تولید محتوای جدید بازی‌های رایانه‌ای با استفاده از برنامه‌سازی احتمالاتی

بازی‌های ویدئویی یکی از بخش‌های مهم و سودآور در صنعت سرگرمی هستند. درعین‌حال، معمولاً هزینه تولید این دسته از بازی‌ها بسیار زیاد است. ازاین‌رو، در طول دو دهه اخیر، استفاده از روش تولید محتوای رویه‌ای به‌عنوان وسیله‌ای برای کاهش هزینه‌ها با استفاده از تکنیک‌های الگوریتمی برای تولید خودکار برخی از محتویات بازی، موردتوجه صنعت بازی‌سازی بوده است. از سوی دیگر، تولید محتوای رویه‌ای یک زمینه روبه رشد تحقیقاتی است که بر روی استفاده از هوش مصنوعی در طراحی و ایجاد محتوا (مثلاً مراحل بازی، محیط‌ها، داستان‌ها و غیره) و اغلب برای بازی‌های ویدئویی متمرکز شده است. مدل‌های مارکوف به‌عنوان یک روش تولید محتوای رویه‌ای مبتنی بر احتمالات، برای مدل‌سازی و تولید محتوا‌ی بازی‌ها مورداستفاده قرار می‌گیرد. یکی از متداول‌ترین روش‌های مورداستفاده در تولید مرحله بازی، زنجیره‌های چند‌بعدی مارکوف است. شایان‌ذکر است که ساخت مدل‌های احتمالاتی به‌صورت مستقیم، کاری بسیار سنگین است و پیاده‌سازی آن غالباً مشکلات زیادی به همراه دارد. در سال‌های اخیر زبان‌های برنامه‌نویسی احتمالاتی زیادی معرفی‌شده‌اند که یکی از اهداف اصلی آن‌ها، حل کردن این مشکلات با ترکیب احتمالات به همراه قدرت محاسباتی زبان‌های برنامه‌نویسی بوده است. نوآوری اصلی این مقاله، استفاده از یک‌زبان برنامه‌نویسی احتمالاتی برای تولید خودکار مراحل بازی است. درروش پیشنهادی این مقاله، تولید مراحل بازی super mario bros مبتنی بر زنجیره‌های چند‌بعدی مارکوف، با استفاده از یکی از زبان‌های برنامه‌نویسی احتمالاتی به ‌نام figaro انجام‌گرفته است. مزیت اصلی روش پیشنهادی، امکان تولید مراحل به‌صورت برخط، در حین انجام بازی است. به‌علاوه، شواهد نشان می‌دهد که با حفظ کارایی برابر در تولید مراحل با روش‌های پیشین، امکان استنتاج بهتر و کاراتر با استفاده از الگوریتم‌های استنتاج متنوع موجود در figaro، بر روی مدل احتمالاتی ایجاد خواهد شد.