בני אדם מרוויחים ממשחקים יותר ממה שחלק מבין. משחקים יכולים להיות גישה נינוחה ללימוד או השחזה של כישורי פיתרון הבעיות שלנו תוך הפגת מתחים. עם זאת, משחק בדרך כלל נושא כמות ניכרת של קבלת החלטות, הכוללת שיקולים מתמטיים וסטטיסטיים שאנו לוקחים כדי להחליט מה לדעתנו הכי טוב. לפיכך, משחקים מציגים רבים מהפקולטות והפעולות הפנימיות המרשימות של המוח האנושי, מה שבתורו הופך אותם למיטת מבחנים נהדרת ומגרש מחקר למחקר על בינה מלאכותית (AI).
היבט אחד המשותף למשחקים רבים הוא קבלת החלטות המבוססת על מידע לא בטוח לגבי מצבי משחק עתידיים עכשוויים ופוטנציאליים. שחקנים מנוסים יכולים 'להביט קדימה' מהמצב הנוכחי של המשחק ולנתח מה יכול לקרות מספר סיבובים או נעים לאורך הקו, ומאפשרים להם לבצע אסטרטגיה בהתאם. בעיקר, התהליך הנפשי הזה דומה למה שחלק מאלגוריתמי החיפוש נועדו לעשות - לא רק לפתרון משחקים, אלא גם למשימות מחשוב כלליות בתחומי יישום שונים. אך כיצד ניתן ליצור קשר פורמלי בין תחומים אלו?
במכון המתקדם של יפן למדע ו טכנולוגיה (JAIST), קבוצת המחקר של פרופסור Hiroyuki Iida מפתחת תיאוריות חדשות כדי לנתח ובסופו של דבר להבין את ההיבטים הרבים של משחקים ומשחקים, הן מנקודת מבט אובייקטיבית ופסיכולוגית בלבד. במחקר האחרון, חוקרים ניסו לגשר בין מושגי מחשוב עם חווית משחק. לשם כך, הם הציעו שני אינדיקטורים שישמשו באלגוריתמים של עצי חיפוש - מספר ההוכחה מבוסס ההסתברות (PPN) ומספר הקונספירציה הבודדת (SCN) - ויישמו אותם במשחקים שונים מבוססי תור.
אינדיקטורי חיפוש אלה הם ערכים שאלגוריתמים של עץ החיפוש מחשבים כדי 'להעריך' את התקדמותם לעבר המטרה הרצויה. כשמשחקים במשחק, למשל, AI מבוסס אלגוריתם חיפוש ישתמש באינדיקטורים של חיפוש כדי לנתח מצבים עתידיים פוטנציאליים תוך שהוא מחפש בעיקר מחזות שמייצגים איכשהו את סיכויי הזכייה. בסופו של דבר, יש לעצב בקפידה אינדיקטורי חיפוש ואלגוריתמים כדי למזער את משאבי המחשוב המשמשים; לא צריך לקחת בחשבון כל משחק אפשרי בפירוט, אלא רק את אלה שצפויים לנצח.
החוקרים יישמו את שני האינדיקטורים הללו במסגרות עץ החיפוש בהקשר למשחקים שונים, כולל שחמט, שחמט סיני, קונקט 4, אותלו ו- 2048. התוצאות חשפו מידע מעניין על מה כל אינדיקטור מביא לשולחן. "החיפוש מבוסס ה- PPN סיפק אמצעי לקביעת איכות המידע הקיים במשחק ונראה היה שהוא פועל באופן דומה לאינטואיציה אנושית. לעומת זאת, החיפוש מבוסס SCN סיפק פלטפורמה להבנת חווית השחקן וכיצד הם מנהלים סיכונים בעת קבלת החלטות ", מסביר פרופ 'אידה.
בנוסף, גישת החיפוש המבוססת על SCN נקשרה למסגרת תיאורטית אחרת שפותחה במעבדה של אידה: מושג התנועה בראש. גישה זו מנתחת היבטים אובייקטיביים וסובייקטיביים שונים של חווית המשחק בצורה מתמטית על ידי ציור אנלוגיות עם מושגים הקשורים לתנועה מהפיזיקה, כמו אלה שבמכניקה הקלאסית. על ידי השוואת SCN לאנלוגיות אלה של תנועה במשחקים, החוקרים מצאו כי החישובים הבסיסיים קשורים ישירות לתנודות (מאובדן למיקומים מנצחים) שקורות במשחקים תחרותיים לשחקן יחיד וגם לשני שחקנים.
שתי גישות החיפושים שניתחו במחקר זה כוללות יישומים בתחום המשחקים ומחוצה להם. לדוגמה, ניתן להשתמש ב- PPN כדי לחסוך משאבים יקרים וזמן בזמן משימות מחשוב אינטנסיביות, כגון בעיות אופטימיזציה, תכנון, תזמון וסימולציות. בינתיים, ה- SCN הוא שימושי בהקשרים שבהם יש לקבל החלטות בסכום גבוה או כאשר יש צורך בתכנון ארוך טווח, מכיוון שהוא מאפשר אופטימיזציה של ערכים ומזעור סיכונים. "גם PPN וגם SCN יכולים להיות מרכיבים מכריעים למחקר בתחום בינה מלאכותית, כולל חישובים אבולוציוניים ומחשוב בעל ביצועים גבוהים ", מעיר פרופ 'אידה," יתר על כן, שניהם מספקים אבני דריכה למדידת בידור מנקודת מבט מדעית. "
מחקרים רב תחומיים נוספים יסייעו לנו למצוא קישורים נוספים בין בידור, מדעי המידע ונפש האדם. אני מקווה שבטווח הארוך נוכל להתאים משחקים מנקודת מבט סובייקטיבית יותר ואפילו מונחית מטרה, ולמקסם את ההנאה שלנו תוך שימוש בהרבה דרכים אחרות.