A.
Artificial
Intelligent pada Game
Kecerdasan
Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai
kecerdasan yang ditunjukkan oleh suatu
entitasbuatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan
diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan
pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang
menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer
(games), logika fuzzy, jaringan syaraf tiruan dan robotika.
Penelitian dalam AI menyangkut
pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku
cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan,
kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan
tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin
ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah
kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang
ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam
beberapa aplikasi perangkat lunak komputer rumah dan video game.
Perkembangan
Game yang pesat pada masa ini juga membutuhkan sesuatu yang berbeda pada rule
permainannya. Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh
seorang player, maka ketika player yang sama memulai lagi permainan dari awal,
maka rule permainannya akan sama. namun berbeda untuk game-game yang telah ada
saat ini. sistem dalam game, dapat belajar mengenali pola permainan dari player
dan ketika player tersebut memulai permainan kembali, maka sistem ini akan
menggunakan rule yang berbeda
untuk pemain
yang sama ini. sehingga game menjadi lebih menarik dan menantang untuk
dimainkan. Contoh aplikasi kecerdasan buatan dalam bentuk game sangat banyak
sekali, ada yang berbentuk game PC, dan ada pula yang berbentuk game jaringan.
B.
Decision
Making: Decision Tree, State Machine dan Rule Systems
Decision Making adalah serangkaian algoritma yang dirancang dengan
memasukan
beberapa kemungkinan langkah yang bisa diambil oleh
suatu aplikasi, Pada game ini decision makingmemberikan kemampuan suatu
karakter untuk menentukan
langkah apa yang akan diambil. Decision making dilakukan dengan cara
menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang
dirancang. Algoritma decision making kerap digunakan dalam aplikasigame, akan
tetapi algoritma decision making dapat diimplementasikan pada banyak aplikasi
lain.
Decision Making terbagi menjadi 3:
1. Decision Tree
Pohon Keputusan (Decision Tree)
merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode
pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang
merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa
alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data
seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga
berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara
sejumlah calon variabel input dengan sebuah variabel target. Karena pohon
keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini
sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika
dijadikan sebagai model akhir dari beberapa teknik lain (J R Quinlan, 1993).
Kelebihan dari metode pohon keputusan adalah:
- Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
- Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu
- Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain
- dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional Dalam analisis multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
Kekurangan pada pohon keputusan adalah:
- Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
- Kesulitan dalam mendesain pohon keputusan yang optimal
- Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.
2.
State
Machine
Finite
State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol
yang menggambarkan tingkah laku atau prinsip kerja sistem dengan
menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan action
(aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan
berada pada salah satu state yang aktif.
Sistem dapat beralih atau
bertransisi menuju state lain jika mendapatkan masukan atau event tertentu,
baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri
(misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi
yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang
dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian
proses yang relative kompleks.
Dalam bahasa pemrograman
prosedural seperti bahasa C, FSM ini umumnya direalisasikan dengan menggunakan
statemen kontrol switch case atau/dan if..then.
Dengan menggunakan statemen-statemen kontrol ini, aliran program secara
praktis akan mudah dipahami dan dilacak jika terjadi kesalahan logika.
3. Rule Systems
Rule Based System merupakan
metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah
ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan
buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut
direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses
tindakan dan hasil dari tindakan tersebut.
Rule Base Systems (RBS) sistem
yang baik untuk mendapat jawaban dari pertanyaan mengenai What (apa), How
(bagaimana) dan Why (mengapa) dari Rule Base (RB) selama proses inferensia.
Jawaban dan penjelasannya dapat disediakan dengan baik. Masalah yang ada dengan
SBP adalah ia tak dapat secara mudah menjalankan proses akuisisi knowledge
(pengetahuan) dan ia tak dapat mengupdate rule (aturan) secara otomatis.
Hanya pakar yang dapat mengupdate
Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer
(insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih
memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan
rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat
mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan
pengetahuan.
C.
Path
Finding
Pencarian jalur
merupakan salah satu
implementasi kecerdasan buatan
dalam
permainan. Pencarian jalur terpendek merupakan hal
yang mempengaruhi pergerakan dan pengambilan keputusan pada non-player
character. Namun, jalur terpendek belum tentu dan tidak selalu menjadi jalur
paling aman. Dalam permainan berbasis militer, karakter dituntut untuk bergerak
secara taktis dalam menghadapi ancaman. Agen yang bergerak secara taktis dalam
pencarian jalur tidak hanya mencari jalur terpendek, namun harus
mempertimbangkan ancaman karena pertimbangan hit points, demi meningkatkan
kesan nyata pada permainan.
Tactical Pathfinding merupakan
salah satu algoritma pencarian jalur yang dapat melakukan pencarian jalur
terpendek dengan perhitungan bobot ancaman. Implementasi algoritma tactical
pathfinding dapat memberikan gerakan taktis pada non-player character.
Algoritma tactical pathfinding dilakukan berdasarkan algoritma pencarian
jalur berdasarkan A* ditambah perhitungan bobot.
Tidak ada komentar:
Posting Komentar