VolgendeVolgende gids
YouTube-videoscripts schrijven met AI
Toepassingen
ToepassingenGIDS
Game AI bestuurt non-player characters (NPC's) zodat ze op geloofwaardige wijze navigeren, vechten en reageren.
Luister naar deze gidsAI-verteld · ~2 min
Het combineert tientallen jaren oude technieken zoals staatsmachines met nieuwe generatieve modellen waarmee personages kunnen praten en improviseren.
NPC-gedrag is een van de oudste toegepaste AI-velden, maar de meeste 'game-AI' is helemaal geen machinaal leren. Klassieke vijanden gebruiken eindige toestandsmachines (inactief, patrouilleren, achtervolgen, aanvallen) en gedragsbomen, die ontwerpers met de hand maken voor voorspelbaar, afstembaar plezier. Pathfinding maakt gebruik van het A*-algoritme om door kaarten te navigeren. Belangrijke voorbeelden zijn onder meer F.E.A.R.'s doelgerichte actieplanning (GOAP), waardoor soldaten flankeerden en coördineerden, en de gelaagde gedragssystemen van de Halo-serie. Game AI wordt vaak opzettelijk 'gedumpt', zodat het eerlijk en te verslaan aanvoelt in plaats van meedogenloos optimaal. Meer recentelijk experimenteren studio's met grote taalmodellen om dynamische dialogen mogelijk te maken, waardoor NPC's kunnen reageren op spelerstoespraak met een open einde in plaats van op vaste dialoogbomen, zoals te zien is in technische demo's van NVIDIA en Ubisoft.
De soldaten van F.E.A.R. gebruiken doelgerichte actieplanning om aanvallen te flankeren, dekking te zoeken en aanvallen te coördineren
De vijanden uit de Halo-serie trekken zich terug, hergroeperen en reageren op granaten via gelaagde gedragssystemen
Een* padvinding waarmee NPC's in talloze games om obstakels heen kunnen navigeren om de speler te bereiken
NVIDIA ACE- en Ubisoft-demo's gebruiken LLM's om NPC's ongescripte gesproken gesprekken met spelers te laten voeren
LLM-gestuurde NPC's beloven echt open gesprekken en opkomende persoonlijkheden, maar worden geconfronteerd met hindernissen: latentie, kosten, gehallucineerde overlevering en het risico om zorgvuldig geschreven verhalen te verbreken. Verwacht hybriden waarbij ontwerpers generatieve modellen beperken met vangrails en kennisdatabases. Versterkend leren kan meer adaptieve tegenstanders opleveren, terwijl kleine modellen op het apparaat de dialoog responsief en privé houden. De ambachtelijke uitdaging blijft om NPC’s leuk te maken, en niet alleen maar slim.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Game AI bestuurt non-player characters (NPC's) zodat ze op geloofwaardige wijze navigeren, vechten en reageren. Het combineert tientallen jaren oude technieken zoals staatsmachines met nieuwe generatieve modellen waarmee personages kunnen praten en improviseren.
A* is het klassieke padvindingsalgoritme, waarbij gebruik wordt gemaakt van de werkelijke kosten plus een heuristische schatting om efficiënte routes door een navigatienetwerk te vinden.
Ontwerpers maken in de meeste klassieke games staatsmachines en gedragsbomen met de hand voor voorspelbaar, afstembaar gedrag, en niet voor machinaal leren.
De soldaten van F.E.A.R. gebruikten GOAP en planden actiescènes van doelen tijdens runtime, wat indrukwekkend tactisch, gecoördineerd gedrag opleverde.
Ontwerpers stemmen AI zo af dat het leuk en eerlijk is; een perfect optimale tegenstander zou meestal frustrerend en onplezierig zijn om tegen te spelen.
LLM's kunnen onjuiste kennis verzinnen of dingen zeggen die het verhaal tegenspreken, plus zaken als latentie en kosten, dus er zijn vangrails nodig.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
YouTube-videoscripts schrijven met AI
Toepassingen