La Inteligencia Artificial en videojuegos

3. IA en videojuegos:
Es la simulación de comportamientos de los
personajes no manejados por el jugador: NPCs,
enemigos, jefes finales, animales…

4. Orígenes de la IA en videojuegos
Los primeros sistemas de
IA (años 50) se aplicaron a
juegos de mesa:
damas (Arthur Samuel) y
ajedrez (Claude Shannon)
En los años 60 se
desarrollaron juegos como
el Pong o Spacewar!
basados en la lógica

5. En los 70 surgieron
juegos de 1 jugador
contra enemigos que
se movían mediante
patrones
almacenados
Space Invaders (1978)
añadió dificultad
creciente y respondía
a las acciones del
jugador

6. Pac-Man (1980)
incorporó algoritmos
de búsqueda en
laberintos
Dragon Warrior (1990)
fue el primer RPG.
Permitía variar las
rutinas de la IA de los
enemigos durante las
batallas

7. En los años 90 se produjo un boom de nuevos géneros y
nuevas técnicas de IA
Máquinas de estados finitos
Redes de neuronas
Computación evolutiva
Lógica difusa

8. Intereses de la IA académica en los videojuegos
Géneros de juegos Problemas de IA Áreas de IA
Académica
Acción
RPG
Aventuras
Juegos Estratégicos
Deportes en equipo
Deportes individuales
Interactuar con el entorno
Adaptarse al entorno
Adaptarse al jugador
humano
Interactuar con otras IAs
Coordinar comportamiento
Navegación
Uso de táctica y estrategia
Respuestas “humanas”
Comportamiento emocional
Percepción de entorno
Razonamiento de sentido
común
Modelado de conocimiento
Modelado del oponente
Respuesta en tiempo real
Razonamiento temporal
Aprendizaje automatizado
Deliberación
Adquisición de
conocimiento

9. ¿Donde usar AI en juegos?
En los enemigos:
• Saben navegar por el mapa y/o terreno
• Saben ocultarse y percibir nuestra cercanía.
• Saben cuando y cómo perseguirnos.
• Adoptan estrategias dinámicas.
En los amigos:
• Pueden seguirnos adecuadamente por el terreno.
• Saben dar apoyo de manera inteligente.
En nuestras unidades:
• Se mueven en formaciones inteligentes.
• Reaccionan adecuadamente ante ataques inesperados.
• Son proactivos y reactivos.

10. Otras posibilidades:
• En la generación de diálogos en RPGs.
• En la generación de enemigos más inteligentes (algo pueden
aprender luego de un tiempo).
• En la simulación completa de un jugador virtual (bot).
• En la generación de mapas y terrenos.
• En el comportamiento emocional de los NPC.
En crear mejores oponentes, en ayudar al jugador, en extender el
tiempo de vida del juego, en ser un producto diferente a los demás.

11. Ejecutando el juego...

12. Tipos de AI en juegos
Hacks
Efectos puntuales, usualmente plasmados directamente
en el código como recurso de programación. No
representan realmente una técnica de Inteligencia
Artificial. Ejemplo: fantasmas del PacMan.
Heurísticas
Técnicas o reglas que aplicadas pueden servir para
resolver un problema puntual.La búsqueda es terreno
habitual de heurísticasEjemplo: atacar la unidad enemiga
más débil.
Algoritmos
Algoritmos que sustentan comportamiento inteligente,
basados en técnicas generales aplicables a varios
escenarios. Ejemplo: pathfinding, planificación, análisis de
terrenos, movimientos coordinados en grupos, etc..

13. AI Modelo

15. Árboles de comportamiento
Los árboles de comportamiento fueron usados con éxito en varios
juegos. El Halo 2 y el Spore utilizan árboles de comportamiento.
Son intuitivamente fáciles
de construir
Existen editores gráficos
de árboles de
comportamiento!

17. INTRODUCCIÓN
• OTRA FORMA DE EMULAR CARACTERÍSTICAS PROPIAS DE LOS HUMANOS:
MEMORIZAR Y ASOCIAR HECHOS.
• SE APRENDE DE LA EXPERIENCIA.
• EL CEREBRO HUMANO ES EL EJEMPLO MÁS PERFECTO DE SISTEMA CAPAZ DE
ADQUIRIR CONOCIMIENTO.
• SE MODELA ARTIFICIALMENTE ESE SISTEMA.

18. DEFINICIÓN
• UNA RED NEURONAL ES "UN NUEVO SISTEMA PARA EL TRATAMIENTO DE LA
INFORMACIÓN, CUYA UNIDAD BÁSICA DE PROCESAMIENTO ESTÁ INSPIRADA EN
LA CÉLULA FUNDAMENTAL DEL SISTEMA NERVIOSO HUMANO: LA NEURONA".
• LAS NEURONAS SON UN COMPONENTE RELATIVAMENTE SIMPLE PERO
CONECTADAS DE A MILES FORMAN UN PODEROSO SISTEMA.

19. DESCRIPCIÓN
• UNIDADES DE PROCESAMIENTO QUE INTERCAMBIAN DATOS O INFORMACIÓN.
• SE UTILIZAN PARA RECONOCER PATRONES, INCLUYENDO IMÁGENES,
MANUSCRITOS, TENDENCIAS FINANCIERAS, ETC.
• TIENEN LA CAPACIDAD DE APRENDER Y MEJORAR SU FUNCIONAMIENTO.

20. FUNDAMENTOS - EL MODELO
BIOLÓGICO
• EL CEREBRO HUMANO
CONTIENE MÁS DE CIEN MIL
MILLONES DE NEURONAS.
• LA CLAVE PARA EL
PROCESAMIENTO DE LA
INFORMACIÓN SON LAS
CONECCIONES ENTRE ELLAS
LLAMADAS SINÁPSIS.

21. Ventajas
Las redes neuronales artificiales (RNA) tienen muchas ventajas debido a que están basadas en la
estructura del sistema nervioso, principalmente el cerebro.
• Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa
de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le
indica cuál es la salida (respuesta) esperada.
• Auto organización: Una RNA crea su propia representación de la información en su interior,
quitándole esta tarea al usuario.
• Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante,
ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.
• Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada,
como señales con ruido u otros cambios en la entrada (por ejemplo si la información de
entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen
cambia un poco su brillo o el objeto cambia ligeramente).
• Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con
computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en
tiempo real.

22. Ejemplo
Quake II Neuralbot
Un bot es un programa que simula a un jugador humano. El Neuralbot es un bot
para el juego Quake II que utiliza una red neuronal artificial para decidir su
comportamiento y un algoritmo genético para el aprendizaje.