AI inom datorspel

January 8, 2018 | Author: Anonymous | Category: Engineering & Technology, Datavetenskap, Artificial Intelligence
Share Embed Donate


Short Description

Download AI inom datorspel...

Description

Artificiell Intelligens inom datorspel – Är det ett seriöst ämne? Tobias  Andersson,  [email protected]   Erik  Johnasson,  [email protected]   Information  –  kunskap  –  vetenskap  –  etik  DVA223  

       

SAMMANFATTNING Häri  kommer  ämnet  artificiell  intelligens  inom  datorspel  att  diskuteras  med  hjälp  av  frågan   ’hur  seriöst  är  egentligen  ämnet  AI  inom  datorspel?’.  Det  börjas  med  en  liten  förklaring  om   vad  artificiell  intelligens(AI)  egentligen  är  och  hur  det  kan  användas  inom  samhället  för  att   göra  det  lättare  för  läsaren  att  förstå  sig  på  rapporten.  Detta  följs  av  en  historik  med  olika   datorspel  genom  tiderna  som  har  använt  sig  av  AI  och  en  liten  förklaring  om  hur  dessa  spel   använde  sig  av  den  AI  de  har,  samt  en  lite  djupare  titt  på  klassikern  Pac-­‐Mans  AI.   Huvuddelen  av  rapporten  börja  med  att  förklara  varför  AI  inom  datorspel  inte  endast  är  där   för  nöjets  skull,  hur  det  passar  in  inom  akademiska  områden.  Det  finns  även  en  kort   beskrivning  av  hur  ett  antal  olika  sorters  algoritmer  och  typer  av  metoder  fungerar  som   används  till  AI  inom  spel,  där  det  även  förklaras  vad  dessa  används  till.  Som  slutdel  av   rapporten  spekulerar  rapportens  författare  om  framtiden  inom  AI  till  datorspel,  med  lite   extra  information  utifrån,  som  sedan  följs  av  författarnas  slutsatser  ifrån  denna  rapport.    

     

INNEHÅLLSFÖRTECKNING   Artificiell  Intelligens  inom  datorspel  –  Är  det  ett  seriöst  ämne?  ............................................................  1   SAMMANFATTNING  ................................................................................................................................  2   INNEHÅLLSFÖRTECKNING  .......................................................................................................................  3   INLEDNING  ..............................................................................................................................................  4   Vetenskaplig  metod  ............................................................................................................................  4   Källkritik  ...........................................................................................................................................  4   Artificiell  intelligens  inom  datorspel  .......................................................................................................  4   AI  inom  spel  genom  tiden  ...................................................................................................................  4   1979  –  Pac-­‐Man  ..............................................................................................................................  5   1987  –  Metal  Gear,  1990  –  Metal  Gear  2  ........................................................................................  7   1991  –  Civilization  ...........................................................................................................................  7   1992  –  Mortal  Kombat  ....................................................................................................................  7   1994  –  X-­‐COM:  UFO  Defense  ..........................................................................................................  7   1997  –  Age  of  Empires  ....................................................................................................................  8   2001  –  Black  and  White  ...................................................................................................................  8   2004  –  Hitman:  Contracts  ...............................................................................................................  8   2008  –  Left  4  Dead  ..........................................................................................................................  8   2011  –  Crysis  2  ................................................................................................................................  8   2013  –  Last  of  us  .............................................................................................................................  8   Användning  av  spel  till  forskning  ........................................................................................................  8   Olika  AI  metoder  .................................................................................................................................  9   Pathfinding  ......................................................................................................................................  9   Behavior  trees  .................................................................................................................................  9   State  Machine  ...............................................................................................................................  10   Planning  .........................................................................................................................................  10   Learning  .........................................................................................................................................  10   Social  intelligence  ..........................................................................................................................  11   Framtiden  för  AI  inom  spel  ...............................................................................................................  11   SLUTSATSER  ..........................................................................................................................................  11   REFERENSER  ..........................................................................................................................................  12      

     

 

