Enseñar agentes inteligentes através de problemas de juego
DOI:
https://doi.org/10.33448/rsd-v9i1.1793Palabras clave:
Aprendizaje Basado en Problemas; Agentes Inteligentes; Juegos; Estrategias de Búsqueda; Algoritmos Genéticos; Redes Neuronales Artificiales.Resumen
La enseñanza de agentes inteligentes, presentada en este estudio, se realizó a través del método de Aprendizaje Basado en Problemas. Pac-Man fue seleccionado como estudio de caso. El proceso de aprendizaje constructivo se llevó a cabo a través de tres etapas, a saber: (i) la implementación de agentes básicos, con el único propósito de completar la ruta en el mapa; (ii) la implementación de agentes reales, considerando la existencia de fantasmas; y, finalmente, (iii) la implementación de agentes de aprendizaje inteligente. Como parte del proceso de construcción de conocimiento, cada nuevo agente propuesto por el estudiante fue creado para resolver problemas encontrados en el análisis de desempeño de agentes anteriores. En la primera etapa de desarrollo, se observó una mejora del rendimiento del 33.45% del Agente 1 al Agente 6. En la segunda etapa, considerando el juego real, el Agente 8 mostró un aumento del rendimiento del 20.49% en comparación con el Agente 7 En la tercera etapa, se utilizaron redes neuronales artificiales y algoritmos genéticos, lo que nos permitió crear un agente capaz de aprender y completar el mapa solo. Por lo tanto, fue posible demostrar que las técnicas seleccionadas fueron eficientes para mejorar el nivel de inteligencia de los agentes propuestos para el juego en cuestión. Además, el uso de este método de enseñanza resultó en una mayor participación del estudiante en la disciplina de Inteligencia Artificial, favoreciendo su dominio en las técnicas de construcción inteligente de agentes, y contribuyendo a su interés en esta área de estudio.
Citas
Arzt, S. (2016). Deep learning cars [Site]. Acesso em 20 de maio, em https://arztsamuel.github.io/ en/projects/unity/deepCars/deepCars.html
Barone, D. A. C. & Silveira, S. R. (1998). Jogos educativos computadorizados utilizando a abordagem de algoritmos genéticos. Congresso da Rede Iberoamericana de Informática na Educação, Brasília, DF, Brasil.
Bastos, R. & Jaques, P. (2010). Antares, um sistema web de consulta de rotas de ônibus como serviço público. Revista Brasileira de Computação Aplicada, 2(1), 41–56.
Catarina, A. S. & Bach, S. L. (2003). Estudo do efeito dos parâmetros genéticos sobre a solução otimizada e sobre o tempo de convergência em algoritmos genéticos com codificações binária e real. Acta Scientiarum. Technology, 25(2), 147–152.
Costa, N. M. S. & Netto, J. F. M. (2009). Desenvolvimento de um jogo educacional multiusuário usando bluetooth. Relatório de Iniciação Científica do Programa PIBIC 2008–2009, Universidade Federal do Amazonas, UFAM, Brasil.
Cormen, T. H.; Leiserson, C. E.; Rivest, R. L. & Stein, C. (2009). Introduction to Algorithms (3rd ed). Cambridge, Massachusetts: The MIT Press.
Crocomo, M. K (2008). Um algoritmo evolutivo para aprendizado on-line em jogos eletrônicos. (Dissertação de mestrado). Instituto de Ciências Matemáticas e de Computação – ICMC-USP, São Carlos, SP, Brasil.
Darwin, C. (1859). On the Origin of Species by Means of Natural Selection. Murray, London.
Deza, M. M. & Deza, E. (2016). Encyclopedia of Distances (4th ed.). Springer-Verlag.
Ficheman, I. K.; Assis, G. A.; Corrêa, A. G. D.; Netto, M. L. & Lopes, R. D. (2006). Educatrans: um jogo para educação no trânsito. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação – SBIE), 19–21, UNB/UCB, Brasília, DF, Brasil, XVII SBIE.
Gallagher, M. & Rayan, A. (2003). Learning to play pac-man: An evolutionary, ruse-based approach. The 2003 Congress on Evolutionary Computation, CEC, Camberra, ACT, Australia. doi:10.1109/CEC.2003.1299397
Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. MA: Addison-Wesley Reading.
Grando, A. & Tarouco, L. M. R. (2008). O uso de jogos educacionais do tipo rpg na educação. CINTED-UFRGS, Revista Novas Tecnologias na Educação, vol. 6, n. 1. doi: https://doi.org/10.22456/1679-1916.14403
Haykin, S. S. (2001). Redes Neurais - Princípios e Prática (2nd ed.). Bookman.
Marquardt, D. W. (1963). An algorithm for least-squares estimation of non-linear parameters. Journal of the Society for Industrial and Applied Mathematics, 11(2), 431–441. doi:10.1137/0111030
Mitchell, M. (1996). An Introduction to Genetic Algorithms. Cambridge. MA: The MIT Press.
Mitchell, T. (1997). Machine Learning. McGraw Hill Higher Education.
Oliveira, F. F.; Piteri, M. A. & Menequette, M. (2014). Desenvolvimento de uma plataforma de software para a modelagem digital de terrenos baseada em tin. Boletim de Ciências Geodésicas, Revista UFPR, Curitiba, PR, Brasil, 20(1), 117-131. doi: 10.1590/S1982-21702014000100008
Patel, A. (2018). Pathfinding for tower defense cars [Site]. Acesso em 01 de novembro, em www.redblobgames.com/pathfinding/tower-defense/.
Pinheiro, E.; Kubo, C. C. ; Rangel, M. S. ; Arcari, T. A. & Dias, C. G. (2009). Navegação autônoma de um agente inteligente: Um estudo comparativo usando lógica fuzzy e algoritmo de busca a*. Exacta, São Paulo, SP, Brasil, 7(1), 87–98. doi: 10.5585/exacta.v7i1.1531
Rigo Jr., L. O. (2005). Evolução de autômatos celulares para a previsão de séries temporais correlacionadas. (Dissertação de mestrado). Programa de Engenharia de Sistemas e Computação / COPPE - UFRJ, Rio de Janeiro, RJ, Brasil.
Ribeiro, L. M. P. (2008). Otimização e dimensionamento de treliças panas de madeira empregando o método dos algoritmos genéticos. (Dissertação de mestrado). Programa de Engenharia Civil, Universidade Federal de Uberlândia, Uberlândia, MG, Brasil.
Rumelhart, D. E.; Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536.
Russell, S. J. & Norvig, P. (2009). Artificial intelligence: a modern approach (3rd ed.). Pearson.
Seidel, I. (2015). Inteligência artificial com dinossauro da google [Video]. Acesso em 20 de maio, em https://www.youtube.com/watch?v=P7XHzqZjXQs&t=71s
Silva, A. B. D.; Bispo, A. C. K. A.; Rodriguez, D. G. & Vasquez, F. I. F. (2018). Problem-based learning: A proposal for structuring pbl and its implications for learning among students in an undergraduate management degree program. REGE Revista de Gestão, 25(2), 160–177. doi: 10.1108/REGE-03-2018-030
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
