Вестник науки и образования

Ключевые слова: машинное обучение, видеоигры, обучение.


PROSPECTS FOR THE APPLICATION OF MACHINE LEARNING VIDEO GAMES
Krutsyuk M.S.
Krutsyuk Marina Sergeevna – Lecturer, TRAINING DEPARTMENT,
LIMITED LIABILITY COMPANY «PROEKT EKSPERT», ST. PETERSBURG


Abstract: аrtificial intelligence for video games is the implementation of a set of algorithms and methods of both traditional and modern artificial intelligence in order to provide a solution to a number of game-dependent problems. However, most modern approaches lead to predetermined, static and predictable reactions of the game agent, without being able to adapt during the game to the user's behavior or style of play. Machine learning techniques improve the behavioral dynamics of controlled computer general agents by facilitating the automated system and the selection of behavior patterns, thereby expanding the capabilities of digital artificial intelligence and providing the opportunity to create more fun and entertaining gaming experiences [8]. Most importantly, solving problems in video games can lead to solving real problems using artificial intelligence algorithms.
Currently, the popularity and relevance of machine learning for gaming environments is noted in terms of using methods of neural networks, evolutionary computing and reinforcement learning to control game agents.
Keywords: machine learning, video games, learning.
УДК 004.838.2

В настоящее время повсеместно применяются системы искусственного интеллекта, работающие на основе машинного обучения. В банках они используются для выявления мошенничества, на сайтах знакомств – для подбора потенциальных партнеров, маркетологи с их помощью прогнозируют реакцию целевой аудитории на рекламу, а на сайтах для хранения и обмена фотографиями машинное обучение применяется для автоматического распознавания лиц [3]. Машинное обучение – это область компьютерных наук, занимающаяся алгоритмами, которые самостоятельно обучаются и прогнозируют ситуацию на основе имеющихся данных, не требуя вмешательства программиста [3].
В настоящий момент проводятся многочисленные исследования, доказывающие способность машинного обучения моделировать поведение по записанным данным, особенно в видеоиграх с определенным количеством повторов. Вдохновленные этими работами, появление стратегии в данных, называемых паттернами, можно наблюдать и извлекать из оперативных данных [9].
Машинное обучение – дисциплина информатики, позволяющая компьютерам самим учиться работать с данными, а не действовать жёстко по программе. Алгоритм машинного обучения перебирает данные, мало-помалу создавая модель того, какие критерии важны для выбранной задачи, а какие – нет. В итоге он находит свой способ решения, основываясь на том, что он знает и что может делать [5].
Согласно исследованиям В.В. Вьюгина (2014), теория машинного обучения решает задачи предсказания будущего поведения сложных систем в том случае, когда отсутствуют точные гипотезы о механизмах, управляющих поведением таких систем. Имеется ряд категорий машинного обучения: контролируемое обучение, или «обучение с учителем» (supervised learning); неконтролируемое обучение (unsupervised learning; в частности, кластеризация); обучение с подкреплением (reinforcement learning), а также такой тип машинного обучения, как контролируемое обучение [2].
Актуальными методами машинного обучения в решении задач классификации являются [6]: классификация с помощью деревьев решений; байесовская (наивная) классификация; классификация при помощи искусственных нейронных сетей; классификация методом опорных векторов; статистические методы, в частности, линейная регрессия; классификация при помощи метода ближайшего соседа; классификация CBR-методом; классификация при помощи генетических алгоритмов.