INLEDNING För  att  kunna  förstå  sig  på  vad  denna  rapport  går  ut  på  bör  man  först  förstå  vad  artificiell   intelligens  är.  Zhongzhi  Shi  förklarar  i  [Shi11]  att  artificiell  intelligens  oftast  definieras  som   vetenskapen  och  ingenjörs  skap  att  imitera,  förlänga  och  augmentera  mänsklig  intelligens   med  artificiella  sätt  och  tekniker  för  att  skapa  intelligenta  maskiner.  Detta  betyder  att   artificiell  intelligens  är  i  huvuddel  skapad  för  att  hjälpa  människor  med  olika  sorters  problem   som  skulle  ta  för  lång  tid  för  en  vanlig  människa  att  ta  hand  om.  Shi  berättar  i  boken  att   artificiell  intelligens  är  där  precis  som  den  industriella  revolutionen  var  där  för  att  ta  bort   tungt  fysiskt  arbete,  men  istället  för  fysiskt  arbete  hjälper  den  med  mentalt  arbete.     Utvecklingen  av  matematik,  logik  och  automatateori  är  några  av  de  saker  som  lade  grunden   för  utvecklingen  av  artificiell  intelligens,  förklarar  Shi.  Under  åren  som  artificiell  intelligens   har  använts  har  självklart  algoritmerna  och  möjligheten  med  den  ökat,  vilket  betyder  att  mer   och  mer  mentalt  arbete  kan  flyttas  över  till  maskiner  istället  för  människor.  Genom  detta,   med  mer  möjligheter  inom  den  artificiella  intelligensen,  blir  det  även  mer  möjligheter  inom   spel  som  använder  sig  av  artificiell  intelligens  för  att  ge  spelarna  en  utmaning.  

Vetenskaplig metod Detta  kan  anses  vara  en  populärvetenskaplig  rapport  då  den  håller  sig  till  vetenskap  men  är   riktad  mot  den  bredare  allmänheten.  Tillvägagångssättet  har  varit  litteraturstudier  och  en   hel  del  internetstudier.  Anledning  till  att  dessa  metoder  blev  valda  var  på  grund  av  ämnets   storlek  och  den  stora  tillgången  till  AI  inom  datorspel  på  internet.  Just  i  denna  rapport  har   det  dykt  upp  en  hel  del  oförutsedda  delar  som  det  skulle  kunna  forskas  mycket  djupare  i,   men  med  tanke  på  vår  frågeställning,  är  AI  inom  datorspel  ett  seriöst  forskningsämne,  räcker   det  med  en  översikt  på  dessa  oförutsedda  delar.  

Källkritik [GHOST]-­‐  Denna  rapport  skriven  av  Jamie  Pittman  där  han  bryter  ner  mekaniken  bakom   Pacman  och  dess  AI  för  spökena.   [AIGames]-­‐  Denna  artikel  är  över  tio  år  gammal,  vilket  betyder  att  stora  delar  inte  har  någon   betydelse  just  nu.  Dock  tar  han  upp  några  punkter  som  inte  bör  ha  någon  stor  relevans  om   det  är  ifrån  detta  år  eller  tio  år  tillbaka,  som  att  datorspel  är  en  objektiv  plats  att  testa  AI  på   enligt  den  AI  de  skapade.  

Artificiell intelligens inom datorspel AI inom spel genom tiden      

För  att  ge  några  bra  exempel  på  AI  inom  spel  kan  det  vara  bra  att  börja  vid  ett  tidigt  skede   och  arbeta  oss  till  dagens  AI  inom  spel.  (notera  att  dessa  exempel  inte  nödvändigtvis   reflektera  omgivningens  syn  på  den  bästa  AI  under  den  tiden  utan  är  endast  exempel  på   typer  av  AI.)  

1979 – Pac-Man Ett  av  de  första  spel  som  använder  sig  av  något  som  börjar  likna  AI  är  Pac-­‐Man,  där  fienderna   ser  ut  som  om  de  samarbetar  för  att  få  tag  på  spelaren.  I  boken  [AIG09]  förklarar  författaren   att  det  antagligen  är  det  första  spel  där  en  något  ordentlig  AI  användes.  Han  berättar  att  de   fyra  spöken,  som  är  fienderna,  använder  sig  av  en  State  Machine.  Denna  State  Machine   kunde  bestämma  om  fienderna  jagar  spelaren  eller  inte.  Sedan  har  dessa  spöken  olika   beteendet  i  hur  de  tar  sig  mot  Pac-­‐Man,  för  att  få  det  att  se  ut  som  om  de  samarbetar   ordentligt.     “Blinky” Blinky  är  det  röda  spöket  och  har  ett  väldigt  enkelt  beteende.  Den  siktar  på  den  ruta  som   spelaren,  Pac-­‐Man,  befinner  sig  på  vilket  gör  att  Blinky  förföljer  Pac-­‐man.  

