, la IA probablemente pasaría por alto matices y sutilezas si tuviera la tarea de crear una aldea donde viva la gente.
A medida que la IA se vuelve más avanzada, los objetivos de los desarrolladores están cambiando para crear repositorios masivos de niveles a partir de conjuntos de datos. En 2023, investigadores de la Universidad de Nueva York y la Universidad de Witwatersrand entrenaron un modelo de lenguaje grande para generar niveles al estilo del juego de rompecabezas Sokoban de 1981 . Descubrieron que el modelo sobresalía a la hora de generar niveles con características específicamente solicitadas, como el nivel de dificultad o el diseño. [36] Sin embargo, los modelos actuales como el utilizado en el estudio requieren grandes conjuntos de datos de niveles para ser efectivos. Concluyeron que, si bien es prometedor, el alto costo de los datos de los grandes modelos de lenguaje actualmente supera los beneficios de esta aplicación. [36] Los avances continuos en el campo probablemente conducirán a un uso más generalizado en el futuro.
La partitura musical de un videojuego es una expresión importante del tono emocional de una escena para el jugador. Los efectos de sonido , como el ruido de un arma al golpear a un enemigo, ayudan a indicar el efecto de las acciones del jugador. Generarlos en tiempo real crea una experiencia atractiva para el jugador porque el juego responde mejor a sus aportaciones. [32] Un ejemplo es el juego de aventuras Proteus de 2013 , donde un algoritmo adapta dinámicamente la música en función del ángulo desde el que el jugador ve el paisaje del juego. [35]
Los avances recientes en IA han dado como resultado la creación de herramientas avanzadas que son capaces de crear música y sonido en función de factores en evolución con una mínima participación de los desarrolladores. Un ejemplo de ello es el generador de música MetaComposure. MetaComposure es un algoritmo evolutivo diseñado para generar composiciones musicales originales durante el juego en tiempo real para adaptarse al estado de ánimo actual del entorno. [37] El algoritmo es capaz de evaluar el estado de ánimo actual del juego mediante el "etiquetado de estado de ánimo". Las investigaciones indican que existe una correlación estadística positiva significativa entre la participación del jugador en el juego y las composiciones musicales generadas dinámicamente cuando coinciden con precisión con sus emociones actuales. [38]
La IA de los juegos a menudo equivale a máquinas de búsqueda de caminos y de estados finitos. Pathfinding lleva la IA del punto A al punto B, normalmente de la forma más directa posible. Las máquinas de estados permiten la transición entre diferentes comportamientos. El método de búsqueda de árbol de Monte Carlo [39] proporciona una experiencia de juego más atractiva al crear obstáculos adicionales que el jugador debe superar. El MCTS consta de un diagrama de árbol en el que la IA esencialmente juega al tres en raya . Dependiendo del resultado, selecciona un camino que presenta el siguiente obstáculo para el jugador. En videojuegos complejos, estos árboles pueden tener más ramas, siempre que el jugador pueda idear varias estrategias para superar el obstáculo. En la encuesta de este año 2022, [40] puede conocer las aplicaciones recientes del algoritmo MCTS en varios dominios de juegos, como juegos combinatorios de información perfecta, juegos de estrategia (incluidos RTS ), juegos de cartas, etc.
