Aprendizado de Máquina Aplicado à Jogos

Documentos relacionados
Aprendizado de Máquina

Inteligência Computacional para Jogos Eletrônicos

INTELIGÊNCIA COMPUTACIONAL

Pontifícia Universidade Católica de São Paulo Graduação em Matemática Empresarial

Inteligência Artificial

Algoritmos Evolutivos Aplicados no Aprendizado em Jogos de Estratégia em Tempo Real

INTELIGÊNCIA ARTIFICIAL

Fabrício Jailson Barth BandTec

Profa. Sheila Morais de Almeida. março

INF 1771 Inteligência Artificial

Inteligência Artificial. Aula 1 Prof. Nayat Sánchez Pi

3. Resolução de problemas por meio de busca

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2)

INF 1771 Inteligência Artificial

INTELIGÊNCIA ARTIFICIAL

Anatomia do motor de um programa de xadrez. Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina

Redes Neurais (Inteligência Artificial)

PRINCÍPIOS DE NEUROCOMPUTAÇÃO

INF 1771 Inteligência Artificial

Desenvolvimento de um simulador de jogo de estratégia em tempo real. Fabiano Aono Leandro Aono Orientador: Prof. Dr. Paulo André Vechiatto de Miranda

VERIFICAÇÃO DO DECAIMENTO DE INFORMAÇÃO EM REDES NEURAIS RECORRENTES APLICADAS AO PROBLEMA DO MUNDO DE WUMPUS 1

Aprendizado de Máquina

Algarve. A2 Aprendizagem Automática ML Machine Learning 7/15/2013

Inteligência Artificial: Introdução

INF 1771 Inteligência Artificial

Apresentação da Unidade Curricular 2012/13

UTILIZAÇÃO DE APRENDIZADO POR REFORÇO PARA APRENDER A ESTRATÉGIA DO JOGO DA VELHA

Aprendizagem de Máquinas

Aprendizagem de Máquina. Prof. Júlio Cesar Nievola PPGIA - PUCPR

Como as aplicações de entretenimento (em especial jogos digitais) têm enfrentado um constante crescimento, tanto em tamanho quanto em complexidade,

Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO

Aprendizado de Máquina

Busca competitiva. Inteligência Artificial. Profª. Solange O. Rezende

Inteligência Artificial

Inteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula VI Busca Competitiva

APLICAÇÃO DE REDES NEURAIS RECORRENTES EM AMBIENTES PARCIALMENTE OBSERVÁVEIS 1

Aprendizado de Máquina (Machine Learning)

Otimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ

Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos

TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais

Implementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers. Jhonny Moreira

INF 1771 Inteligência Artificial

Assim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:

Fundamentos de Inteligência Artificial [5COP099]

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO

Algoritmos Genéticos Fundamentos e Aplicações. Prof. Juan Moisés Mauricio Villanueva

Estudo comparativo de Inteligência Artificial em jogos

Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP

2284-ELE/5, 3316-IE/3. Universidade da Beira Interior, Departamento de Informática

Metodologia de Desenvolvimento de Sistemas Informação

Aprendizagem de Máquina - 2. Prof. Júlio Cesar Nievola PPGIa - PUCPR

Inteligência Artificial (SI 214) Aula 6 Busca com Adversário. Prof. Josenildo Silva

Universidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax:

Computação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural

O programa de Xadrez invencível (até hoje...)

Aprendizado de Máquina

4 Modelagem do jogador

Inteligência Artificial

Redes Neurais. Motivação. Componentes do neurônio. Cérebro humano. Criar máquinas capazes de operar independentemente do homem:

A Inteligência Artificial no Auxílio de Tomadas de Decisão

Inteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos

O INÍCIO CIÊNCIA DA COMPUTAÇÃO

Estatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias

Definições básicas e histórico Inteligência Artificial Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO

Jogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra

lnteligência Artificial

PT Unida na diversidade PT. Alteração. Beatrix von Storch em nome do Grupo EFDD

A Evolução da Inteligência Artificial Fabio G. Cozman Escola Politécnica, USP

6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA

Inteligência Artificial

APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina

Inteligência Ambiente Quarto nível» Quinto nível

Ítalo Eber de Souza Moraes.

Inteligência Artificial. Conceitos Gerais

Planejamento Estratégico Aula 1

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 2 Introdução a I.A.

Introdução. Aula 1 Inteligência Artificial HDL

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Agentes Inteligentes. Inteligência Artificial

Aula 1: A Evolução dos Sistemas Computacionais

Justificativa para novas abordagens de treinamento de força no futebol.

