استفاده از الگوریتم تخمین توزیع برای تولید محتوای رویه‌ای در بازی‌های رایانه‌ای

پایان‌نامه «استفاده از الگوریتم تخمین توزیع براي تولید محتواي رویه‌اي در بازي‌هاي رایانه‌اي» در اثر پژوهش و نگارش آرش مرادی کارشناس ارشد هوش مصنوعی و بازی پژوهش و راهنمایی دکتر شهریار لطفی (عضو هیئت علمی دانشگاه تبریز) در سال 1398 دفاع شده است. با استناد به مرجع پژوهشگاه علوم و فناوری اطلاعات ایران، مبحث تولید محتوای رویه‌ای به عنوان یکی از جبهه‌های پیش‌رو طراحی و توسعه بازی‌های رایانه‌ای در مسیر پژوهشی داخل کشور هیچ توجهی دریافت نکرده است. از همین رو برداشتن اولین گام در این وادی نیازمند مروری جامع بر آثار شاخص ادبیات نظری منتشر شده و گردآوری پیشینه‌ی تحقیق کامل جهت ایجاد زیربنایی قابل اتکاء از اهداف اصلی این پایان‌نامه بوده است. به واسطه‌ی کسب همین درونمای واضح و ابتکار در حوزه تخصصی مورد پژوهش، راه‌کار پیشنهادی موفق به حصول تمامی اهداف تعیین شده و کسب نتایج مطلوب در مقایسه با رویکردهای موجود فعلی شده است.

 

تولید محتوای رویه‌ای با اختصار PCG (Procedural Content Generation) یکی از جبهه‌های کاربردی روند رو به رشد تکنولوژی در زمینه طراحی و تولید بازی‌های رایانه‌ای به شمار می‌رود و زمینه‌ای وسیع از کاربرد علم هوش مصنوعی در توسعه بازی‌ها (Game AI) بوده که خود در بر گیرنده مفاهیم نوین متعددی است. در تعریف استاندارد، تولید محتوای رویه‌ای به تولید خودکار هر نوع محتوا با استنداد به رویه‌ای (Procedure) خاص گفته می‌شود که می‌تواند محتوای اصلی یا جانبی را شامل گردد. محتوای اصلی تمامی عناصر طراحی بازی هستند که در جریان گیم‌پلی بازی نقش اساسی ایفا می‌کنند و از مهمترین آنها می‌توان به مراحل، روایت و حتی قواعد بازی اشاره کرد. در مقابل، محتوای جانبی تمامی مواردی هستند که برای پیشرفت بازیکن در روند بازی الزامی تلقی نمی‌شوند؛ بافت‌ها (Texture)، متون درج شده در کتاب‌ها، چهره شخصیت‌ها، موسیقی و سایر عناصر طراحی مشابه. با صعود پرشتاب فناوری و اوج‌گیری محبوبیت صنعت بازی‌سازی نیاز به عناوین بزرگتر با حجم محتوای وسیع‌تر چالش بزرگ این عرصه است که با در خدمت گرفتن روش‌های نوین، چالش تولید خودکار محتوای مورد نیاز قابل دسترس به نظر می‌رسد.

 

نقطه شروع پژوهش‌های آکادمیک در زمینه تولید محتوای رویه‌ای سال 2009 بوده و ادبیات نظری این پایان‌نامه با رعایت خط سیر این آثار تمامی مقالات مهم تا ابتدای سال 2020 را پوشش می‌دهد. برای تالیف پیشینه تحقیق بیش از 100 مقاله‌ی خارجی در ارتباط مستقیم با موضوع به صورت کتابخانه‌ای گردآوری و مورد مطالعه قرار گرفت که از بین آنها بیش از 40 مورد به عنوان منابع در نظر گرفته شده‌ و در دسته‌بندی‌ جامع تشکیل دهنده فصل دوم پایان‌نامه آورد شده است. یکی از شاخه‌های پویای زمینه پژوهشی تولید محتوای رویه‌ای، تولید مراحل بازی با استفاده از راه‌کارهای تکاملی مطرح در رشته هوش مصنوعی است. الگوریتم‌های تکاملی قابلیت ایجاد و بهینه‌سازی مبتنی بر جمعیت را دارند که با به کارگیری این مفاهیم آکادمیک در حوزه طراحی و تولید مراحل قابل بازی، چشم‌اندازهای جدیدی برای تولید خودکار محتوای بازی‌های دیجیتالی نمایان می‌شود. در طول یک دهه اخیر از عمر تولید محتوای رویه‌ای راه‌کارهای مختلفی به کار گرفته شده‌اند که هر یک ویژگی‌ها و کاربردهای منحصر بفردی دارند.

