The Many Challenges of Human-Like Agents in Virtual Game Environments

要約

人間のようなエージェントは、ゲームやそれ以降のますます重要なトピックです。
信じられないほどの非プレイヤーキャラクターは、没入感を改善し、エンターテイメントを提供することにより、ゲームエクスペリエンスを向上させます。
また、プレイヤーに、対戦相手、教師、または協力パートナーとして機能できるAIエンティティと関わる機会を提供します。
さらに、ボットが禁止されているゲーム、さらにはゲーム以外の環境では、ボットまたは人間とのデジタル相互作用が発生するかどうかを識別できる方法が必要です。
これは、2つの基本的な研究の質問につながります。（1）人間のようなAIをモデル化および実装する方法、および（2）人間の肖像の程度を測定する方法。
この記事では、2つの貢献を提供しています。
1つ目は、ゲームで人間のようなAIを実装する際の最も重要な課題の調査です（または、この記事はゲームに特に焦点を当てていますが、シミュレートされたエージェントを特徴とする仮想環境です）。
概念的および技術的な13のこのような課題については、詳細に説明します。
2つ目は、研究の質問に対処する戦術的なビデオゲームで実行された経験的研究です。「人間のプレイヤーを、経験的データに基づいてボット（AIエージェント）を区別することは可能ですか？」
カスタムディープリカレント畳み込みニューラルネットワークを使用した機械学習アプローチが提示されています。
特定のゲームのために人間のようなAIを作成することがより困難であればあるほど、人間をAI主導のプレイヤーと区別する方法を開発することが容易になると仮定します。

要約(オリジナル)

Human-like agents are an increasingly important topic in games and beyond. Believable non-player characters enhance the gaming experience by improving immersion and providing entertainment. They also offer players the opportunity to engage with AI entities that can function as opponents, teachers, or cooperating partners. Additionally, in games where bots are prohibited — and even more so in non-game environments — there is a need for methods capable of identifying whether digital interactions occur with bots or humans. This leads to two fundamental research questions: (1) how to model and implement human-like AI, and (2) how to measure its degree of human likeness. This article offers two contributions. The first one is a survey of the most significant challenges in implementing human-like AI in games (or any virtual environment featuring simulated agents, although this article specifically focuses on games). Thirteen such challenges, both conceptual and technical, are discussed in detail. The second is an empirical study performed in a tactical video game that addresses the research question: ‘Is it possible to distinguish human players from bots (AI agents) based on empirical data?’ A machine-learning approach using a custom deep recurrent convolutional neural network is presented. We hypothesize that the more challenging it is to create human-like AI for a given game, the easier it becomes to develop a method for distinguishing humans from AI-driven players.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google