Gestão Pública Orientada para Resultados

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Técnicas de Inteligência Artificial

3 Redes Neurais Artificiais

Inteligência Artificial. 3º Quadrimestre de 2018

SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Informática Parte 19 Prof. Márcio Hunecke

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Desafios que a IA Enfrenta

Representação do Conhecimento

Aprendizado por Reforço

Transcrição:

Aprendizado de Máquina Aplicado à Jogos Leandro Soriano Marcolino 14 de novembro de 2006 Inteligência Artificial para Jogos

Introdução Por que utilizar técnicas de aprendizado? IA é um diferencial Capacidade de adaptação leva a crer que o NPC entende o que está fazendo Inteligência Artificial para Jogos 2/22

Jogos cada vez mais complexos torna difícil o uso de IA convencional Scripts complexos contem erros facilmente Baldur s Gate: Shadows of Amn deveria ter dragões invencíveis, mas falhas na IA permitia a jogadores fracos matá-los Inteligência Artificial para Jogos 3/22

Adaptação permite manter o nível de desafio do jogo Para relaxar [os astronautas] sempre podiam jogar com o HAL um grande número de jogos semi-matemáticos, incluindo dama, xadrez e poliominós. Se HAL usasse toda sua capacidade, ele podia vencer facilmente qualquer um; mas isso seria ruim para a moral. Por isso, ele foi programado para vencer apenas cinquenta por cento do tempo, e seus companheiros humanos pretendiam não saber disso. (2001: Uma Odisséia no Espaço. Escrito por Clarke em 1968) Inteligência Artificial para Jogos 4/22

Técnicas de Aprendizado Algoritmos Genéticos Redes Neurais Redes Neurais Evolutivas Aprendizado por Reforço Inteligência Artificial para Jogos 5/22

Formas de Aprendizado Aprendizado Offline Forma mais segura de se utilizar aprendizado em jogos Inteligência Artificial para Jogos 6/22

Aprendizado Supervisionado Black & White Creatures Inteligência Artificial para Jogos 7/22

Aprendizado Online Adaptação automática ao estilo e tática do jogador Publicadoras de jogos são relutantes em lançar jogos com aprendizado online O jogo pode aprender comportamento inferior Inteligência Artificial para Jogos 8/22

Nascar Racing 2003 Season e The Fall Of Max Payne mudam parâmetros da IA automaticamente Descent 3: Mercenary e WWII: Frontline Command possuem variações da IA definidas manualmente e escolhem durante o jogo qual variação estará em curso Inteligência Artificial para Jogos 9/22

Necessidades Computacionais do Aprendizado Online Velocidade Eficácia Robustez Eficiência Inteligência Artificial para Jogos 10/22

Dynamic Scripting When error is corrected whenever it is recognised as such, the path of error is the path of truth. Hans Reichenbach (1891-1953). Desenvolvido para atender as quatro necessidades computacionais do aprendizado online Inspirado pelas técnicas de aprendizado por reforço Requer menos tentativas para o aprendizado Inteligência Artificial para Jogos 11/22

Funcionamento São mantidos várias bancos de regras, um para cada classe de agente do jogo Sempre que um agente é gerado, o banco de regras é usado para criar um script que controlará o seu comportamento A probabilidade de uma regra ser selecionada para o script é influenciada pelo peso da regra Inteligência Artificial para Jogos 12/22

A adaptação consiste em alterar o peso das regras de acordo com o sucesso ou fracasso de seu uso nos scripts Inteligência Artificial para Jogos 13/22

Inteligência Artificial para Jogos 14/22

Necessidades IA do jogo em scripts Conhecimento do domínio para que as regras do banco de dados sejam boas Uma função de avaliação para conhecer o sucesso das regras Inteligência Artificial para Jogos 15/22

Melhorias Para aumentar o conhecimento do domínio, podemos executar o seguinte procedimento: 1. Adaptação Online: Usamos aprendizado online contra jogadores e IA desenvolvida manualmente 2. Adaptação Offline: Usamos aprendizado offline para descobrir táticas que: Superem os melhores resultados do aprendizado online Inteligência Artificial para Jogos 16/22

Resolvam as situações em que o aprendizado online fracassou 3. Melhoramentos: As táticas descobertas pelo aprendizado offline são analizadas e utilizadas para melhorar o conhecimento do domínio do aprendizado online. O passo 1 pode ser repetido para validação Inteligência Artificial para Jogos 17/22

Conclusão Nasrudin Mullah começou a chamar a atenção do povo no mercado: Escutem todos! Vocês querem conhecimento sem dificuldades, verdade sem mentiras, atingir objetivos sem esforço, progresso sem sacrifício? Em pouco tempo juntou uma multidão, todos gritando: Sim, sim! Excelente! disse Mullah. Eu apenas queria saber. Pode confiar que eu contarei a vocês se um dia descobrir como conseguir tudo isso. Inteligência Artificial para Jogos 18/22

Conhecimento sem dificuldades: Eficiência Verdade sem mentiras: Conhecimento correto do domínio, Robustez Atingir objetivos sem esforço: Velocidade Progresso sem sacrifício: Eficácia Inteligência Artificial para Jogos 19/22

Nasrudin acredita que os quatro requerimentos são impossíveis Conseguimos alcançá-los com Dynamic Scripting Técnica criticada por ser simples, mas é a simplicidade que a faz atender as quatro necessidades computacionais Inteligência Artificial para Jogos 20/22

Atualmente as publicadoras tem medo de usar aprendizado online Quando uma utilizar, as outras serão forçadas a usar também devido a competitividade do mercado Inteligência Artificial para Jogos 21/22

Referências Adaptative Game AI, tese de Pieter Spronck - http://www.cs.unimaas.nl/p.spronck/pubs/ ThesisSpronck.pdf Site do Pieter Spronck - http://www.cs.unimaas.nl/p.spronck Inteligência Artificial, Stuart Russel e Peter Norvig Inteligência Artificial para Jogos 22/22