  Fig.  1  Blinky  och  hur  Blinkys  AI  fungerar.     “Pinky” Pinky  (rosa  spöket)  använder  sig  av  Pac-­‐Mans  position  och  riktning  för  att  placera  sin  ”mål   ruta”  fyra  rutor  framför.  Detta  fungerar  om  Pac-­‐Man  är  riktad  till  vänster,  neråt  och  till   höger.  Men  uppåt  genererar  koden  fel  och  Pinkys  ”mål  ruta”  placeras  fyra  rutor  uppåt  och   fyra  till  vänster.  [Ghost]  

     

  Fig.  2  Pinky  och  hur  Pinkys  AI  fungerar.   “Inky” Inky  (blåa  spöket)  är  lite  annorlunda.  Han  är  det  ända  som  använder  sig  av  andra  faktorer  än   spelaren.  Inky  använder  sig  av  Blinkys  (det  röda  spöket)  position  och  drar  en  vektor  från  dess   position  till  en  ruta  två  rutor  framför  Pac-­‐Man,  sedan  fördubblas  denna  vektor  och  där  den   pekar  är  nu  Inkys  ”mål  ruta”.    

  Fig.  3  Inky  och  hur  spökets  AI  fungerar.   Detta  genererar  i  ett  litet  konstigt  beteende  när  Blinky  inte  är  i  närheten  av  Pac-­‐Man  men   när  Blinky  kommer  ikapp  kan  du  räkna  med  att  Inky  inte  är  långt  ifrån.  [Ghost]        

“Clyde” Clyde  (orangea  spöket)  ger  intrycket  av  att  han  har  sin  egen  stil  och  bryr  sig  inte  om  Pac-­‐ Man.  Om  Pac-­‐Man  är  längre  än  åtta  rutor  ifrån  använder  Clyde  samma  taktik  som  Blinky,   dvs.  att  Clydes  “mål  ruta”  blir  Pac-­‐Mans  position.  Om  Pac-­‐Mans  position  är  mindre  än  åtta   rutor  bort  kommer  Clyde  att  markera  sin  “mål  ruta”  till  nedre  vänster  hörn.  [Ghost]  

  Fig.  4  Clyde  och  hur  spökets  AI  fungerar.  

1987 – Metal Gear, 1990 – Metal Gear 2 En  grundläggande  start  på  fiendens  artificial  intelligence,  med  primitiva  patrullmönster.   Metal  Gear  introducerade  också  ordentliga  reaktioner  från  fienden  som  reagerade  på   spelaren.  I  Metal  Gear  2  blev  det  möjligt  för  fienden  att  b.la  höra  misstänksamma  ljud  vilket   byggde  till  en  alltmer  realistisk  AI.  

1991 – Civilization Civilization  var  det  första  spelet  då  “datorn”  kunde  dynamiskt  ändra  mellan  passiv  och   fientlig.  Med  strid-­‐  och  förhandlingskunskaper  som  lika  viktiga  delar  inom  spel  mekaniken.  

1992 – Mortal Kombat Mortal  Kombat  ett  av  dom  tidigaste  “fighting”  spelen  med  AI  när  den  är  som  bäst.  AI   motståndaren  kunde  effektivt  blockera  och  reagera  till  dina  rörelser  vilket  genererade  en  ny   utmaning  inom  “fighting”  genre.  

1994 – X-COM: UFO Defense Ett  klassiskt  RTS  (Real  Time  Strategy)  spel  där  AIn  hade  otroliga  strategiska  kunskaper  som   revolutionerade  RTS  genren.        

1997 – Age of Empires Tidiga  RTS  spel  gjorde  att  AIn  kunde  fuska  till  sig  pengar  och  gratis  resurser  för  att  utmana   spelaren  på  ett  bra  sätt.  Age  of  Empires  var  det  första  spelet  dom  tog  bort  denna  strategi   och  ersatte  den  med  en  generellt  smart  taktik  istället.  Det  var  inte  alltid  effektiv  men  det  var   en  början.  

2001 – Black and White AIn  i  detta  spel  varierade  allt  från  hur  du  tränar  upp  ditt  djur  till  hur  stadsinvånarnas   reaktioner  skulle  vara,  vilket  var  baserat  på  om  du  gjorde  goda  gärningar  eller  onda   gärningar.  Det  var  ett  stort  steg  framåt  för  AI  inom  spel.  

2004 – Hitman: Contracts Hitman  har  alltid  tvingat  dig  att  vara  väldigt  försiktig  på  grund  av  en  realistisk  AI.  Denna  AI   kollar  efter  abnormalt  beteende  som  vapen  i  handen,  om  du  springer  där  du  inte  borde   springa  eller  vill  gå  in  i  en  dörr  du  inte  borde  vara  utan  rätta  klädseln.  

