Tekoälyn hyödyntäminen pelialalla

Virtuaalimaailmoissa tekoälyteknologia kehittyy jatkuvasti yhä fiksummaksi. Harva kuitenkaan tietää, että ensimmäinen tekoälyn soveltaminen peleissä tapahtui jo vuonna 1952, jolloin eräs brittiopiskelija kehitti sääntöpohjaisen tekoälyn, joka kykeni pelaamaan täydellistä neljän suoraa. Nykyään tekoäly peleissä on toki huomattavasti edistyneempää. Lukemattomat tutkijat ja suunnittelutiimit kehittävät kilpaa tekoälyjä, jotka pystyvät päihittämään ihmiset yhä haastavammissa peleissä.

Eri pelityypit tekoälyn soveltamisessa

Tekoälyn kehittäjien, ohjelmistokehittäjien ja pelisuunnittelijoiden mielenkiinto keskittyy kahteen eri pelikategoriaan: täydellisen tiedon pelit, joissa kaikki pelin eri osa-alueet ovat kaikkien pelaajien tiedossa alusta alkaen, sekä epätäydellisen tiedon pelit, joissa pelaajille ei paljasteta kaikkea pelistä. Molemmissa pelityypeissä tekoälyn osuutta pyritään nyt aktiivisesti lisäämään. Seuraavaksi esitellään nämä kaksi pelityyppiä lyhyesti ja tarkastellaan, kuinka tekoälyä on niissä mahdollista soveltaa.

Täydellisen tiedon peleistä hyviä esimerkkejä ovat shakki, Go ja neljän suora. Näissä peleissä kaikki osapuolet näkevät pelin tilanteen kaikkina aikoina. Tyypillisesti koneäly on tällaisissa peleissä hyvin kehittynyttä ja kykenee päihittämään taidokkaimmatkin ihmispelaajat, josta yksi viimeisimmistä esimerkeistä on Googlen oppiva tekoäly AlphaZero. Shakki on ollut erityisen aktiivisesti tekoälyn kehittämisen kohteena ja parhaimmat koneälyratkaisut yhdistelevätkin siinä eräänlaista hybridiratkaisua, jossa yhdistyvät koneoppiminen ja ihmisen logiikka. Näin ollen ihmiselle ominainen intuitiivinen ja strateginen älykkyys yhdistyy tietokoneen raakaan laskennalliseen tehoon. Koneäly on päihittänyt taidokkaimmatkin shakkipelaajat, ja kiehtovinta tässä on se, että tulevaisuudessa tullaan luomaan myös sellainen tekoäly, joka pystyy opettaa itse itselleen uusia asioita.

Tekoälyn leviäminen täydellisen tiedon peleissä on saanut vähitellen kehittäjät suuntaamaan katseet toiseen kategoriaan – epätäydellisen tiedon peleihin. Näissä peleissä koneälyn soveltaminen on huomattavasti vaikeampaa, mutta lisäksi juuri nämä pelit ovat sellaisia, jotka hyötyvät suuresti tosielämää mahdollisimman aidosti imitoivista tilanteista. Esimerkkejä erityisen mielenkiintoista koneälyn soveltamisen kohteista ovat Starcraftin kaltaiset pelit, jotka ovat vain osittain näkyviä. Pelaaja näkee pelin kartasta vain osia. Toisin kuin esimerkiksi shakissa, ei tällaisissa peleissä nykyhetkeä määritellä aiempien ratkaisujen ja koneälyn päätösten perusteella, vaan myös muiden pelaajien ratkaisujen perusteella. Päätöksiä täytyy tehdä nopeasti ilman mahdollisuutta tietää täysin, mitä vastapuoli tekee.

Koneäly on rantautunut myös online-kasinoille ja innovatiivisia tekoälyyn pohjautuvia alustoja on testailtu jo laajalti nettikasinoilla. Näiden alustojen tehtävänä on seurata pelaajan toimintaa ja reagoida siihen tunnistamalla käyttäjän mahdolliset tarpeet. Esimerkiksi pokeri on epätäydellisen tiedon peli, joka pohjautuu sattumanvaraisuuteen ja jossa erilaisia peliyhdistelmiä on loputtomasti. Vastaavasti myös muut kasinopelit kuten slotit pohjautuvat sattumanvaraisiin tuloksiin, jolloin kyse on epätäydellisen tiedon peleistä. Myös näissä on sovellettu jo jonkin verran koneälyä, mutta tulevaisuuden mahdollisuudet ovat valtavia. Tuskin menee enää kauaakaan aikaa siihen, että kaikki nettikasinon tarjoamat pelit saatetaan hyvinkin jossain vaiheessa integroida entistä tiiviimmin toimimaan koneälyn kanssa.

Koneälyn ja pelaamisen tulevaisuus sekä tämänhetkiset haasteet

Nykyään koneäly kehittyy huimaa tahtia pelien maailmassa. Tämän hetken suurimpia haasteita ovat pelinkehityksen ja -ulkoasun ohella edistyneemmät tavoitteet kuten pelikokemuksen räätälöinti jokaisen pelaajan makuun ja tarpeisiin sopivaksi. Peleissä yritetään saavuttaa entistä realistisempia tilanteita sekä luonnollisempaa vuorovaikutusta pelaajien ja ympäristön välillä. Entä jos peli pystyisi muuttamaan strategiaa tai taktiikkaa pelaajan tasosta riippuen? Juuri tähän monet peliyhtiöt tähtäävät tällä hetkellä. Vahvistava äly on koneälyn tyyppi, joka mahdollistaa ohjelmalle käyttäytymismallin opettelemisen ympäristöstä tulevan palautteen pohjalta. Tässä on huikeasti potentiaalia peleissä yleisten ongelmien, kuten epäloogisuuden, epäluonnollisuuden ja toistuvuuden kitkemiseen. Tulevaisuudessa haasteet tulevat kuitenkin olemaan varsin erilaisia. Kuinka esimerkiksi varmistumme siitä, ettei tekoäly kaappaa valtaa, kuten Universal Paperclips Gamessä maalaillaan?

Pelialaa kannattaa pitää silmällä siltä etenkin siltä varalta, että tekoälyn evoluutio on todella kovassa vauhdissa ja osoittautunut mullistavaksi monellakin eri osa-alueella. Erityisesti pelialalla koneoppimisen myötä peliala – puhuttiinpa sitten mistä peleistä tahansa – tulee mullistumaan aivan varmasti. Vuonna 2015 TNS:n toimitusjohtaja ja konsultti Richard Ingelton ennusti, ettemme enää parinkymmenen vuoden päästä olisi maailman älykkäimpiä olentoja. Tämä näyttää päivä päivältä todenmukaisemmalta ajatukselta.