Perkembangan game saat ini tidak lepas dari kecerdasan
buatan (artificiall intelligence). Kecerdasan buatan merupakan salah satu
bagian dari ilmu komputer yang membuat mesin (komputer) dapat melakukan pekerjaan
seperti manusia dan komputer dimungkinkan untuk dapat berfikir
Definisi Kecerdasan
Buatan
“ Kecerdasan buatan
(artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi
yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang
-dalam pandangan manusia adalah- cerdas” (H. A. Simon [1987] )
“Kecerdasan Buatan (AI)
merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal
yang pada saat ini dapat dilakukan lebih baik oleh manusia.” (Rich and Knight
[1991])
“Kecerdasan Buatan (AI)
merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih
banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses
informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”
(Encyclopedia Britannica)
Faham Pemikiran:
Secara garis besar, AI terbagi ke dalam dua faham
pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational
Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang
sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan
formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis,
AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence).
Metode-metodenya meliputi:
1.
Sistem pakar:
menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. 2.
2.
Sebuah sistem
pakar dapat memproses sejumlah besar informasi yang diketahui dan
menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi
tersebut.
3.
Petimbangan
berdasar kasus
4.
Jaringan
Bayesian
5.
AI berdasar
tingkah laku: metoda modular pada pembentukan sistem AI secara manual
Kecerdasan
komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya
penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini
berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang
tak teratur dan perhitungan lunak.
Metode-metode pokoknya meliputi:
1.
Jaringan
Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2.
Sistem Fuzzy:
teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan
secara meluas dalam industri modern dan sistem kendali produk konsumen.
3.
Komputasi
Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti
populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan
masalah yang lebih baik.
Kecerdasan Buatan dikelompokkan
menjadi 4 macam, yaitu :
1.
Systems that
think like humans.
2.
Systems that
act like humans.
3.
Systems that
think rationally.
4.
Systems that
act rationally.
Tujuan Kecerdasan Buatan :
1.
Membuat
komputer lebih cerdas
2.
Membuat mesin
lebih berguna
Berdasarkan
perkembangan game yang pesat pada masa ini, maka tidak dipungkiri bahwa
dibutuhkan sesuatu yang berbeda pada rule permainannya. Hal ini sangat
berkaitan dengan kecerdasan buatan (artificiall intelligence) yang diterapkan
pada game. Sebelumnya, sebuah sistem game, jika sudah dimainkan sampai tuntas
oleh seorang , maka ketika player yang sama memulai lagi permainan dari awal,
maka rule permainannya akan sama. Namun, untuk saat ini sesuai dengan
perkembangan game dan kecerdasan buatan yang diterapkan, sistem dalam game
sudah dapat belajar mengenali pola permainan dari player dan ketika player
tersebut memulai permainan kembali, maka sistem ini akan menggunakan rule yang
berbeda untuk pemain yang sama ini, sehingga game menjadi lebih menarik dan
menantang untuk dimainkan.
Contoh game sederhana
yang melakukan pendekatan AI adalah game PacMan, pemanfaatan AI dalam game ini
digunakan untuk mencari jalur terpendek untuk menentukan targetnya. Pada game
ini dapat kita lihat bahwa hantu-hantu (komputer) yang menjadi musuh Pacman
dapat mempertimbangkan dan memilih jalan yang tercepat untuk menangkap dan
mengepung sang Pacman (pemain). Bahkan ketika sang Pacman memakan bola yang
bisa membuat si hantu menjadi lemah maka sang hantu akan langsung segera
menghindari sang Pacman secepatnya. Tindakan seperti itu memang terlihat mudah
namun pada kenyataannya pembuatan hal tersebut cukup sulit dilakukan. Pembuatan
hal tersebut membutuhkan algoritma yang mungkin sedikit rumit terutama bagi
orang awam. Selain Game Pacman ada game yang menggunakan AI lagi seperti Game
Bomberman.
Decision Making
Decision Making adalah
serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan
langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision making
memberikan kemampuan suatu karakter untuk menentukan langkah apa yang akan diambil.
Decision making dilakukan dengan cara menentukan satu pilihan dari list yang
sudah dibuat pada algoritma yang dirancang. Algoritma decision making kerap
digunakan dalam aplikasi game, akan tetapi algoritma decision making dapat
diimplementasikan pada banyak aplikasi lain.
Kelebihan dari metode pohon keputusan adalah:
1.
Daerah pengambilan keputusan yang sebelumnya
kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
2.
Eliminasi
perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode
pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas
tertentu
3.
Fleksibel untuk
memilih fitur dari node internal yang berbeda, fitur yang terpilih akan
membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama.
Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang
dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap
yang lebih konvensional
4.
Dalam analisis
multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang
penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi
ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon
keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan
kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak
mengurangi kualitas keputusan yang dihasilkan.
Kekurangan pada pohon keputusan adalah:
1.
Terjadi
overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya
sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu
pengambilan keputusan dan jumlah memori yang diperlukan
2.
Pengakumulasian
jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
3.
Kesulitan dalam
mendesain pohon keputusan yang optimal
4.
Hasil kualitas
keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada
bagaimana pohon tersebut didesain.
Decision Making terbagi menjadi 3 :
1. Decision Tree
Pohon Keputusan (Decision
Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal.
Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan
yang merepresentasikan aturan.
2. State Machine
Finite State Machines (FSM)
adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah
laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State
(Keadaan), Event (kejadian) dan action (aksi).
3. Rule System
Rule Based System merupakan
metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah
ditetapkan.
Algoritma
Pathfinding
Algoritma yang
digunakan untuk pencarian jalur. Algoritma ini dapat digunakan untuk mencapai
tempat tujuan dari tempat awal.Salah satu algoritma path finding adalah
algoritma A*.
Waypoint adalah titik
acuan / kumpulan koordinat yang digunakan untuk keperluan navigasi untuk
mengidentifikasi sebuah titik di peta. (Wikipedia).
Pencarian jalur
merupakan salah satu implementasi kecerdasan buatan dalam permainan. Pencarian
jalur terpendek merupakan hal yang mempengaruhi pergerakan dan pengambilan
keputusan pada non-player character. Namun, jalur terpendek belum tentu dan
tidak selalu menjadi jalur paling aman. Dalam permainan berbasis militer,
karakter dituntut untuk bergerak secara taktis dalam menghadapi ancaman. Agen
yang bergerak secara taktis dalam pencarian jalur tidak hanya mencari jalur
terpendek, namun harus mempertimbangkan ancaman karena pertimbangan hit points,
demi meningkatkan kesan nyata pada permainan.
Tactical Pathfinding
merupakan salah satu algoritma pencarian jalur yang dapat melakukan pencarian
jalur terpendek dengan perhitungan bobot ancaman. Implementasi algoritma
tactical pathfinding dapat memberikan gerakan taktis pada non-player character.
Algoritma tactical pathfinding dilakukan berdasarkan algoritma pencarian jalur
berdasarkan A* ditambah perhitungan bobot.
Implementasi algoritma
dilakukan dengan melakukan simulasi pada peta permainan 3D berbasis navigation
mesh. Representasi peta permainan 3D menggunakan navigation mesh karena dalam
beberapa tahun terakhir, navigation mesh menjadi pilihan utama.