La IA académica puede desempeñar un papel dentro de la IA del juego, fuera de la preocupación tradicional de controlar el comportamiento de los NPC. Georgios N. Yannakakis destacó cuatro posibles áreas de aplicación: [2]
En lugar de la generación de procedimientos, algunos investigadores han utilizado redes generativas adversarias (GAN) para crear contenido nuevo. En 2018, investigadores de la Universidad de Cornwall entrenaron una GAN en mil niveles creados por humanos para Doom ; Tras el entrenamiento, el prototipo de red neuronal pudo diseñar por sí solo nuevos niveles jugables. De manera similar, investigadores de la Universidad de California crearon un prototipo de GAN para generar niveles para Super Mario . [41] En 2020, Nvidia mostró un clon de Pac-Man creado por GAN ; La GAN aprendió a recrear el juego viendo 50.000 partidas (en su mayoría generadas por bots). [42]
Los jugadores siempre preguntan si la IA hace trampa (presumiblemente para poder quejarse si pierden)
— Terry Lee Coleman de Computer Gaming World , 1994 [43]
En el contexto de la inteligencia artificial en los videojuegos, hacer trampa se refiere a que el programador les da a los agentes acciones y acceso a información que no estaría disponible para el jugador en la misma situación. [44] Creyendo que el Atari de 8 bits no podía competir contra un jugador humano, Chris Crawford no solucionó un error en Eastern Front (1941) que beneficiaba al lado ruso controlado por computadora. [45] Computer Gaming World informó en 1994 que "Es un hecho bien conocido que muchas IA 'hacen trampa' (o, al menos, 'falsan') para poder seguir el ritmo de los jugadores humanos". [46]
Por ejemplo, si los agentes quieren saber si el jugador está cerca, se les pueden proporcionar sensores complejos similares a los humanos (ver, oír, etc.) o pueden hacer trampa simplemente preguntando al motor del juego la posición del jugador. Las variaciones comunes incluyen dar a las IA velocidades más altas en los juegos de carreras para alcanzar al jugador o generarlas en posiciones ventajosas en los juegos de disparos en primera persona. El uso de trampas en la IA muestra las limitaciones de la "inteligencia" que se puede lograr artificialmente; En términos generales, en juegos donde la creatividad estratégica es importante, los humanos podrían vencer fácilmente a la IA después de un mínimo de prueba y error si no fuera por esta ventaja. Las trampas a menudo se implementan por razones de rendimiento, donde en muchos casos pueden considerarse aceptables siempre que el efecto no sea obvio para el jugador. Si bien hacer trampa se refiere sólo a los privilegios otorgados específicamente a la IA (no incluye la rapidez y precisión inhumanas naturales de una computadora), un jugador podría llamar "trampa" a las ventajas inherentes de la computadora si dan como resultado que el agente actúe a diferencia de un jugador humano. [44] Sid Meier declaró que omitió las alianzas multijugador en Civilization porque descubrió que la computadora era casi tan buena como los humanos al usarlas, lo que hizo que los jugadores pensaran que la computadora estaba haciendo trampa. [47] Los desarrolladores dicen que la mayoría de las IA de los juegos son honestas, pero no les gustan los jugadores que se quejan erróneamente de que la IA "hace trampa". Además, los humanos utilizan tácticas contra las computadoras que no usarían contra otras personas. [45]
En el juego Creatures de 1996 , el usuario "incuba" pequeños animales peludos y les enseña cómo comportarse. Estas "nornas" pueden hablar, alimentarse y protegerse contra criaturas feroces. Fue la primera aplicación popular de aprendizaje automático en una simulación interactiva. Las criaturas utilizan las redes neuronales para aprender qué hacer. El juego se considera un gran avance en la investigación de la vida artificial , cuyo objetivo es modelar el comportamiento de las criaturas que interactúan con su entorno. [48]
En el shooter en primera persona de 2001 Halo: Combat Evolved, el jugador asume el papel del Jefe Maestro, luchando contra varios alienígenas a pie o en vehículos. Los enemigos usan la cobertura muy sabiamente y emplean fuego de supresión y granadas. La situación del escuadrón afecta a los individuos, por lo que ciertos enemigos huyen cuando su líder muere. Se presta atención a los pequeños detalles, como los enemigos que lanzan granadas o los miembros del equipo que responden cuando los molestan. La tecnología subyacente del " árbol de comportamiento " se ha vuelto muy popular en la industria de los juegos desde Halo 2 . [48]
El shooter en primera persona de terror psicológico de 2005, FEAR, hace que los personajes del jugador se enfrenten a un batallón de súper soldados clonados , robots y criaturas paranormales . La IA utiliza un planificador para generar comportamientos sensibles al contexto, por primera vez en un juego convencional. Esta tecnología todavía se utiliza como referencia para muchos estudios. Las Réplicas son capaces de utilizar el entorno del juego a su favor, como volcar mesas y estantes para crear cobertura, abrir puertas, atravesar ventanas o incluso notar (y alertar al resto de sus camaradas) la linterna del jugador. Además, la IA también es capaz de realizar maniobras de flanqueo, usar fuego de supresión, lanzar granadas para sacar al jugador de su cobertura e incluso hacerse el muerto. La mayoría de estas acciones, en particular el flanqueo, son el resultado de un comportamiento emergente. [49] [50]
