Ilustración de PPN y CNS como indicadores de búsqueda, utilizados en varios juegos de dos y un jugador. Estos indicadores pueden combinar algoritmos de búsqueda y entretenimiento por analogía con el “movimiento en mente” para revelar posibles experiencias afectivas ocultas. Fuente: Hiroyuki Iida de JAIST.
Las personas obtienen más beneficios de los juegos de los que algunos pueden imaginar. Los juegos pueden ser un enfoque informal para aprender o mejorar nuestras habilidades de resolución de problemas al mismo tiempo que alivian el estrés. Sin embargo, jugar juegos generalmente implica tomar decisiones importantes, incluidas las consideraciones matemáticas y estadísticas que hacemos para decidir cuál consideramos que es la mejor jugada. De esta manera, los juegos muestran muchas de las impresionantes habilidades y mecanismos internos del cerebro humano, lo que los convierte en un gran campo de pruebas y un campo de juego para la investigación de la inteligencia artificial (IA).
Un aspecto común a muchos juegos es la toma de decisiones basada en información incierta sobre el presente y el futuro potencial. juego estados. Los jugadores experimentados pueden “mirar hacia adelante” desde el estado actual del juego y analizar lo que podría suceder en unos pocos turnos o movimientos hacia abajo, lo que les permite elaborar estrategias en consecuencia. Primero de todo esto El proceso mental es similar a lo que hacen algunas personas Buscar Los algoritmos están diseñados no solo para resolver juegos, sino también para tareas informáticas generales en diversas áreas de aplicación. Pero, ¿cómo se establece un vínculo formal entre estas áreas?
En el Instituto Avanzado de Ciencia y Tecnología de Japón (JAIST), el grupo de investigación del profesor Hiroyuki Iida está desarrollando nuevas teorías para analizar y, en última instancia, comprender muchos aspectos de los juegos y juegos desde un punto de vista puramente objetivo y psicológico. En su último estudio publicado en Acceso IEEE Profe. Iida, junto con el primer autor del artículo, Anggin Primanita y Mohd Nor Akmal Khalid, también de JAIST, intentaron combinar conceptos de TI con la experiencia del juego. Con este fin, propusieron dos indicadores que se utilizarían en los algoritmos del árbol de búsqueda: el número de evidencia basado en la probabilidad (PPN) y el número de conspiración único (SCN), y los aplicaron a varios juegos por turnos.
Estos indicadores de búsqueda son valores que los algoritmos de búsqueda calculan para “juzgar” el progreso hacia un objetivo deseado. Por ejemplo, al jugar un juego, una IA basada en un algoritmo de búsqueda usaría índices de búsqueda para analizar posibles estados futuros, buscando principalmente jugadas que de alguna manera maximicen las posibilidades de ganar. En última instancia, los indicadores y algoritmos de búsqueda deben diseñarse cuidadosamente para minimizar el uso de recursos informáticos; no todos los juegos posibles deben ser considerados en detalle, sino solo aquellos que pueden ganar.
Los investigadores aplicaron estos dos índices a las estructuras del árbol de búsqueda en el contexto de varios juegos, incluidos Ajedrez, Ajedrez chino, Connect 4, Othello y 2048. Los resultados revelaron información interesante sobre lo que cada índice aporta a la mesa. “Las búsquedas basadas en PPN proporcionaron un medio para determinar la calidad de la información disponible en el juego y parecían funcionar de manera similar a la intuición humana. A diferencia de la búsqueda basada en SCN, proporcionó una plataforma para comprender la experiencia del jugador y cómo administra el riesgo al tomar decisiones ”, explica el Prof. Iida.
Además, el enfoque de búsqueda basado en SCN se combinó con otro marco teórico desarrollado en el laboratorio de Iida: el concepto de movimiento mental. Este enfoque analiza matemáticamente los diversos aspectos objetivos y subjetivos de la experiencia del juego, trazando analogías con conceptos relacionados con el movimiento de la física, por ejemplo, de la mecánica clásica. Al comparar el SCN con estas analogías del tráfico de juegos, los investigadores encontraron que los cálculos básicos están directamente relacionados con las oscilaciones (desde posiciones perdedoras hasta ganadoras) que ocurren tanto en juegos de un jugador como de dos jugadores.
Ambos enfoques de búsqueda analizados en este estudio se aplican dentro y fuera de los juegos. Por ejemplo, PPN se puede utilizar para ahorrar tiempo y recursos valiosos durante tareas informáticas intensivas, como problemas de optimización, planificación, programación y simulaciones. Mientras tanto, SCN es útil en contextos donde se deben tomar decisiones importantes o cuando Planificación a largo plazo es necesario porque le permite optimizar el valor y minimizar el riesgo. “Tanto PPN como SCN pueden ser componentes clave de la investigación en el campo de la inteligencia artificial, incluida la informática evolutiva y la informática de alto rendimiento”, señala el Prof. vista.”
La investigación interdisciplinaria adicional nos ayudará a encontrar más conexiones entre el entretenimiento, la informática y la mente humana. Con suerte, a la larga, seremos capaces de ajustar los juegos desde una perspectiva más subjetiva e incluso orientada a objetivos, maximizando nuestro disfrute y siendo útiles de muchas otras formas.
Anggina Primanita et al., Computing Games: Bridging the Gap Between Search and Entertainment, Acceso IEEE (2021). DOI: 10.1109 / ACCESS.2021.3079356
Proporcionado por el Instituto Avanzado de Ciencia y Tecnología de Japón