هوش مصنوعی اسلحه مخفی ورزش‌های الکترونیکی است
تبلیغات
یادگیری ماشینی در حال تغییر دادن بازار ۱ میلیارد دلاری ورزش‌های الکترونیکی است، بازاری که گفته می‌شود تا سال ۲۰۲۲ ارزش آن به ۱.۸ میلیارد دلار می‌رسد. متخصصان کامپیوتر در طول یک دهه گذشته تلاش‌های زیادی برای بهبود نحوه یادگیری زبان، کلان داده و استراتژی توسط هوش مصنوعی (AI) کرده‌اند. هوش مصنوعی در حوزه بازی‌ها به سرعت در حال تغییر است و به کشف رویکردهای جدید در خصوص تئوری‌های بازی و استراتژی‌های گیمینگ کمک می‌کند.
بهینه‌سازی وضعیت ورزش‌های الکترونیکی
گیمرهای حرفه‌ای درست مثل بازیکنان NBA و NFL روتین‌های سخت و دشواری دارند. این نوجوانان و جوانان برای کسب جوایز چند میلیون دلاری مسابقات مختلف و مشهور شدن سعی و تلاش زیادی می‌کنند. بعضی از آن‌ها برای تهیه ابزارهای مبتنی بر هوش مصنوعی در این ورزش‌ها هزینه می‌کنند و آن را به عنوان هزینه کسب و کار خود در نظر می‌گیرند.
برای مثال، پلتفرم‌های تحلیل ورزش‌های الکترونیکی مثل SenpAI خدماتی برای ارزیابی وضعیت فعلی بازیکن ارائه و استراتژی‌های جدیدی را به آن‌ها پیشنهاد می‌کنند تا در بازی‌هایی مثل League of Legends یا Dota 2 بتوانند عملکرد بهتری داشته باشند. در این بازی‌ها هر تیم باید به دیگری حمله و از منابع خودش دفاع کند. در این‌جا ابزارهای AI به اعضای تیم نشان می‌دهند که چگونه باید حمله و دفاع کنند و با انجام چه کارهای می‌توانند شانس موفقیت خود را افزایش دهند.
توسعه‌دهندگان ابزارهای AI را طوری آموزش می‌دهند که مختص هر بازی عملکرد متفاوتی داشته باشد. برای مثال ابزار Omnicoach به بازیکنان بازی Overwatch نکات مفیدی درباره چگونگی استفاده از اسلحه‌ها، افزایش توان جابجایی و نحوه ایمن‌سازی کمپ‌ها در برابر دشمنان مختلفی که هر یک ویژگی‌های خاصی دارند ارائه می‌کند. در این بازی هر تیمی که همکاری بهتری میان اعضای خود داشته باشد، احتمال موفقیت بیشتری دارد.
گیمرهای الیت (کسانی که تحت حمایت برندهای بزرگی مثل رد بول، مانستر انرژی و آئودی فعالیت می‌کنند) برای برتری یافتن در بازی‌های خود از نقشه‌هایی کمک می‌گیرند که توسط هوش مصنوعی تولید می‌شود. برای نمونه، هوش مصنوعی در بازی Counter-Strike: Global Offensive می‌تواند به بازیکنان یاد بدهد که در هنگام حمله دشمن در موقعیت‌های مهم سنگر بگیرند تا تلفات ندهند یا چینش‌های گروهی خاصی داشته باشند تا آسیب‌پذیری‌شان در برابر حملات کاهش پیدا کند.
طراحی نقشه‌ای مناسب برای پیروزی در بازی‌ها
هوش مصنوعی به طرق مختلف در حال تغییر دادن شکل بازی‌هاست. شرکت DeepMind (که از سال ۲۰۱۴ توسط گوگل خریده شد) از یادگیری ماشینی برای کشف روش‌های برترِ پیروزی در بازی‌های قدیمی مثل Pong by Atari استفاده می‌کند.
یکی از متخصصان این شرکت به نام رایا هدسل در تدتاکی در سال ۲۰۱۷ گفت هوش مصنوعی و شبکه‌های عصبیِ عمیق می‌توانند معماهای بازی‌های موجود را حل کنند، ولی اگر بخواهیم می‌توانیم از این فناوری در طراحی بازی‌ها هم استفاده کنیم. به گفته هدسل بازی‌ها بهترین نمونه‌های آزمایشی برای فناوری‌های AI هستند چون به راحتی می‌توانیم نتیجه کار را در آن‌ها بررسی کنیم.
