عنوان فارسی مقاله: |
روش های هوش مصنوعی برای تولید و ارزیابی رفتار قابل باور شبه انسانی در شخصیت های مجازی |
| عنوان انگلیسی مقاله: |
Artificial Intelligence approaches for the generation and assessment of believable human-like behaviour in virtual characters |
چکیده
برخورداری از عوامل مصنوعی برای تولید مستقل رفتار شبه‌انسانی، یکی از مهمترین اهداف جاه‌طلبانه هوش مصنوعی (AI) محسوب می‌شود و در حال حاضر ناشناخته باقی مانده است. بازی تقلید که در اصل از سوی تورینگ پیشنهاد شده، روشی بسیار کارآمد برای اثبات تشخیص‌ناپذیری عوامل مصنوعی تشکیل می‌دهد. رفتار یک عامل، از یک انسان آن هم زمانی که ناظران (به اصطلاح قضات در آزمون تورینگ) نمی‌توانند عوامل انسانی و غیرانسانی را از هم تفکیک کنند، غیرقابل تشخیص می‌شود. محیط‌های مختلف، تست پروتکل‌ها، حوزه‌ها و دامنه‌های مشکل می‌تواند ایجاد شود تا نسخه‌های محدود یا انواع دیگر آزمون اصلی تورینگ را گسترش دهد. در این مقاله، از نسخه خاص آزمون تورینگ که بر رقابت بین‌المللی BotPrize مبتنی است، استفاده می‌کنیم که در بازی ویدئویی تیرانداز اول شخص (First-Person Shooter) ساخته شد، جایی که هم بازیکنان انسانی و هم شخصیت‌های غیربازیکن در محیط‌های مجازی پیچیده تعامل داشتند. بنا بر تجربیات پیشین، هم در رقابت BotPrize و هم سایر برنامه‌های AI رایانه‌ای و رباتیک، سه کنترلر پیشرفته جدید برای عوامل قابل باور داشتیم: دو مورد از آنها در ترکیب معماری‌های شناختی CERA-CRANIUM و SOAR و دیگری بر ADANN یعنی سیستمی برای تحول خودکار و اقتباس از شبکه‌های عصبی مصنوعی مبتنی بود. این دو عامل جدید، بر تست مشترک با CCBot3، یعنی برنده رقابت BotPrize 2010 (آرابالس و همکاران، 2012) مطرح بوده و پیشرفت شایانی در نسبت انسانیت نشان داده است. علاوه بر این، با تمام این ربات‌ها برای ارزیابی قابل باور (اول شخص) First-person مواجه هستیم (پروتکل قضاوت اصلی BotPrize) و ارزیابی قابل باور (سوم شخص) Third-person که حاکی از مشارکت فعال داوری است که تاثیر زیادی در شناخت رفتار شبه‌انسانی دارد.
