7 استخدامات للذكاء الاصطناعي ستغير صناعة الألعاب للأبد

بدأ توظيف الذكاء الاصطناعي في الألعاب منذ سنوات طويلة، ولقد رأينا هذه الحقيقية بأعيننا في ألعاب كلاسيكية مثل “Pac-Man” حيث تَحكُم الخوارزميات البسيطة سلوك الشخصيات غير القابلة للعب NPCs. بمرور الوقت أخذت الآلة تتطور إلى أن رأينا نظام AlphaGO من جوجل، وللمرة الأولى، يهزم بطل لعبة Go؛ اللعبة الأكثر تعقيدًا من الشطرنج.

اليوم، وصلت استخدامات الذكاء الاصطناعي في الألعاب إلى مراحل غير مسبوقة، وهذه الاستخدامات لا تقتصر على مجرد تحسين الرسوميات فحسب، وإن كان هذا شيء لا يستهان به إطلاقًا. ففيما يُستخدم الذكاء الاصطناعي في الألعاب بالضبط؟ نُجيبك باستعراضٍ لأشهر الاستخدامات.

تطوير الشخصيات غير القابلة للعب NPCs

أحدث الذكاء الاصطناعي ثورة في تصرفات الشخصيات غير القابلة للعب NPCs، إذ لم تعد مجرد شخصيات مُبرمجة لتتفاعل مع اللاعبين بطرق غبية وغير منطقية، بل على العكس تمامًا؛ أصبح بإمكان هذه الشخصيات أن تتكيف مع المواقف المختلفة وتتعلم من تصرفات وسلوكيات اللاعبين، ما جعل أفعالها تبدو طبيعية وأضاف لها طبقات من العمق.

وبشكل عام، يمكننا القول بوجود 3 أنواع من شخصيات الـ NPCs العاملة بالذكاء الاصطناعي:

1. شخصيات الـ NPC المُسيرة (Deterministic NPC):
   
   – تتبع خوارزميات محددة وصارمة.

   – تكون محدودة في التفاعل من حيث تكرار العبارات، والأفعال، وبالتالي يمكنك أن تهزمها بسهولة إذا كنا نتحدث عن الألعاب القتالية مثلًا.

   – أمثلة على هذا النوع: الشخصيات غير القابلة للعب في سلسلة GTA ومخلوقات الـ Goombas في Super Mario والتي تتحرك بشكلٍ محدود جدًا.
2. شخصيات الـ NPC المخيرة (Nondeterministic NPC):

• أكثر تطورًا من النوع السابق.

• عشوائية ولا تتبع خوارزميات محددة.

• أمثلة على هذا النوع: الأعداء في لعبة Cuphead.

3. شخصيات الـ NPC “التوليدية” (Generative NPC):

• النوع الأكثر تقدمًا والذي يعمل بالشبكات العصبية neural networks.

• يمكنه الخروج عن المألوف من حيث تأليف نصٍ جديد أو فعل أشياء غير متوقعة تمامًا.

• لم نصل له بعد على مستوى الشخصيات، وإن كان قد استُخدم بالفعل في إنشاء البيئات بلعبة “Microsoft Flight Simulator”.

• من المتوقع أن يقلب صناعة الألعاب رأسًا على عقب.

 ويستخدم المطورون خوارزميات محددة -مثل خوارزمية الـ A-star وخوارزمية ديكسترا- لتحديد مسارات الـ NPCs وجعلهم يتحركون بشكلٍ ذكي داخل بيئات الألعاب.

توليد المحتوى الإجرائي PCG

وهي تقنية ثورية بمعنى الكلمة حيث ستغنى المطورين عن تطوير الألعاب يدويًا وتجعلهم يعتمدون على الخوارزميات -المصممة بمعايير محددة مسبقًا- بدلًا من ذلك. صحيح أننا قد نحتاج لسنوات حتى نصل إلى مرحلة معينة من الإتقان، إلا أن الانتظار يستحق؛ تخيل مثلًا أن نصل لمرحلة تجعلنا نطور لعبة بالكامل باستخدام أمرٍ Prompt واحد! إذا كنت تعتقد أن هذا مستحيل، فانظر أين كنا وأين نحن الآن بفضل نموذج مثل Sora مثلًا.

بفضل تقنية “توليد المحتوى الإجرائي” قد نطور كل جزءٍ في الألعاب بداية من البيئات وحتى الجيم بلاي بأكثر من شكل، وهذا سيجعل الألعاب قابلة للإعادة replayable وسيوفر للاعبين عدد لا حصر له من السيناريوهات.

