Juegos que autogeneran contenidos, incluidas conductas de personajes no jugadores
Para desarrollar videojuegos interesantes es en ocasiones necesario crear una cantidad considerable de contenido, como por ejemplo localizaciones de juego, objetos y personajes, sin olvidar sus comportamientos. El desarrollo de suficiente contenido para mantener el interés de los jugadores no solo supone una gran inversión de tiempo para el desarrollador, sino que también puede ser tedioso. Lograr que el programa del juego diseñe automáticamente elementos suficientes ahorraría tiempo al diseñador y podría abrir la puerta a posibilidades que este ni siquiera se había planteado. Un problema es que el contenido probablemente solo sería aplicable a un juego específico. Los desarrolladores de juegos quieren la opción de autogenerar contenido para cualquier juego y, para ello, debe estudiarse la motivación intrínseca de los personajes, como ha hecho el proyecto financiado con fondos europeos INTERCOGAM. La investigación se llevó a cabo con el apoyo del programa Marie Skłodowska-Curie. El proyecto identificó numerosos juegos aptos para comprobar la autogeneración de contenido y estudió la motivación intrínseca de los personajes como un modo de mejorar la creación.
Personajes capacitados
El equipo se centró en la generación de conductas de personajes no jugadores (PNJ). En particular, los investigadores desarrollaron un concepto denominado maximización de la capacitación combinada. Un personaje capacitado puede controlar el mundo que puede percibir. Por tanto, la maximización de la capacitación hace que un personaje de un juego actúe basándose en cualquier motivación intrínseca que le confiera el código y, así, influya en su mundo para conseguir lo que quiere. Para poner a prueba el concepto, los investigadores construyeron un juego de mazmorras y crearon un PNJ acompañante para ayudar al jugador. «Le dimos al acompañante tres motivaciones», explica el investigador del proyecto Christoph Salge. «Quiere permanecer vivo, quiere ayudarte y quiere que conserves tu habilidad de conseguir lo que quieres». La ventaja del método del proyecto es que el formalismo de capacitación necesita muy poca información acerca del mundo del juego, por lo que sirve para generar conductas del acompañante en muchos juegos diferentes. «Podríamos cambiar las reglas del juego y añadir nuevos elementos», continúa Salge. «El compañero se adaptaría a las nuevas reglas y tendría un comportamiento sensato. También creamos lo contrario del PNJ, un antagonista que quiere ponerle las cosas difíciles al jugador». Si el antagonista pudiera simplemente matar al jugador, lo haría; en caso contrario, le empujará o le impedirá el paso.
Robots motivados
Por otro lado, INTERCOGAM aplicó diferentes motivaciones a robots. El comportamiento altruista resultó beneficioso. Los humanos que interactuaron con robots más curiosos interpretaron su comportamiento como cálido y amigable. En el futuro, este principio podría usarse para diseñar robots socialmente atractivos. Por supuesto, un comportamiento antagonista aplicado a robots reales sería peligroso, pero el entorno de juego artificial ofreció un modo seguro de estudiar esa opción. El equipo principalmente demostró la universalidad de su enfoque. Varios de los algoritmos que regulan la motivación se pueden combinar de diferentes formas para producir un comportamiento semirrealista complejo que resulte interesante para el jugador. Los investigadores también demostraron que los enfoques aplicados en el proyecto podían transferirse fácilmente a diversos ámbitos, por ejemplo entre juegos diferentes o de juegos a robots. Los socios del proyecto están estudiando la posibilidad de usar los métodos desarrollados por el proyecto INTERCOGAM en modl.ai, una empresa incipiente danesa que desarrolla inteligencia artificial para el sector del juego.
Palabras clave
INTERCOGAM, conducta, juegos, motivación, maximización de la capacitación, autogeneración de contenidos, personaje no jugador
