Computational Models of Motivation for Game-Playing Agents

تمرکز این کتاب بر سه انگیزه شناختی تأثیرگذار است: موفقیت، وابستگی و انگیزه قدرت. نظریه‌های مبتنی بر انگیزه موفقیت، وابستگی و انگیزه قدرت، مبنایی برای رفتار شایستگی‌جویی، ایجاد رابطه، رهبری و رفتار کنترل‌کننده منابع در انسان هستند. در این کتاب نشان می‌دهیم که چگونه می‌توان این انگیزه‌ها را در عوامل مصنوعی برای دستیابی به تنوع رفتاری مدل‌سازی و تعبیه کرد. مسائل نظری برای نمایش و تعبیه مدل‌های محاسباتی انگیزش در عوامل مبتنی بر قانون، عوامل یادگیری، جمعیت‌ها و تکامل عوامل با انگیزه مطرح می‌شوند. مسائل عملی برای تعریف بازی‌ها، مینی‌بازی‌ها یا سناریوهای درون‌بازی برای جهان‌های مجازی که در آن عوامل باانگیزه و کنترل‌شده با رایانه می‌توانند در کنار بازیکنان انسانی شرکت کنند، بررسی می‌شوند.

این کتاب است. ساختار به چهار بخش: بازی در دنیای مجازی توسط انسان ها و عوامل. مقایسه انگیزه های انسانی و مصنوعی؛ سناریوهای بازی برای عوامل با انگیزه؛ و تکامل و آینده عوامل بازی با انگیزه. این به برنامه نویسان بازی و کسانی که به هوش مصنوعی علاقه مند هستند، دانش لازم برای توسعه عوامل مختلف و باورپذیر بازی برای دنیای مجازی را ارائه می دهد.

The focus of this book is on three influential cognitive motives: achievement, affiliation, and power motivation. Incentive-based theories of achievement, affiliation and power motivation are the basis for competence-seeking behaviour, relationship-building, leadership, and resource-controlling behaviour in humans. In this book we show how these motives can be modelled and embedded in artificial agents to achieve behavioural diversity. Theoretical issues are addressed for representing and embedding computational models of motivation in rule-based agents, learning agents, crowds and evolution of motivated agents. Practical issues are addressed for defining games, mini-games or in-game scenarios for virtual worlds in which computer-controlled, motivated agents can participate alongside human players.

The book is structured into four parts: game playing in virtual worlds by humans and agents; comparing human and artificial motives; game scenarios for motivated agents; and evolution and the future of motivated game-playing agents. It will provide game programmers, and those with an interest in artificial intelligence, with the knowledge required to develop diverse, believable game-playing agents for virtual worlds.