هوش مصنوعی چنان پیشرفت کرده که حالا عملا دیگر کسی نمی‌تواند آن را در بازی‌هایی مثل شطرنج، چکرز و نمونه‌های مشابه شکست دهد. در عصر حاضر به موقعیتی رسیده‌ایم که کامپیوترها به راحتی می‌توانند در عرض چند ثانیه میلیون‌ها حرکت مختلف و پیامدهای آن را محاسبه و پیش‌بینی کنند.
دیگر مرز چندان مشخصی میان ماهیت‌های مجازی و فیزیکی وجود ندارد. گیمرهای حرفه‌ای بیش از پیش خود را در شرایطی پیدا می‌کنند که در آن مدام با طرف‌های حقیقی و دیجیتالی متحد شده یا مبارزه می‌کنند.
تحول مدل‌های تجاری در صنعت گیمینگ
تاثیرات هوش مصنوعی بر پول‌سازی را نباید فراموش کرد. دستیارهای محاوره‌ایِ مبتنی بر هوش مصنوعی توسعه داده می‌شوند تا در یافتن عناوین دلخواه افراد در میان هزاران عنوان بازی موجود در بازار به آن‌ها کمک کنند. به زودی زمانی می‌رسد که می‌توانیم از موبایل‌مان بپرسیم چه بازی‌هایی در بازار وجود دارد، کدام بازی‌ها پرفروش‌تر است و ما بهتر است کدام یک را امتحان کنیم.
ویجِی راماکریشنان (Vijay Ramakrishnan)، متخصص یادگیری ماشینی در دره سیلیکون که در توسعه دستیارهای مبتنی بر هوش مصنوعی تجربه داشته می‌گوید:
کاربران در هنگام انجام خریدهای آنلاین خواستار تعاملی طبیعی و محاوره‌ای هستند که شبیه خرید فیزیکی از فروشگاه‌های عادی باشد. مردم می‌خواهند هوش مصنوعی به آن‌ها محصول پیشنهاد کند، نه این که خودشان آیتم‌های موردنظرشان را پیدا کنند.
علاوه بر این، هوش مصنوعی می‌تواند در آینده به تولید بازی‌هایی کمک کند که کاربران تمایل بیشتری به سمت آن‌ها داشته باشند. برای مثال یک برنامه الگوریتمی می‌تواند به نحوی آموزش داده شود که بتواند بهترین ویژگی‌های Dota 2 و League of Legends را شناسایی و آن‌ها را درون یک بازی دیگر به نحوی شایسته به کار بگیرد.
موبایل و شبکه‌های اجتماعی
راماکریشنان می‌گوید: «کانال‌های چت‌بات آنلاین مثل فیسبوک مسنجر در ارائه تجربه‌های هوش مصنوعیِ باکیفیت عملکرد بسیار خوبی دارند. فیسبوک می‌تواند با بررسی ارتباطات و رفتارهای قبلی کاربر با هوش مصنوعی به این نتیجه برسد که کاربر در وهله بعدی چه چیزی می‌خواهد.» این تحلیل‌های دقیق به این ابزارها کمک می‌کند تا پیش‌بینی دقیق و منحصر به فردی از افراد داشته باشند.
از این رو، یادگیری ماشینی می‌تواند فناوری مناسبی برای تغییر بازی‌ها برای اساس نیازهای کاربر باشد. هوش مصنوعی می‌تواند یاد بگیرد که احتمال دارد فرد دقیقا چه چیزی را بخرد. این امکان ریسک تجاری تولید بازی را برای بازی‌سازان کاهش می‌دهد. زیرا اگر یک ابرکامپیوتر می‌گوید بازار آمادگی پذیرش یک بازی را ندارد، دیگر توجیهی برای تولید آن بازی وجود نخواهد داشت.
ولادمیر پوتین، رئیس جمهور روسیه، در سال ۲۰۱۷ گفته بود که هوش منصوعی خود آینده است؛ هر کسی که در این حوزه پیشرو باشد، فرمانروای جهان خواهد بود.
