Reinforcement Learning dan AI dalam Pembuatan Game

Siapa dari kita yang tidak pernah bermain game? Game menjadi salah satu pilihan ketika kita butuh hiburan dan melepas penat. Seperti yang kita tahu, teknologi AI hampir ada di semua bidang, termasuk video game. Namun, seberapa banyak dari kita yang memperhatikan hal ini? 

Dalam seminar NUNI: Reinforcement Learning and AI for Game yang dibawakan oleh Pak Rian Adam Rajagede, S.Kom., M.Cs pada Senin, 12 April 2021, telah dibahas tuntas bagaimana peran AI dalam game. Seminar ini merupakan seminar keempat dari rangkaian Seminar NUNI IT Online Seminar Phase #2: Peran Teknologi Informasi dalam Kehidupan Global.

Tahukah kamu bahwa hampir sebagian besar game menerapkan teknologi AI? Misalnya, game sederhana seperti PAC-MAN. Pergerakan hantu pada PAC-MAN menggunakan berbagai aturan yang dirancang sehingga cerdas untuk melawan tanpa mengurangi keseruan. Aturan ini tentu saja merupakan penerapan AI.

AI merupakan bagian dari Machine Learning. Machine Learning adalah seni dalam pemrograman dimana program bisa belajar dari data (Aurelien Geron). Ada tiga jenis Machine Learning, yakni supervised-learning, unsupervised-learning, dan reinforcement learning. 

Supervised-learning artinya model akan belajar dari contoh input-output yang diberikan. Machine Learning akan belajar memprediksi nilai output ketika diberi suatu input. Contohnya, object detection pada citra.

Unsupervised-learning artinya model tidak memiliki contoh output seharusnya. Model belajar untuk memahami struktur tersembunyi dari data. Contohnya, pada customer segmentation pada pasar swalayan.

Reinforcement learning artinya model belajar untuk melihat situasi dan menentukan aksi untuk memperoleh hasil terbaik.Hal ini yang dibahas tuntas oleh Pak Rian pada seminar yang dilaksana  secara daring melalui Zoom Meeting dan YouTube Live Streaming ini. 

Contoh dari reinforcement learning adalah ketika kita bermain game. Pada metode machine learning jenis ini, agen akan belajar mendapatkan reward sebesar-besarnya (long term reward). Reward diperoleh berdasarkan aksi yang dilakukan pada suatu kondisi (state). Setia aksi yang dilakukan nantinya akan menciptakan perubahan state yang akan mempengaruhi reward selanjutnya. Tujuan akhir dari reinforcement learning dalam permainan game adalah menang.

Lantas, kapan saja kita menggunakan reinforcement learning? Reinforcement learning digunakan ketika terjadi interaksi antara kita dan mesin, long-term reward, hingga decision making. Pada reinforcement learning, sulit untuk mendapatkan data yang “benar” untuk setiap kondisi.

Namun, reinforcement learning memiliki referensi “benar/salah” berdasarkan reward yang telah diperoleh. Selain itu, perlu diketahui bahwa tidak semua game memiliki environment yang memadai. OpenAI Gym dan Unity ml-agent adalah sebagian dari beberapa framework yang menyediakan reinforcement learning environment.

Video lengkapnya bisa Anda saksikan di bawah ini: