МАШИНАЛЫҚ ОҚЫТУ ЭЛЕМЕНТТЕРІН ҚОЛДАНАТЫН ОЙЫН ҚОСЫМШАСЫ

Жасанды интеллект қазіргі кезде көптеген қызметтер сферасында пайдаланылады. Бұл мақалада біз ЖИ (Жасанды интеллект) ойын индустриясында қолданудың артықшылығын көрсетеміз. Ойындарды құрастыру – күрделі де ауқымды жұмыс. Ойын аясы, сюжеттік линиялар және кейіпкерлердің іс-қимылдары жан-жақты ойластырылады, сондықтан, бағдарламалық қамсыздандырудың суретшілер-графиктері, әңгімешілері мен құрастырушылары унисон жағдайында жұмыс істеуге тиіс. Ойындар, көбінесе, дәстүрлік код нысанындағы аппаратық қамсыздандыру қызметіндегі деликаттық комбинациямен және ережелердің көптеген құрамы түріндегі мейлінше жауапты іс-қимылмен аяқталады. Айналамызда жаңа және пайда болатын технологиялардың өмірге келуімен біліміміз бен ақыл-ойымыз күн сайын сынға түседі. Автоматты басқарудағы автомобильден бастап, шахмат ойындары және Atarі классикалық ойындарында адамдарды жеңуге қабілетті компьютерлермен аяқталатын, күнделікті қарым-қатынаста біз «Машиналық оқыту» деп атайтын технологиялар топтары пайда болды. Олар технологиялық дамудың жаңа дәуірінде басымдыққа ие болды. Бұл дәуірдің даму тарихындағы маңыздылығы өз кезінде электр қуатын ашумен бара-бар адамзаттың технологиялық ғасырында жаңа кезең деп атауға болады. Машиналық оқыту – бұл жасанды интеллекті жүзеге асыру. Маңыздылығы сол – компьютер үшін деректерді немесе қалпын ассимиляциялау және зерттелген шешім, әйтпесе жауап беру тәсілі. Енді біз ЖИ “ақылды” жүйені көрсететін кең термин түрінде түсініп қабылдаймыз.

1. James R. Parker. The University of Calgary. Game That Teaches Machine Learning Concepts - A Postmortem. (October 2014).

2. Georgios N. Yannakakis and Julian Togelius. Artificial Intelligence and Games. (January 26, 2018).

3. Micheal Lanham. Fundamentals of Unity Machine Learning. (June 2018).

4. Андрей Верещагин. Компьютерная помощь: как технология машинного обучения может повлиять на игровую индустрию. (2018).

5. Natasha Mathur. Uses of Machine Learning in Gaming. (2018).

6. Guest Post (Part 1): Demystifying Deep Reinforcement Learning (Q- Learning), 2015.