Métodos evolutivos de inteligência artificial para jogos

  • Wellington Endo
  • Simone Sawasaki Tanaka

Resumo

Este trabalho apresenta uma abordagem sobre uma pesquisa de construção de redes neurais com uma IA (Inteligência Artificial), aplicada em jogos. O objetivo é explicar como um personagem pode se comportar com uma IA implementada no sistema do jogo. Existem métodos que podem ser utilizados para evoluir uma IA em jogos, dentre eles podemos citar o HyperNEAT e também existem outros métodos de ambientes de testes. Pesquisas anteriores feitas através de jogos antigos, demonstravam que haviam limitadas ações de espaços. Com o tempo decorrido, os jogos modernos disponibilizam as escolhas das diversas e vastas ações, isso ocorre pela capacidade do jogador selecionar várias ações entre um espaço combinatório de centenas de possibilidades, concedendo assim conjuntos ricos de desafios. Esses desafios ainda não foram superados, então pesquisas anteriores sugerem que é mais propenso a ter uma abordagem específica ao tentar construir um modelo de IA de uso geral. O algoritmo imitador com clustering, aparenta ter uma boa solução para jogos que não forem complexos. Já o HyperNEAT aparenta ser melhor do que os demais, devido a probabilidade de solucionar problemas complexos.

Biografia do Autor

Wellington Endo

Graduando do Curso de Ciência da Computação, Centro Universitário Filadélfia - UniFil. Departamento de Computação. Londrina - Paraná - Brasil.  86020-000 - wellington.endo@edu.unifil.br

Simone Sawasaki Tanaka

Professor do Centro Universitário Filadélfia - Unifil. Departamento de Computação Londrina - Paraná - Brasil. 86020-000 - simone.tanaka@unifil.br

Publicado
2023-02-16
Como Citar
Endo, W., & Tanaka, S. (2023). Métodos evolutivos de inteligência artificial para jogos. Revista Terra & Cultura: Cadernos De Ensino E Pesquisa, 39(especial), 70-77. Recuperado de http://periodicos.unifil.br/index.php/Revistateste/article/view/2810/2565