Secara umum, jaringan saraf dan algoritma genetika tidak digunakan dalam permainan, dan terlepas dari minat baru-baru ini dalam menggunakan jaring saraf untuk pembelajaran yang mendalam, tidak sering di luar permainan juga.
Alasan utama ini diajarkan di akademi AI bukan karena penerapan praktis mereka tetapi karena mereka cukup mudah untuk dijelaskan sebagai alat pengajaran - keduanya memiliki analog matematika dan biologis yang memungkinkan siswa untuk memahami bagaimana mereka bisa bekerja.
Di dunia nyata, Anda biasanya membutuhkan keandalan dan kepastian. Masalah dengan metode pembelajaran adalah bahwa jika mereka belajar 'di alam liar' maka mereka dapat mempelajari pola yang salah dan tidak dapat diandalkan. NN atau GA dapat berpotensi mencapai maksimum lokal yang tidak dijamin cukup baik untuk memberikan pengalaman bermain yang diperlukan, misalnya. Di lain waktu, itu mungkin berakhir menjadi terlalu baik, menemukan strategi sempurna yang tidak ada duanya. Baik diinginkan di sebagian besar produk hiburan.
Bahkan jika Anda berlatih secara offline (mis. Sebelum peluncuran, dan bukan saat bermain game), kumpulan data yang kelihatannya bagus bisa menyembunyikan anomali yang, setelah ditemukan oleh pemain, mudah dieksploitasi. Suatu jaringan saraf khususnya secara khusus mengembangkan seperangkat bobot yang cukup buram untuk dipelajari, dan keputusan yang dibuat olehnya sulit untuk dipikirkan. Akan sulit bagi seorang perancang untuk men-tweak rutin AI seperti itu untuk melakukan yang diinginkan.
Tapi mungkin masalah yang paling memberatkan adalah bahwa GA dan NN umumnya bukan alat terbaik untuk tugas pengembangan game apa pun. Sementara alat pengajaran yang baik, siapa pun dengan pengetahuan yang cukup tentang domain subjek umumnya lebih siap untuk menggunakan metode yang berbeda untuk mencapai hasil yang sama. Ini bisa berupa apa saja dari teknik AI lain seperti mendukung mesin vektor atau pohon perilaku hingga pendekatan yang lebih sederhana seperti mesin negara atau bahkan rantai panjang persyaratan-jika-maka. Pendekatan-pendekatan ini cenderung memanfaatkan pengetahuan domain pengembang dengan lebih baik dan lebih dapat diandalkan dan dapat diprediksi daripada metode pembelajaran.
Namun saya telah mendengar bahwa beberapa pengembang telah menggunakan jaringan saraf selama pengembangan untuk melatih pengemudi untuk menemukan rute yang baik di sekitar arena pacuan kuda, dan kemudian rute ini kemudian dapat dikirim sebagai bagian dari permainan. Perhatikan bahwa permainan terakhir tidak memerlukan kode jaringan saraf untuk berfungsi, bahkan jaring yang terlatih.
'Biaya' metode ini sebenarnya bukan masalah, kebetulan. Baik NN dan GAS dapat diimplementasikan dengan sangat murah, dengan NN secara khusus meminjamkan dirinya untuk pra-perhitungan dan optimisasi. Masalahnya adalah benar-benar bisa mendapatkan sesuatu yang bermanfaat dari mereka.
