সাধারণত বললে নিউরাল নেটওয়ার্ক এবং জেনেটিক অ্যালগরিদম গেমগুলিতে ব্যবহৃত হয় না, এবং গভীর শিক্ষার জন্য স্নায়বিক জাল ব্যবহারের সাম্প্রতিক আগ্রহ ব্যতীত, প্রায়শই গেমের বাইরেও হয় না।
এআই একাডেমিয়ায় এগুলি শেখানোর মূল কারণটি তাদের ব্যবহারিক প্রয়োগের কারণে নয় তবে এগুলি শিক্ষণ ডিভাইস হিসাবে ব্যাখ্যা করা বেশ সহজ - উভয় ক্ষেত্রেই গাণিতিক এবং জৈবিক এনালগ রয়েছে যা কোনও শিক্ষার্থী বুঝতে পারে যে তারা কীভাবে কাজ করতে পারে।
বাস্তব বিশ্বে আপনার সাধারণত নির্ভরযোগ্যতা এবং অনুমানযোগ্যতা প্রয়োজন need শেখার পদ্ধতিগুলির সমস্যাটি হ'ল তারা যদি 'বন্যের মধ্যে' শিখেন তবে তারা ভুল নিদর্শনগুলি শিখতে পারেন এবং বিশ্বাসযোগ্য না হন। একটি এনএন বা জিএ সম্ভাব্যভাবে কোনও স্থানীয় সর্বাধিক পৌঁছতে পারে যা গেমপ্লে অভিজ্ঞতার প্রয়োজন যেমন সরবরাহের জন্য যথেষ্ট ভাল হওয়ার গ্যারান্টিযুক্ত নয়। অন্য সময়ে, এটি খুব ভাল হওয়া শেষ হতে পারে, অপরাজেয় এমন একটি নিখুঁত কৌশল সন্ধান করে। বেশিরভাগ বিনোদন পণ্যগুলিতেও পছন্দসই নয়।
এমনকি যদি আপনি অফলাইনে প্রশিক্ষণ নেন (যেমন লঞ্চের আগে, এবং গেমপ্লে চলাকালীন নয়), তথ্যের একটি আপাতদৃষ্টিতে ভাল দেখায় এমন অনিয়মগুলি গোপন করা যেতে পারে যা একসময় কোনও খেলোয়াড়ের দ্বারা পাওয়া যায়, এটি ব্যবহার করা সহজ। বিশেষত একটি নিউরাল নেটওয়ার্ক সাধারণত ওজনের একটি সেট বিকশিত হয় যা অধ্যয়ন করার জন্য বেশ অস্বচ্ছ এবং এর দ্বারা নেওয়া সিদ্ধান্তগুলি নিয়ে যুক্তি করা শক্ত। ডিজাইনারের পক্ষে যেমন একটি এআই রুটিন পছন্দসই হিসাবে সম্পাদন করা সম্ভব তাড়াতাড়ি করা কঠিন হবে।
তবে সম্ভবত সবচেয়ে ক্ষতিকারক সমস্যাটি হ'ল জিএ এবং এনএন কোনও গেম ডেভলপমেন্ট কার্যের জন্য সেরা সরঞ্জাম নয়। ভাল শিক্ষণ ডিভাইসগুলির ক্ষেত্রে, সাবজেক্ট ডোমেন সম্পর্কে পর্যাপ্ত জ্ঞান থাকা যে কেউ একই ধরণের ফলাফল অর্জনের জন্য আলাদা পদ্ধতি ব্যবহার করার জন্য সাধারণত আরও ভালভাবে সজ্জিত থাকে। এটি অন্যান্য এআই কৌশলগুলি যেমন সমর্থন ভেক্টর মেশিন বা আচরণ গাছগুলির থেকে সরল পদ্ধতির যেমন স্টেট মেশিন বা এমনকি যদি শর্তসাপেক্ষে একটি দীর্ঘ শৃঙ্খলার মাধ্যমে কিছুই হতে পারে। এই পদ্ধতির বিকাশকারীদের ডোমেন জ্ঞানের আরও ভাল ব্যবহার করার প্রবণতা রয়েছে এবং শেখার পদ্ধতির চেয়ে আরও নির্ভরযোগ্য এবং অনুমানযোগ্য।
তবে আমি শুনেছি যে কিছু বিকাশকারীরা রেসট্র্যাকের চারপাশে একটি ভাল রুট খুঁজে পেতে ড্রাইভারকে প্রশিক্ষণের জন্য বিকাশের সময় নিউরাল নেটওয়ার্ক ব্যবহার করেছে এবং তারপরে এই পথটি গেমের অংশ হিসাবে চালিত করা যেতে পারে। নোট করুন যে চূড়ান্ত গেমটির জন্য এই কাজ করার জন্য কোনও নিউরাল নেটওয়ার্ক কোডের প্রয়োজন হয় না, এমনকি প্রশিক্ষিত নেটও নয়।
পদ্ধতিটির 'ব্যয়' আসলে সমস্যা নয়, ঘটনাচক্রে। এনএন এবং জিএ উভয়ই চূড়ান্তভাবে সস্তাভাবে প্রয়োগ করা যেতে পারে, বিশেষত এনএন নিজেকে প্রাক-গণনা এবং অপ্টিমাইজেশনের জন্য ndingণ দেয়। সমস্যাটি হ'ল এগুলির মধ্যে থেকে কার্যকর কিছু অর্জন করতে সক্ষম হওয়া।
