Oyunlarda yapay zeka: NPC davranışı, yol bulma ve prosedürel üretim

Oyun dünyasında yapay zeka kelimesi, alanın geri kalanından farklı bir anlam taşıyor. Bir nişancı oyununda düşmanın sizi arkadan kuşatması, bir strateji oyununda rakibin sizi sıkıştırması — bunların neredeyse hiçbiri eğitilmiş bir sinir ağı değil. Çoğu, elle yazılmış karar yapıları ve iyi ayarlanmış kurallar.

Karar yapıları: kuraldan planlamaya

1. Sonlu durum makineleri: en eski ve en basit yöntem. Karakterin birkaç durumu vardır (devriye, kovalama, ateş etme, kaçma) ve belirli koşullarda durumlar arasında geçiş yapar. Anlaşılır, hata ayıklaması kolay; karmaşıklık arttıkça geçiş sayısı patlar.
2. Davranış ağaçları: bugünün standardı. Davranışlar bir ağaç hâlinde düzenlenir; her karede ağaç yukarıdan aşağı değerlendirilir ve çalışabilen ilk dal seçilir. Yeni davranış eklemek, ağaca dal eklemek kadar kolay — bu yüzden büyük yapımlarda yaygın.
3. Fayda tabanlı sistemler: her olası eyleme bir puan verilir (mermi az, sağlık düşük, rakip yakın gibi etkenlere göre) ve en yüksek puanlı eylem seçilir. Daha organik davranış üretir, ama ayarlaması zordur.
4. Hedef odaklı planlama: karakter bir hedef belirler ve o hedefe götüren eylem zincirini kendisi kurar. Şaşırtıcı çözümler üretebilir; buna karşılık hesap maliyeti yüksektir ve davranış tahmin edilemez hâle gelebilir.

Yol bulma: görünmeyen harita

Bir karakterin A noktasından B noktasına gidebilmesi için dünyanın yürünebilir bölgelerini tanımlayan bir harita gerekir. Bu haritaya navigasyon ağı deniyor: zeminin yürünebilir yüzeyleri çokgenlere bölünür ve karakter bu çokgenler arasında yol arar.

Arama için klasik yöntem, en kısa yolu tahmin kullanarak bulan bir algoritma. Pratikte tek başına yetmiyor; üstüne şunlar ekleniyor:

• Yolu yumuşatma: çokgen köşelerinden geçen kırık çizgi, doğal yürüyüşe çevrilir.
• Yerel kaçınma: hesaplanan yolda duran başka karakterler ve hareketli nesneler için anlık düzeltme.
• Kalabalık davranışı: çok sayıda karakter için tek tek yol aramak pahalı; akış alanları ve sürü kuralları kullanılır.
• Dinamik engeller: kapanan bir kapı ya da yıkılan bir duvar, haritanın o bölümünü anında güncellemeyi gerektirir.

Yol bulma, oyun içinde işlemciyi en çok zorlayan işlerden biri. Kalabalık sahnelerde kare süresinin bozulmasının sık görülen nedenlerinden; darboğazın hangi tarafta olduğunu ayırt etmeyi darboğaz yazısında anlatmıştık.

Algı modeli: adil görünmek zorunda

Bir düşman, teknik olarak haritadaki her şeyi bilir. Oyunun işi ona bilmemeyi öğretmek: görüş konisi, mesafeye bağlı fark etme süresi, ses yayılımı, son görülen konumun hafızada tutulması.

Daha ilginci, algının oyuncuya okunabilir olmak zorunda olması. Oyuncu neden fark edildiğini anlamalı; bu yüzden düşmanlar genellikle fark etme anında bir tepki sesi çıkarır ya da bir gösterge dolar. Yani iyi oyun yapay zekası akıllı olanı değil, niyeti anlaşılan olanı demek.

Aynı mantık zorlukta da geçerli: birçok oyun ilk birkaç atışı bilerek ıskalatır, oyuncunun sağlığı azaldığında düşmanların baskısını azaltır ya da yarış oyunlarında geride kalan rakipleri hızlandırır. Bunlar hile değil, deneyimi düzgün tutan tasarım araçları.

Prosedürel üretim

İçeriği elle yapmak yerine kurallarla üretmek, hem depolama hem çeşitlilik kazandırıyor. Üç ana yaklaşım var:

• Gürültü tabanlı: arazi yüksekliği, mağara boşlukları ve doku desenleri matematiksel gürültü işlevlerinden üretilir.
• Kural tabanlı dizilim: elle yapılmış oda ve koridor parçaları, kurallara uyacak biçimde birleştirilir. Rastgelelik ile tasarım kalitesini birlikte tutmanın en yaygın yolu.
• Tohum tabanlı yeniden üretim: tek bir sayıdan koca bir dünya üretilebiliyor; aynı tohum her seferinde aynı dünyayı verir. Oyun dosyasının içinde dünya saklanmaz, yalnızca tarifi durur.

Prosedürel üretimin bilinen zaafı tekdüzelik: her yer farklı görünür ama hiçbiri akılda kalmaz. Bu yüzden başarılı yapımlar prosedürel iskeletin üzerine el yapımı noktalar yerleştiriyor. Dosya boyutu tarafındaki hesabı dosya boyutu yazısında çıkarmıştık — prosedürel üretim, o tablonun en etkili karşı hamlesi.

Makine öğrenmesi nerede gerçekten kullanılıyor

Üretimde yaygın kullanımlar, oyuncuyla konuşan NPC’ler değil; arka plandaki işler:

1. Animasyon: hareket yakalama verisinden doğal geçişler üretmek, ayakları zemine oturtmak.
2. Test botları: haritada istenmeyen boşlukları, sıkışma noktalarını ve dengesizlikleri bulmak için binlerce otomatik oturum.
3. Denge analizi: oyuncu verisinden hangi silahın ya da kartın fazla güçlü olduğunu çıkarmak.
4. Ses ve çeviri: yerelleştirme ve ses üretiminde yardımcı araçlar.
5. Ölçekleme: görüntü tarafında, kareyi düşük çözünürlükte üretip yükseltmek. Nasıl çalıştığını ölçekleme yazısında anlattık.

Üretken modellerle NPC: neden yaygınlaşmadı

Serbest konuşan karakterler fikri cazip ama pratik engeller gerçek: her cevap için gecikme ve maliyet, karakterin dünya bilgisine aykırı şeyler söylemesi, aynı sahneyi iki oyuncunun farklı yaşaması ve içerik denetimi. Dil modeli tabanlı ajanların nerede bozulduğunu ajanlar yazısında ele aldık; oyunlarda bu sorunlar bir de anlatı tutarlılığıyla çarpışıyor.

Bugün görülen makul kullanım, üretimi hızlandırmak: yazarın yüzlerce ikincil diyalog varyasyonunu üretmesine yardım etmek, sonra bunları elden geçirip oyuna sabit içerik olarak koymak.

İyi oyun yapay zekası sizi yenmeye çalışmıyor; akıllı görünmeye ve niyetini size okutmaya çalışıyor.