Взагалі, нейронні мережі та генетичні алгоритми не використовуються в іграх, окрім недавнього інтересу до використання нейронних мереж для глибокого навчання, не так вже й часто поза межами ігор.
Основна причина, яку вони навчають в навчальних закладах AI, полягає не в практичній застосуванні, а тому, що їх досить просто пояснити як навчальні пристрої - обидва мають математичні та біологічні аналоги, які дозволяють студенту зрозуміти, як вони могли працювати.
У реальному світі зазвичай потрібні надійність та передбачуваність. Проблема методів навчання полягає в тому, що якщо вони навчаються «в дикій природі», вони можуть навчитися неправильним зразкам і бути ненадійними. NN або GA потенційно можуть досягти локального максимуму, який не гарантується, щоб бути достатньо хорошим, щоб забезпечити необхідний досвід гри, наприклад. В іншому випадку це може виявитися занадто хорошим, знаходячи ідеальну стратегію, яку не можна перемогти. Це не бажано в більшості розважальних продуктів.
Навіть якщо ви тренуєтесь в режимі офлайн (тобто перед запуском, а не під час гри), мабуть, добре виглядаючий набір даних може приховати аномалії, які, виявившись гравцем, легко експлуатувати. Зокрема, нейронна мережа зазвичай формує набір ваг, який є досить непрозорим для вивчення, і рішення, прийняті ним, важко обґрунтувати. Дизайнеру було б важко налаштувати таку процедуру AI, щоб виконати її за бажанням.
Але, мабуть, найгучніша проблема полягає в тому, що GA та NN, як правило, не є найкращими інструментами для будь-яких завдань щодо розробки ігор. Хоча хороші навчальні пристрої, кожен, хто володіє достатніми знаннями предметної області, як правило, краще оснащений для використання інших методів для досягнення подібних результатів. Це може бути що-небудь від інших методів AI, таких як підтримка векторних машин або дерев поведінки, до більш простих підходів, таких як державні машини або навіть довгий ланцюг умовних умов. Ці підходи, як правило, краще використовують доменні знання розробника і є більш надійними та прогнозованими, ніж методи навчання.
Однак я чув, що деякі розробники використовували нейронні мережі під час розробки, щоб навчити водія знаходити хороший маршрут навколо іподрому, а потім цей маршрут можна буде відправляти як частину гри. Зауважте, що для фінальної гри для цього не потрібен жоден нейронний мережевий код, навіть не навчена мережа.
До речі, «вартість» методу насправді не є проблемою. І NN, і GA можуть бути реалізовані надзвичайно дешево, зокрема, NN піддається попередньому розрахунку та оптимізації. Питання справді в тому, щоб мати можливість отримати щось корисне з них.
