فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی موجودات زنده در بازی با یادگیری و واکنش‌پذیری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب طراحی و پیاده‌سازی موجودات زنده در بازی با یادگیری و واکنش‌پذیری

موضوع کلی: هوش مصنوعی در توسعه بازی‌های ویدیویی

موضوع میانی: خلق موجودات مصنوعی با رفتار هوشمند

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه به موجودات زنده مصنوعی در بازی
• 2. اهمیت موجودات زنده در بازی
• 3. هدف دوره: طراحی و پیاده‌سازی موجودات زنده با یادگیری و واکنش‌پذیری
• 4. مروری بر کتاب "AI Game Development: Synthetic Creatures..."
• 5. مفاهیم کلیدی: هوش مصنوعی، یادگیری، واکنش‌پذیری
• 6. موجودات زنده در بازی: تعریف و انواع
• 7. چرا موجودات زنده نیاز به هوش دارند؟
• 8. چالش‌های پیاده‌سازی موجودات زنده هوشمند
• 9. ساختار کلی دوره
• 10. مقدمه به طراحی موجودات زنده: از پایه تا پیچیدگی
• 11. اصول طراحی رفتار موجودات زنده
• 12. مدل‌های رفتاری ساده (State Machines)
• 13. مقدمه به یادگیری در موجودات زنده
• 14. یادگیری تقویتی (Reinforcement Learning) چیست؟
• 15. اجزای کلیدی یادگیری تقویتی: عامل، محیط، پاداش
• 16. مفهوم تابع ارزش (Value Function)
• 17. مفهوم سیاست (Policy)
• 18. الگوریتم‌های یادگیری تقویتی پایه: Q-Learning
• 19. پیاده‌سازی Q-Learning در بازی
• 20. مدیریت وضعیت‌ها (States) در Q-Learning
• 21. مدیریت اقدامات (Actions) در Q-Learning
• 22. تابع پاداش (Reward Function): طراحی و اهمیت
• 23. بهینه‌سازی تابع پاداش
• 24. نکات عملی در پیاده‌سازی Q-Learning
• 25. مثال عملی: یک ربات ساده که یاد می‌گیرد راه برود
• 26. مقدمه به واکنش‌پذیری
• 27. واکنش‌پذیری در مقابل برنامه‌ریزی
• 28. انواع محرک‌های محیطی (Sensors)
• 29. پیاده‌سازی حسگرهای ساده در بازی
• 30. پردازش ورودی حسگرها
• 31. اتصال حسگرها به سیستم رفتاری
• 32. طراحی واکنش‌های اولیه به محیط
• 33. رفتارهای واکنشی مبتنی بر قوانین (Rule-Based Reactions)
• 34. پیاده‌سازی سیستم‌های مبتنی بر قوانین
• 35. مثال: یک موجود زنده که به نور واکنش نشان می‌دهد
• 36. پیاده‌سازی سیستم‌های واکنشی پیچیده‌تر
• 37. ترکیب یادگیری و واکنش‌پذیری
• 38. چگونه یادگیری می‌تواند واکنش‌پذیری را بهبود بخشد؟
• 39. چگونه واکنش‌پذیری می‌تواند یادگیری را هدایت کند؟
• 40. مفهوم حافظه در موجودات زنده
• 41. انواع حافظه: کوتاه‌مدت و بلندمدت
• 42. پیاده‌سازی حافظه کوتاه‌مدت
• 43. پیاده‌سازی حافظه بلندمدت
• 44. استفاده از حافظه در فرآیند یادگیری
• 45. استفاده از حافظه در واکنش‌پذیری
• 46. طراحی موجودات زنده اجتماعی
• 47. ارتباط بین موجودات زنده
• 48. انواع ارتباطات: دیداری، شنیداری، فیزیکی
• 49. پیاده‌سازی ارتباطات ساده
• 50. یادگیری اجتماعی (Social Learning)
• 51. مفاهیم اولیه یادگیری اجتماعی
• 52. یادگیری از طریق مشاهده (Observational Learning)
• 53. یادگیری از طریق تقلید (Imitation Learning)
• 54. پیاده‌سازی یادگیری اجتماعی در بازی
• 55. تعامل موجودات زنده با یکدیگر
• 56. مفاهیم پیشرفته‌تر یادگیری تقویتی
• 57. Deep Reinforcement Learning (DRL)
• 58. شبکه‌های عصبی (Neural Networks) چیست؟
• 59. مقدمه به شبکه‌های عصبی عمیق
• 60. کاربرد شبکه‌های عصبی در DRL
• 61. الگوریتم‌های DRL پایه: DQN (Deep Q-Network)
• 62. پیاده‌سازی DQN در بازی
• 63. مزایای DRL نسبت به RL سنتی
• 64. چالش‌های DRL
• 65. مفاهیم پیشرفته‌تر واکنش‌پذیری
• 66. واکنش‌پذیری تطبیقی (Adaptive Reactivity)
• 67. یادگیری تطبیقی (Adaptive Learning)
• 68. پیاده‌سازی سیستم‌های یادگیری تطبیقی
• 69. طراحی موجودات زنده با اهداف (Goals)
• 70. مفهوم اهداف در هوش مصنوعی
• 71. تعیین و پیگیری اهداف
• 72. یادگیری برای دستیابی به اهداف
• 73. پیاده‌سازی سیستم‌های هدف‌محور
• 74. مفاهیم پیشرفته‌تر طراحی موجودات زنده
• 75. شخصیت‌پردازی موجودات زنده
• 76. ایجاد تنوع در رفتار موجودات زنده
• 77. پیاده‌سازی سیستم‌های شخصیت‌پردازی
• 78. مفاهیم پیشرفته‌تر یادگیری
• 79. یادگیری غیرنظارتی (Unsupervised Learning)
• 80. کاربرد یادگیری غیرنظارتی در موجودات زنده
• 81. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
• 82. کاربرد یادگیری نیمه‌نظارتی
• 83. مفاهیم پیشرفته‌تر واکنش‌پذیری
• 84. واکنش‌پذیری مبتنی بر احساسات (Emotion-Based Reactivity)
• 85. پیاده‌سازی مدل‌های احساسی ساده
• 86. تأثیر احساسات بر رفتار و یادگیری
• 87. مفاهیم پیشرفته‌تر اجتماعی
• 88. مفاهیم پیچیده ارتباطی
• 89. یادگیری جمعی (Collective Learning)
• 90. پیاده‌سازی یادگیری جمعی
• 91. مفاهیم پیشرفته‌تر DRL
• 92. Actor-Critic Methods
• 93. پیاده‌سازی Actor-Critic
• 94. Proximal Policy Optimization (PPO)
• 95. پیاده‌سازی PPO
• 96. Meta-Learning برای موجودات زنده
• 97. مفهوم Meta-Learning
• 98. کاربرد Meta-Learning در بازی
• 99. طراحی موجودات زنده با خلاقیت
• 100. مفهوم خلاقیت در هوش مصنوعی