2008 – Left 4 Dead Left  4  Dead  hade  inte  den  bästa  fiende  intelligensen  men  det  var  en  AI  som  byggde  på  att   göra  varje  möte  med  fienden  så  spännande  som  möjligt  för  att  alltid  hålla  dig  på  tårna.  Det   AIn  tog  hand  om  var  t.ex.  omgivningens  händelser  som  ljud  och  rörelser.  

2011 – Crysis 2 Crysis  2  har  en  fiende  AI  som  tillåter  dem  att  undvika  dina  skott,  ducka  och  ta  skydd  när  det   behövs  men  också  samarbeta  med  varandra  för  att  t.ex.  “flankera”  dig  på  sidorna.  

2013 – Last of us Last  of  us  fokuserade  på  en  “AI-­‐buddy”  som  ska  hjälpa  dig  i  ditt  äventyr  på  bästa  sätt.  Detta   genererade  i  en  AI  som  t.ex.  hjälper  dig  att  “flankera”  fienden  på  ett  effektivt  sätt.   Med  hjälp  av  dessa  exempel  blir  det  möjligt  att  se  hur  den  AI  som  används  inom  spel  har   blivit  mer  komplicerad  under  åren,  vilket  betyder  att  AI  inom  spel  fortfarande  utvecklas.  Vad   kan  man  då  göra  för  att  forska  inom  AI?  

Användning av spel till forskning De  flesta  ser  nog  på  allt  inom  datorspel  som  rent  nöje,  där  det  inte  finns  någon  plats  för   någon  seriös  forskning.  Men  när  det  kommer  till  artificiell  intelligens  har  faktiskt  spel  en   användning.  De  förklarar  i  artikeln  [RTSL]  att  real  time  strategy  spel  används  för  att  testa  de   senaste  fynden  inom  artificiell  intelligens.  Ett  sådant  spel  brukar  oftast  gå  ut  på  att  spelaren        

möter  andra  spelare  eller  en  “datorstyrd”  spelare,  där  artificiell  intelligens  är  vad  som  styr   allt  som  har  med  fiender  att  göra,  vilket  betyder  att  intelligensen  hos  det  datorstyrda  laget   måste  hållas  på  en  nivå  som  kan  ha  en  chans  mot  människor.   John  E.  Laird  förklarar  i  artikeln  [AIGames]  hur  de  använde  sig  av  datorspelet  Quake  II  för  att   skapa  en  artificiell  intelligens  som  är  smart  nog  för  att  kunna  ha  en  chans  mot  en  spelares   intelligens,  och  inte  endast  deras  reaktionsförmåga.  Han  förklarar  även  att  AI  inom  datorspel   undviker  den  kritik  som  riktas  mot  forskning  inom  simuleringar,  eftersom  en  simulering   oftast  använder  sig  av  en  förbestämd  sorts  värld  där  det  redan  är  bestämt  vilka  delar  av   simuleringen  som  blir  lätt  att  göra  och  vilka  som  blir  svåra.  Alltså  är  spel  en  bra  plats  för  test   att  se  hur  väl  det  går  att  simulera  en  människas  beteende  med  artificiell  intelligens,  vilket   betyder  att  spel  inte  endast  är  bra  för  nöje.    