 

در پایان‌نامه مورد بحث، برای اولین بار از الگوریتم تکاملی تخمین توزیع به عنوان هسته الگوریتم تولید کننده محتوا استفاده شده است و با اختصار EDAPCG (Estimation of Distribution Algorithm PCG) خطاب می‌شود. این الگوریتم تکاملی مبتنی بر جمعیت با بهره‌گیری از مبانی سایر علوم و ترکیب آن با مدل‌سازی پویا از فضای مساله عملکردی خیره‌کننده در مسائل چند جمله­‌ای غیر قطعی-سخت داشته که نزدیکی فرآیند حرکت آن به سوی جواب بهینه نهایی بسیار سازگار با منطق طراحی مراحل برای بازی‌های پلتفرمر دو بعدی به شمار می‌رود.

 

برای تولید مراحل قابل بازی باید محدودیت‌های دقیقی اعمال شوند ولی در عین حال باید برای حفظ تنوع در جمعیت الگوریتم تکاملی هم کوشید، در غیر اینصورت راه‌کار پیشنهادی خروجی شبیه به هم با کمترین سطح از جذابیت برای بازیکن را خواهد داشت. ضمن رعایت این اصل، راه‌کار EDAPCG مراحل قابل بازی را برای دو طیف بازیکن با سلیقه و سطح مهارت مختلف تولید می‌کند و برای انجام این‌کار متکی به اطلاعات دریافتی از تعامل بازیکن با موانع و چالش‌های قرار گرفته در مراحل تولید شده است. روش‌شناسی تحقیق شامل توضیح راه‌کار پیشنهادی، نحوه طراحی سازگار آن برای استفاده در زمینه تولید خودکار مراحل و همچنین بستر آزمایشی و معیارها مورد استفاده برای مقایسه یافته‌ها در فصل سوم گنجانده شده است. در مقایسه مستقیم با نتایج سایر راه‌کارها در معیارهای ذکر شده، نتایج حاصل از پیاده‌سازی راه‌کار ترکیبی-آزمایشی این پژوهش در بین 12 راه‌کارهای فعلی در بیشتر معیارها در بین 3 راه‌کار برتر قرار گرفته و در تجمیع تمامی معیارها موفق به کسب رتبه اول شده است. جدول‌ها و اصول رعایت شده جهت انجام این مقایسه‌ها در فصل چهارم پایان‌نامه گزارش شده‌اند. همچنین لازم به ذکر است مراحل تولید شده به صورت خودکار طبق این راه‌کار در بازتولید الگوهای برگرفته از بازی اصلی موفق عمل کرده و در عین حال مراحل قابل بازی، با میزان شباهت بسیار کم به یکدیگر ایجاد می‌کند.

 

تولید محتوای رویه‌ای چشم‌اندازهای جدیدی برای صنعت بازی‌سازی فراهم می‌کند. حوزه نفوذ این شاخه علمی به تولید خودکار محتوا محدود نمی‌شود و مفاهیمی پیشرفته‌ای چون مدل‌سازی تجربه بازیکن، درجه سختی پویا و روایت تعاملی را نیز در دورنمای خود جای داده است. بیشتر این مفاهیم از به روزترین بحث‌های علمی پیرامون نقش هوش مصنوعی در صنعت بازی‌سازی هستند و توجه به آنها می‌تواند به همگام بودن صنعت بازی‌سازی ملی با جهش‌های فناوری در سایر نقاط جهان کمک کند.

مطالب مرتبط