يستفيد البشر من ممارسة الألعاب أكثر مما قد يدركه البعض. يمكن أن تكون الألعاب نهجًا مريحًا للتعلم أو شحذ مهارات حل المشكلات مع تخفيف التوتر. ومع ذلك ، فإن ممارسة الألعاب تتطلب عمومًا قدرًا كبيرًا من اتخاذ القرار ، بما في ذلك الاعتبارات الرياضية والإحصائية التي نتخذها لاتخاذ قرار بشأن ما نعتقد أنه أفضل خطوة. وهكذا ، تُظهر الألعاب العديد من الكليات الرائعة والأعمال الداخلية للدماغ البشري ، والتي بدورها تجعلها ساحة اختبار وملعبًا رائعًا للبحث في الذكاء الاصطناعي (AI).
أحد الجوانب المشتركة في العديد من الألعاب هو اتخاذ القرار بناءً على معلومات غير مؤكدة حول حالات اللعبة الحالية والمستقبلية المحتملة. يمكن للاعبين المتمرسين "التطلع إلى الأمام" من الوضع الحالي للعبة وتحليل ما يمكن أن يحدث عدة دورات أو تحركات أسفل الخط ، مما يسمح لهم بوضع الإستراتيجيات وفقًا لذلك. والجدير بالذكر أن هذه العملية العقلية تشبه ما تم تصميم بعض خوارزميات البحث للقيام به - ليس فقط لحل الألعاب ، ولكن أيضًا في مهام الحوسبة العامة عبر مجالات مختلفة من التطبيق. لكن كيف نؤسس ارتباطًا رسميًا بين هذه المجالات؟
في المعهد الياباني المتقدم للعلوم و تكنولوجيا (JAIST)، تعمل مجموعة أبحاث البروفيسور هيرويوكي إيدا على تطوير نظريات جديدة لتحليل وفهم الجوانب العديدة للألعاب وممارسة الألعاب، سواء من وجهة نظر موضوعية أو نفسية بحتة. في أحدث دراسة بحثية، حاول الباحثون ربط مفاهيم الحوسبة بتجربة اللعب. وللقيام بذلك، اقترحوا مؤشرين لاستخدامهما في خوارزميات شجرة البحث - رقم الإثبات القائم على الاحتمال (PPN) ورقم المؤامرة الفردية (SCN) - وطبقوهما على العديد من الألعاب القائمة على الأدوار.
مؤشرات البحث هذه هي القيم التي تحسبها خوارزميات شجرة البحث "لتقييم" تقدمها نحو الهدف المنشود. عند لعب لعبة ، على سبيل المثال ، ستستخدم خوارزمية البحث القائمة على الذكاء الاصطناعي مؤشرات البحث لتحليل الحالات المستقبلية المحتملة مع البحث بشكل أساسي عن المسرحيات التي تزيد بطريقة ما من فرص الفوز. في النهاية ، يجب صياغة مؤشرات وخوارزميات البحث بعناية لتقليل موارد الحوسبة المستخدمة ؛ لا يجب النظر بالتفصيل في كل مسرحية ممكنة ، ولكن فقط تلك التي من المرجح أن تفوز.
طبق الباحثون هذين المؤشرين في أطر شجرة البحث في سياق ألعاب مختلفة ، بما في ذلك الشطرنج ، والشطرنج الصيني ، و Connect 4 ، و Othello ، و 2048. وكشفت النتائج عن معلومات مثيرة للاهتمام حول ما يجلبه كل مؤشر إلى الطاولة. "يوفر البحث المستند إلى PPN وسيلة لتحديد جودة المعلومات المتاحة في اللعبة ويبدو أنه يعمل بطريقة مماثلة للحدس البشري. على العكس من ذلك ، فإن البحث المستند إلى SCN يوفر منصة لفهم تجربة اللاعب وكيفية إدارة المخاطر عند اتخاذ القرارات "، يوضح البروفيسور إيدا.
بالإضافة إلى ذلك ، تم ربط نهج البحث المستند إلى SCN بإطار نظري آخر تم تطويره في مختبر Iida: مفهوم الحركة في العقل. يحلل هذا النهج مختلف الجوانب الموضوعية والذاتية لتجربة اللعب بطريقة رياضية عن طريق رسم مقارنات مع المفاهيم المتعلقة بالحركة من الفيزياء ، مثل تلك الموجودة في الميكانيكا الكلاسيكية. من خلال مقارنة SCN مع هذه التشبيهات للحركة في الألعاب ، وجد الباحثون أن الحسابات الأساسية مرتبطة ارتباطًا مباشرًا بالتذبذبات (من الخسارة إلى مراكز الفوز) التي تحدث في كل من الألعاب التنافسية للاعب الفردي والاعبين.
كل من نهج البحث الذي تم تحليله في هذه الدراسة له تطبيقات داخل وخارج مجال الألعاب. على سبيل المثال ، يمكن استخدام PPN لتوفير الموارد والوقت الثمين أثناء مهام الحوسبة المكثفة ، مثل مشاكل التحسين والتخطيط والجدولة والمحاكاة. وفي الوقت نفسه ، تعد شبكة الأمان الاجتماعي مفيدة في السياقات التي يجب فيها اتخاذ قرارات عالية المخاطر أو عندما يكون التخطيط طويل الأجل ضروريًا ، حيث يسمح بتحسين القيم وتقليل المخاطر. "يمكن أن يكون كل من PPN و SCN مكونين أساسيين للبحث في مجال الذكاء الاصطناعي، بما في ذلك الحسابات التطورية والحوسبة عالية الأداء ، "كما يلاحظ البروفيسور إيدا ،" علاوة على ذلك ، كلاهما يوفران نقاط انطلاق لقياس الترفيه من وجهة نظر علم المعلومات. "
ستساعدنا المزيد من الدراسات متعددة التخصصات في إيجاد المزيد من الروابط بين الترفيه وعلوم المعلومات والعقل البشري. نأمل ، على المدى الطويل ، أن نكون قادرين على تصميم الألعاب من منظور أكثر ذاتية وحتى مدفوع بالهدف ، مما يزيد من استمتاعنا مع الاستفادة من نواحٍ عديدة أخرى.