Olika AI metoder Pathfinding Pathfinding  är  som  det  låter.  Den  tillåter  AIn  att  finna  bästa  möjliga  väg  från  A  till  B.  Några   exempel  på  pathfinding  är:   Dijkstras algoritm Denna  algoritm  startar  med  en  nod  och  en  mängd  av  öppna  noder.  När  agenten  har  besökt   en  ruta  i  sin  “grid”  stängs  den  ruta  som  agenten  var  på  och  öppnar  upp  de  rutor  som  är   runtomkring  och  väljer  sedan  den  ruta  som  anses  ha  den  kortaste  distansen  från  vart  du   står.  Agenten  fortsätter  på  detta  sätt  för  att  hitta  den  kortaste  vägen  till  målet.   A* Algoritm A*  (uttalas  A  star)  är  en  variant  av  Dijkstras  algoritm  och  används  väldigt  ofta  inom  spel.   Tillskillnad  från  Dijkstras  algoritm  använder  A*  sig  av  en  så  kallad  “tyngd”  till  varje  öppen  nod   på  banan  vilket  betyder  att  varje  nod  har  en  egen  uträkning  på  hur  långt  ifrån  noden  är  från   mål.  A*  tar  alltid  ut  den  kortaste  vägen  till  målet,  som  Dijkstras  algoritm,  och  algoritmen  var   uppfunnen  av  Raphael  Nilsson  år  1968  och  forskare  har  sedan  dess  visat  stort  intresse  i  att   analysera  och  förbättra  algoritmen.  [AAofAI09]   D* Algoritm D*  (uttalas  D  star)  är  en  algoritm  främst  för  robotar  men  används  också  för  spel.  Fungerar  på   ungefärligt  samma  sätt  som  A*  men  till  en  början  antar  D*  att  det  är  ett  tomt  fält  och  att  det   inte  finns  något  hinder.  Utifrån  detta  sätter  D*  ut  en  riktning  för  den  kortaste  vägen  till  mål   (baserat  på  en  bana  utan  hinder)  och  när  datorn  observerar  den  nya  informationen  om   hinder  och  annat  lägger  man  till  den  informationen  och  räknar  ut  en  ny  väg.  

Behavior trees      

Behaivor  trees  är  ett  sätt  att  modellera  olika  beslut  som  kan  tas  genom  andra  beslut.  T.ex.   om  du  vill  att  din  karaktär  skall  gå  in  i  "combat"  som  visas  i  Fig.  5  då  behöver  den  först  ta   beslut  om  vilken  typ  av  combat  innan  AIn  kan  ta  "action".  Behvior  tree  är  alltså  en  serie   tillstånd  som  din  AI  är  tillåten  att  vara  i  eller  ta  ställning  till.

  Fig.  5  Exempel  på  ett  behavior  tree.  

State Machine En  state  machine  är  likt  ett  behavior  tree  som  förklaras  ovan.  De  kan  användas  för  att   bestämma  vad  för  sorts  beteende  en  AI  skall  använda  sig  av  vid  olika  tillfällen.  Ett  exempel   vore  Pac-­‐Man  spelet.  Om  Pac-­‐Man  har  ätit  det  föremål  som  gör  att  de  spöken  som  jagar   honom  blir  blå,  då  ändras  den  state  machine  som  fienderna  använder  sig  av  så  att  den  säger   till  dem  att  fly  istället  för  att  jaga.  

Planning Inom  ”planning”  får  AIn  en  beskrivning  av  hur  världen  i  spelet  ser  ut  och  vad  som  förväntas   av  den  för  att  slutföra  och  hamna  i  “mål”.  ”Planning”  problemet  handlar  om  att  hitta  en  plan   som  garanterar  en  sekvens  av  händelser  som  kommer  att  leda  till  mål.  Detta  ämne  är  en  av   de  stora  delarna  inom  AI  där  det  utförs  en  hel  del  forskning.  

Learning En  learning  machine  är  en  branch  av  AI  som  används  för  att  lära  sig  saker  i  ett  system.  T.ex.   kan  du  “träna”  upp  AIn  till  att  fördela  vad  som  är  skräppost  och  inte  på  en  mailklient.        

Social intelligence AI  handlar  om  att  få  personen  i  fråga  att  känna  att  man  inte  spelar  ett  spel  mot  en  dator   utan  försöker  att  få  det  så  likt  människan  som  möjligt.  Därför  kommer  Social  intelligence  in,   ta  Siri  från  iPhone  som  exempel.  Ställer  du  samma  fråga  igen  och  igen  till  Siri  får  du  olika   svar.  Ställer  du  samma  fråga  igen  och  igen  till  en  vanlig  dator  får  du  alltid  samma  svar.  Detta   skulle  kunna  användas  för  att  få  NPC  i  spel  att  bli  mer  mänskliga.  