 الصعوبة التكيفية Adaptive Difficulty

وهذا استخدامٌ وصلنا إليه بالفعل ونجده بالعديد من الألعاب. ويُقصد بالصعوبة التكيفية أن تُغير اللعبة من مستوى الصعوبة في الوقت الفعلي real-time، فالألعاب كما نعلم جميعًا تحتوي على مستويات صعوبة مختلفة (سهل- متوسط- صعب) يمكن تحديدها مُسبقًا، غير أن هذه التقنية تُحدد الصعوبة أثناء لعبك وقياسًا على مستواك.

إذا أخذنا Resident Evil 4 مثالًا، فسنرى أنه على الرغم من إمكانية تحديد مستوى الصعوبة مسبقًا، فإن اللعبة تزيد من هذا المستوى قياسًا على مستوى وأداء اللاعب، والعكس صحيح، بمعنى أنك قد تُعاني في مرحلةٍ ما فتُفاجأ بموارد أكثر لمساعدتك أو بأعداء أقل، إلخ.. وكل هذا بفضل الذكاء الاصطناعي طبعًا.

تحسين الرسوميات

لا بد وأنك توقعت هذا الاستخدام، والذي لا يمكننا أن نتجاهله إطلاقًا، فلطالما حاول المطورون الارتقاء بمستوى الألعاب من الناحية الرسومية تحديدًا وإذابة الفوارق بين الواقع وما نراه على الشاشة. لحسن الحظ أننا قطعنا شوطًا كبيرًا في هذا الأمر، والفضل في ذلك يرجع لشركة إنفيديا تحديدًا، وبالأخص تقنياتها المتمثلة في تتبع الأشعة ray tracing وغيرها.

تقوم تقنيات إنفيديا التي نقصدها بالأساس على الشبكات العصبية والتعلم الآلي لإنشاء مشاهد مُفصّلة وواقعية داخل الألعاب، مشاهد يتم فيها مراعاة كل التفاصيل الممكنة من انعكاسات الإضاءات إلى ملامح الشخصيات، وهذا بدوره يبعث على أمل إعادة إحياء الألعاب القديمة برسوميات خيالية، وهو الحلم الذي يتمناه الكثير من اللاعبين.

أنظمة مكافحة الغش

ضيّقت التكنولوجيا الخناق على الكثير من الغشاشين في الألعاب، إلا أن الغش لا زال موجودًا حتى يومنا هذا. باستخدام أنظمة الذكاء الاصطناعي وخوارزمياتها المُصممة بطريقة تكافح الغش، يمكن تحليل سلوكيات اللاعبين، واكتشاف الأنماط غير الاعتيادية -مثل اختراق الحوائط-، وتطوير طرق وأساليب جديدة لمكافحة اللعب غير العادل.

التخوف الوحيد من هذه الأنظمة أنها قد تظلم البعض بسبب “الجلتشات” وما إلى ذلك، ولكننا نتوقع أن تفوق الفوائد السلبيات بكثير.

التأكد من جودة الألعاب

بمناسبة “الجلتشات”، فالذكاء الاصطناعي يمكنه أيضًا أن ينقل جودة الألعاب إلى مستويات غير مسبوقة، وبالجودة هنا نقصد خلو الألعاب من المشاكل التقنية وتسريع عجلة التطوير. باستخدام الخوارزميات المتقدمة أيضًا، يمكن أن يلتقط الـ AI جميع المشاكل الفنية بالألعاب في مرحلة البيتا مثلًا ويُلمّعها قبل أن تتوفر للجميع، مما سيؤدي في النهاية إلى تجارب مُرضية ويوفر على الشركات المال والمجهود الذي يُنفق في سبيل التحديثات.

تخصيص المحتوى

والمقصود هنا تخصيص الألعاب بشكل يتوافق مع اهتمامات المستخدمين وجعل تجربة اللعب تتوافق مع تفضيلاتهم، وذلك من خلال فهم سلوك اللاعب وتحليل أسلوب لعبه، وبالتالي قد يظهر لك محتوى اللعبة بشكلٍ مختلف عن الشكل الذي سيظهر به للاعبين الآخرين، والعكس؛ كل لاعب سيحظى بتجربته الخاصة وهذا له إيجابيات وسلبيات لو فكرنا في الأمر.

بهذا نكون قد تناولنا أهم استخدامات الذكاء الاصطناعي في الألعاب، صحيحٌ أن هناك استخدامات أخرى عديدة، إلا أن الكثير منها تقنيّ ويركز على جوانب قد لا تهم غالبية اللاعبين.