Sistema de servicios públicos

Los números, las fórmulas y las puntuaciones se han utilizado durante décadas en los videojuegos para definir el comportamiento. Incluso algo tan simple como definir un porcentaje de probabilidad para que algo suceda (por ejemplo, un 12 % de probabilidad de realizar la Acción X) fue un primer paso hacia la IA de utilidad. Sin embargo, no fue hasta principios del siglo XXI que este método comenzó a adoptar un enfoque más formalizado, conocido actualmente como "IA de utilidad".

En Los Sims (2000), la "necesidad" actual de un PNJ (por ejemplo, descanso, comida, actividad social) se combinaba con la puntuación de un objeto o actividad que podía satisfacer esa misma necesidad. La combinación de estos valores asignaba una puntuación a la acción, indicándole al Sim qué debía hacer. Este fue uno de los primeros usos visibles de la IA de utilidad en un videojuego. Si bien el jugador no veía los cálculos directamente, era consciente de las necesidades relativas del Sim y de los distintos grados de satisfacción que proporcionaban los objetos del juego. De hecho, era el mecanismo de juego principal.

En Los Sims 3 (2009), Richard Evans utilizó una versión modificada de la distribución de Boltzmann para elegir una acción para un Sim, empleando una temperatura baja cuando el Sim está contento y alta cuando está mal, para aumentar la probabilidad de que se elija una acción con baja utilidad. ^{[ 2 ]} También incorporó "personalidades" a los Sims. Esto creó una especie de modelo de tres ejes, extendiendo los "valores de necesidades" y satisfacción numéricos para incluir preferencias, de modo que distintos PNJ pudieran reaccionar de manera diferente en las mismas circunstancias según sus deseos e impulsos internos.

En su libro, Behavioral Mathematics for Game AI , ^{[ 3 ]} Dave Mark detalló cómo pensar mentalmente el comportamiento en términos matemáticos, incluyendo cosas como curvas de respuesta (conversión de variables de entrada cambiantes en variables de salida). Él y Kevin Dill dieron muchas de las primeras conferencias sobre teoría de la utilidad en la Cumbre de IA de la Conferencia anual de desarrolladores de juegos (GDC) en San Francisco, incluyendo "Mejorando el modelado de decisiones de IA a través de la teoría de la utilidad" en 2010. ^{[ 4 ]} y "Abrazando el arte oscuro del modelado matemático en IA" en 2012. ^{[ 5 ]} Estas conferencias sirvieron para introducir la IA de utilidad como una arquitectura comúnmente mencionada junto con las máquinas de estados finitos (FSM), los árboles de comportamiento y los planificadores.

Si bien el trabajo de Richard Evans y los programadores de IA posteriores en la franquicia Sims, como David "Rez" Graham ^{[ 6 ],} se basaban en gran medida en la IA de utilidad, Dave Mark y su compañero de trabajo de ArenaNet , Mike Lewis, dieron una conferencia en la Cumbre de IA durante la GDC de 2015 sobre una arquitectura independiente completa que había desarrollado, el Sistema de Utilidad de Eje Infinito (IAUS). ^{[ 7 ]} El IAUS fue diseñado para ser una arquitectura autocontenida y basada en datos que, una vez conectada a las entradas y salidas del sistema de juego, no requería mucho soporte de programación. En cierto modo, esto lo hacía similar a los árboles de comportamiento y planificadores donde el razonador (lo que toma las decisiones) estaba completamente establecido y se dejaba al equipo de desarrollo agregar comportamientos a la mezcla según lo consideraran apropiado.

Además, en lugar de una arquitectura independiente, otras personas han discutido y presentado métodos para incorporar cálculos de utilidad en arquitecturas existentes. Bill Merrill escribió un segmento en el libro Game AI Pro , ^{[ 8 ]} titulado "Incorporando decisiones de utilidad en su árbol de comportamiento existente" ^{[ 9 ]} con ejemplos de cómo reutilizar selectores en BT para usar matemáticas basadas en utilidad. Esto dio como resultado un híbrido potente que conservó gran parte de la estructura formal popular de los árboles de comportamiento pero permitió algunas de las ventajas no frágiles que ofrecía la utilidad. La IA de utilidad también se puede integrar con otras arquitecturas en un enfoque modular, donde cada arquitectura maneja una tarea específica. Por ejemplo, en un estudio, ^{[ 10 ]} los autores aplicaron un Sistema de Utilidad para calcular los valores de utilidad de órdenes estratégicas de alto nivel en un juego táctico basado en equipos, mientras que la Búsqueda en Árbol de Monte Carlo (MCTS) se empleó para ejecutar estas órdenes a nivel táctico.