Framtiden för AI inom spel Vad  kan  förväntas  av  AI  idag  och  vad  kan  vi  förvänta  oss  imorgon?  Inom  spel  (som  styr  i  stort   sätt  all  efterforskning  inom  datorer)  är  vi  väldigt  fokuserade  på  grafiken.  Det  ska  vara  den   bästa  grafiken  i  det  senaste  spelet.  Som  det  står  i  artikeln,  när  grafiken  har  planat  ut  och  vi   har  fått  ut  så  mycket  vi  kan  från  grafiken  kommer  mer  fokus  och  resurser  läggas  på  att  få  den   bästa  AI  som  möjligt.  [AIGames]   Vad  kan  då  göras?  NPC  (non-­‐player  character)  kan  förbättras  väldigt  mycket.  T.ex.  skulle  en   NPC  kunna  reagera  på  hur  många  gånger  den  har  pratat  med  dig  eller  reagera  på  vad  du  har   på  dig.  En  NPC  kanske  inte  gillar  blåa  sköldar  och  kommer  därför  att  ha  en  dålig  attityd  mot   dig.  NPC  skulle  också  kunna  ändra  uppdragen  för  varje  omgång  du  har  spelat  igenom  spelet   vilket  skulle  höja  värdet  på  en  om  spelning  radikalt.  Learning  Machines  kommer  också  att   vara  en  stor  faktor  i  framtiden  inom  AI.  Tänk  en  “agent”  som  lär  sig  dina  rörelser  mer  och   mer  och  det  blir  svårare  och  svårare!   Det  går  inte  att  säga  emot  när  man  säger  att  datorerna  får  mer  och  mer  kraft,  vilket  betyder   att  även  om  det  skulle  bli  så  att  grafiken  fortsätter  att  vara  i  centrum  inom  de  flesta  spelen   kommer  det  bli  möjligt  att  göra  mer  med  allt.  Detta  leder  till  att  dessa  möjligheter  som   tidigare  har  diskuterats  blir  mer  möjliga  med  denna  nya  kraft  i  datorerna.  Alltså  kan  mer   information  sparas  och  mer  komplicerade  algoritmer  kan  användas,  vilket  leder  till  att  AI  bör   förbättras  i  framtiden.  

SLUTSATSER Vi  kom  fram  till  att  AI  inom  datorspel  inte  bara  används  för  nöjes  skull  utan  kan  också   appliceras  i  seriös  forskning  som  skrivet  om  tidigare.  När  man  ska  dra  paralleller  mellan   dagens  forskning  och  datorspel  behöver  man  bara  kolla  åt  fysikens  håll.  Tack  vare  spel  och   de  stora  kraven  av  spelare  skall  fysiken  i  spel,  som  gravitation  och  verkliga  kollisioner,  vara  så   verklig  som  möjligt.  Detta  tillåter  alla  andra  industrier  att  ta  hjälp  av  spelmotorer  för  att   simulera  t.ex.  kranar  och  hur  dessa  står  emot  utomstående  krafter.       Vi  tror  att  evolutionen  inom  spel  har  gått  som  följer:  Vi  börjar  med  ett  simpelt  spel  och   försöker  öka  grafiken  tills  dess  att  vi  inte  kan  öka  den  mer,  efter  det  gör  vi  allt  så  fysiskt  rätt   som  möjligt  enligt  den  verkliga  världen  och  snart  kommer  alla  resurser  att  läggas  på  att  göra   AI  så  bra  som  möjligt.  För  att  svara  på  vår  egen  frågeställning,  är  AI  inom  datorspel  ett        

seriöst  forskningsämne,  vill  vi  säga,  ABSOLUT!  Det  är  genom  efterfrågan  av  alla  datorspel   som  kommer  att  leda  till  de  resurser  som  krävs  för  att  utveckla  AI  och  när  detta  sker  kommer   resten  av  industrin  kunna  åka  på  denna  våg  precis  som  den  åker  på  fysik  vågen  eller  grafik   vågen.  

REFERENSER [Shi11]  Zhongzhi  Shi,  “Advanced  Artificial  Intelligence”,    Vol.  1,  page  1-­‐5,  2011   [RTSL]  2014-­‐03-­‐07  http://eds.a.ebscohost.com/eds/detail?vid=21&sid=b588f24b-­‐26bd-­‐ 49a4-­‐a2f4-­‐ 47745ccee10b%40sessionmgr4005&hid=4213&bdata=JnNpdGU9ZWRzLWxpdmU%3d#db=e dsarx&AN=1401.5424   [AIGames]  John  E.  Laird,  “Using  a  Computer  Game  to  Develop  Advanced  AI”,  2001     [GHOST]  2014-­‐03-­‐07  http://home.comcast.net/~jpittman2/pacman/pacmandossier.html   [AIG09]  Ian  Millington,  John  Funge,  “Artificial  Intelligence  for  Games”,  Vol.  2,  page  4-­‐8,  2009,   [AAofAI09]  Enn  Tyugu,  “Algorithms  and  Architectures  of  Artificial  Intelligence”,  Vol.  1,  pages   60-­‐62,  2009    

     

View more...

Comments

Copyright � 2017 NANOPDF Inc.
SUPPORT NANOPDF