A INTELIGÊNCIA ARTIFICIAL EM JOGOS DIGITAIS

...

Os tipos de conexões entre os neurônios podem ser:

Feedfoward (acíclica): A saída do neurônio na i-ésima camada da rede não pode ser usada como entrada para neurônios em camadas de índice menor ou igual a i.

FeedBack (cíclica): A saída de algum neurônio na i-ésima camada da rede é usada como entrada para neurônios em camadas de índice menos ou igual a i.

O aprendizado de uma Rede Neural é feita graças aos seus neurônios. Os algoritmos de aprendizagem para RNs têm como objetivo treinar a RN modificando seus pesos sinápticos e fazendo com que a rede se aperfeiçoe.

Há duas formas de treinamento de RNs para que ocorra o aprendizado:

Supervisionado: Quando existem exemplos para treinar a rede, ou seja, é fornecido para a RN um conjunto de entradas e saídas que são comparadas com exemplos conhecidos.

Não supervisionado: Quando não existem exemplos para ser aprendido. Neste caso, podem-se utilizar técnicas que atualizam esses pesos, como algoritmos genéticos.

Existem diversos algoritmos de aprendizado, o mais famoso é o de retropropagação de erro (backpropagation), que realiza um treinamento supervisonado e de múltiplas camadas. O algoritmo calcula o erro e corrige os pesos de todas as camadas, partindo da saída até a entrada.

4.Conclusão

O uso de inteligência artificial em jogos digitais vem sendo um grande artificio para deixar os jogos mais atraentes e mais divertidos, possibilitando a criação de jogos mais inteligentes. O jogo Quick, Draw! Saiu de um setor de experimentos da Google onde o principal foco deles é a inteligência artificial. O jogo além de trazer diversão aos jogadores, ajuda a Google a treinar sua rede neural, deixando-a mais inteligente.

5.Referências

Jogo Quick, Draw!. Disponível em:

https://quickdraw.withgoogle.com/

Inteligência Artificial em jogos eletrônicos. Disponível em:

http://www.karenreis.com.br/pdf/andre_kishimoto.pdf

Redes Neurais artificiais. Disponível em:

http://www.devmedia.com.br/redes-neurais-artificiais-algoritmo-backpropagation/28559

Redes Neurais Feedforward e Backpropagation. Disponível em:

http://www.decom.ufop.br/imobilis/wp-content/uploads/2012/06/03_Feedforward-e-Backpropagation1.pdf