Motivated Reinforcement Learning: Curious Characters for Multiuser Games

یادگیری با انگیزه یک زمینه تحقیقاتی نوظهور در هوش مصنوعی و مدل سازی شناختی است. مدل‌های محاسباتی انگیزش، یادگیری تقویتی را به یادگیری تطبیقی ​​و چندوظیفه‌ای در محیط‌های پیچیده و پویا گسترش می‌دهند – هدف این است که بفهمیم ماشین‌ها چگونه می‌توانند مهارت‌های جدید را توسعه دهند و به اهدافی دست یابند که توسط مهندسان انسانی از پیش تعریف نشده است. به طور خاص، این کتاب توضیح می‌دهد که چگونه عوامل یادگیری تقویتی با انگیزه می‌توانند در بازی‌های رایانه‌ای برای طراحی شخصیت‌های غیربازیکن استفاده شوند که می‌توانند رفتار خود را در پاسخ به تغییرات غیرمنتظره در محیط خود تطبیق دهند.

این کتاب شامل موارد زیر است. طراحی، کاربرد و ارزیابی مدل های محاسباتی انگیزش در یادگیری تقویتی. نویسندگان با مروری بر انگیزش و یادگیری تقویتی شروع می کنند، سپس مدل هایی را برای یادگیری تقویتی با انگیزه توصیف می کنند. عملکرد این مدل ها توسط برنامه های کاربردی در سناریوهای بازی های شبیه سازی شده و دنیای مجازی زنده و باز نشان داده می شود.

محققان هوش مصنوعی، یادگیری ماشینی و زندگی مصنوعی از این کتاب بهره خواهند برد، و همچنین پزشکانی که بر روی سیستم‌های پیچیده و پویا کار می‌کنند - به‌ویژه بازی‌های آنلاین چند کاربره.

Motivated learning is an emerging research field in artificial intelligence and cognitive modelling. Computational models of motivation extend reinforcement learning to adaptive, multitask learning in complex, dynamic environments – the goal being to understand how machines can develop new skills and achieve goals that were not predefined by human engineers. In particular, this book describes how motivated reinforcement learning agents can be used in computer games for the design of non-player characters that can adapt their behaviour in response to unexpected changes in their environment.

This book covers the design, application and evaluation of computational models of motivation in reinforcement learning. The authors start with overviews of motivation and reinforcement learning, then describe models for motivated reinforcement learning. The performance of these models is demonstrated by applications in simulated game scenarios and a live, open-ended virtual world.

Researchers in artificial intelligence, machine learning and artificial life will benefit from this book, as will practitioners working on complex, dynamic systems – in particular multiuser, online games.