La serie de terror y supervivencia STALKER (2007–) enfrenta al jugador a experimentos hechos por el hombre, soldados militares y mercenarios conocidos como Stalkers. Los diversos enemigos encontrados (si el nivel de dificultad está establecido en el más alto) usan tácticas y comportamientos de combate como curar a los aliados heridos, dar órdenes, flanquear al jugador y usar armas con precisión milimétrica. [ cita necesaria ]
El juego de estrategia en tiempo real de 2010 StarCraft II: Wings of Liberty le da al jugador el control de una de las tres facciones en un campo de batalla 1 contra 1, 2 contra 2 o 3 contra 3. El jugador debe derrotar a sus oponentes destruyendo todas sus unidades y bases. Esto se logra creando unidades que sean efectivas para contrarrestar las unidades de los oponentes. Los jugadores pueden jugar contra múltiples niveles diferentes de dificultad de IA, desde muy fácil hasta Tramposo 3 (loco). La IA puede hacer trampa en la dificultad Tramposo 1 (visión), donde puede ver unidades y bases cuando un jugador en la misma situación no podría. El tramposo 2 le da a la IA recursos adicionales, mientras que el tramposo 3 brinda una gran ventaja sobre su oponente. [51]
Red Dead Redemption 2 , lanzado por Rockstar Games en 2018, ejemplifica el uso avanzado de la IA en los videojuegos modernos. El juego incorpora un sistema de IA muy detallado que gobierna el comportamiento de los NPC y el dinámico mundo del juego. Los NPC en el juego muestran comportamientos complejos y variados basados en una amplia gama de factores, incluido su entorno, las interacciones de los jugadores y la hora del día. Este nivel de integración de IA crea una experiencia rica e inmersiva donde los personajes reaccionan ante los jugadores de una manera realista, contribuyendo a la reputación del juego como uno de los juegos de mundo abierto más avanzados jamás creados. [52]
El juego sandbox basado en navegador de 2024, Infinite Craft, utiliza software de inteligencia artificial generativa , incluido LLaMA . Cuando se combinan dos elementos, la IA genera un nuevo elemento. [53]
La inteligencia artificial generativa , un sistema de inteligencia artificial que puede responder a indicaciones y producir texto, imágenes y clips de audio y video, surgió en 2023 con sistemas como ChatGPT y Stable Diffusion . En los videojuegos, estos sistemas podrían crear la posibilidad de que los activos del juego se creen indefinidamente, evitando las limitaciones típicas de las creaciones humanas. Sin embargo, existen preocupaciones similares en otros campos, en particular la posibilidad de pérdida de empleos normalmente dedicados a la creación de estos activos. [54]
En enero de 2024, SAG-AFTRA , un sindicato estadounidense que representa a los actores, firmó un contrato con Replica Studios que permitiría a Replica capturar el trabajo de voz de los actores sindicales para crear sistemas de voz de IA basados en sus voces para su uso en videojuegos, con el contrato. garantizar la protección de salarios y derechos. Si bien el contrato fue acordado por un comité SAG-AFTRA, muchos miembros expresaron críticas a la medida, ya que no se les informó hasta que se completó y que el acuerdo no hizo lo suficiente para proteger a los actores. [55]
El futuro de la IA en los videojuegos tiene el potencial de ofrecer experiencias aún más atractivas y receptivas. Gracias al progreso en el aprendizaje automático y tecnologías como la red neuronal, los personajes de IA pueden adaptarse y desarrollarse según las interacciones del jugador, lo que lleva a experiencias de juego distintas y personalizadas. Además, los avances en IA fomentarán interacciones más naturales e intuitivas entre los jugadores y los personajes del juego. Los juegos futuros podrían incluir NPC capaces de comprender y responder a comandos complejos de los jugadores a través de un lenguaje conversacional, impulsando la inmersión y el realismo del mundo del juego. El futuro de la inteligencia artificial en los videojuegos traerá cambios revolucionarios que mejorarán significativamente la experiencia de juego. Como destaca Shahzad Ahmad, la capacidad de la IA para crear y modificar contenido sobre la marcha permitirá que los juegos presenten a los jugadores desafíos y escenarios únicos adaptados a su estilo de juego y preferencias. [56]
Los avances recientes en IA para videojuegos han llevado a comportamientos más complejos y adaptativos en personajes no jugables (NPC). Por ejemplo, los sistemas de IA ahora utilizan técnicas sofisticadas como árboles de decisión y máquinas de estado para mejorar las interacciones y el realismo de los NPC, como se analiza en "Inteligencia artificial en los juegos". [57] Los avances recientes en IA para videojuegos también se han centrado en mejorar los comportamientos dinámicos y adaptativos en los NPC. Por ejemplo, una investigación reciente ha explorado el uso de redes neuronales complejas para permitir que los NPC aprendan y adapten su comportamiento en función de las acciones del jugador, mejorando la experiencia de juego general. Este enfoque se detalla en el documento del IEEE sobre "Técnicas de IA para sistemas de juegos interactivos". [58]