Nama :Surya Nuryaman
Npm
:16115722
Kelas :3KA10
Dosen :Essy Malays Sari Sakti
UNIVERSITAS GUNADARMA
2017
Definisi Kecerdasan buatan
Apakah Artificial Intelligence (AI)
atau Intelegensi Buatan itu?
AI dapat didefinisikan sebagai suatu mesin atau alat pintar
(biasanya adalah suatu komputer) yang dapat melakukan suatu tugas yang bilamana
tugas tersebut dilakukan oleh manusia akan dibutuhkan suatu kepintaran untuk
melakukannya. Definisi ini tampaknya kurang begitu membantu, karena beberapa
ahli berpendapat :
· H.A
Simon (1987):
o “kecerdasan buatan
merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan
pemrograman computer untuk melakukan sesuatu hal yang dalam pandangan manusia
adalah cerdas”.
· Rich
and Knight (1991):
o “sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan
dengan lebih baik oleh manusia”.
· Encyclopedia
Britannica:
o “merupakan cabang dari
ilmu computer yang dalam merepresentasi pengetahuan lebih banyak menggunakan
bentuk symbol-simbol dari bilangan, dan memproses informasi berdasarkan metode
heuristic atau berdasarkan sejumlah aturan”
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast
(1984):
1. Membuat mesin menjadi
lebih pintar (tujuan utama)
2. Memahami apa itu
kecerdasan (tujuan ilmiah)
3. Membuat mesin menjadi
lebih bermanfaat (tujuan entrepreneurial)
Didefinisikan sebagai kecerdasan yang ditunjukan oleh suatu
entitas buatan. Sistem seperti ini umumnya dianggap computer. Kecerdasan
diciptakan dan dimasukkan dalam suatu mesin atau computer agar dapat melakukan
pekerjaan seperti yang dapat dilakukan manusia. Beberapa bidang yang menggunakan
kecerdasan buatan anatara lain system pakar, permaianan computer, fuzzy logic,
jaringan syaraf tiruan dan robotika.
C. Pengertian game
Game adalah permainan komputer yang dibuat dengan teknik dan
metode animasi. Permainan game merupakan bidang AI yang sangat populer berupa
permainan antara manusia melawan mesin yang mempunyai intelektual untuk
berpikir. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan
oleh lawan mainnya.Salah satu komputer yang ditanamkan AI untuk game
bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan
IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia
(Garry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya
(dalam pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan
merupakan permainan yang sangat terkenal.Kini telah banyak berkembang game AI
yang semakin menarik, interaktif, dan dengan grafis yang sangat bagus. Ditambah
dengan kemajuan teknologi jaringan komputer yang semakin cepat, sudah banyak
terdapat game-game AI yang berbasiskan online. Tidak sedikit orang
yang tertarik dengan game saat ini. Mereka memainkan game untuk mengisi
kekosongan waktu mereka atau pun melatih skill mereka dalam berpikir. Game
memiliki beberapa tipe :
o Informasi lengkap = suatu
game dimana permain mengetahui semua langkah yang mungkin terjadi dari dirinya
sendiri dan dari lawan dan hasil akhir dari permainan. Contoh game : catur dan
tic tac toe
o Informasi tak lengkap :
game dimana pemain tidak tahu semua kemungkinan langkah lawan. Contoh game :
Kartu Poker dan Brigde karena semua kartu tidak diketahui oleh para pemain.
D. Artificial Intelligence dalam
Game
Salah satu unsur yang berperan penting dalam
sebuah game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen
dalam game dapat berperilaku sealami mungkin layaknya manusia.
Game AI adalah aplikasi untuk memodelkan
karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter
pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC =
Non Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain
dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu
yang biasa digunakan menusia untuk berinteraksi dengan sesama manusia. Contoh
media interaksi ialah:
· Penglihatan
(vision)
· Suara
(voice), ucapan (speech)
· Gerakan
anggota badan ( gesture)
Untuk pembentukan Artificial Intelligence pada
game ternyata digunakan pula algoritma, yaitu jenis pohon n-ary untuk suatu
struktur. Implementasi pohon (tree) ini biasa disebut game tree. Berdasarkan
game tree inilah sebuah game disusun algoritma kecerdasan buatannya. Artificial
intellegence yang disematkan dalam sebuah game yang membentuk analisis game
tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai
suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi
berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana
representasi suatu pohon (tree).
Namun, biasanya representasi langsung tersebut
mempunyai kelemahan, yaitu representasi data pohon akan menjadi sangat lebar
dan banyak. Mungkin bagi sebuah mesin komputer mampu melakukan kalkulasi
sebanyak apapun masalah, namun game tree yang lebar dan besar memberikan
beberapa masalah, antara lain konsumsi proses memori, kapasitas penyimpanan yang
cukup besar dan kinerja yang kurang pada konsol game berspesifikasi rendah.
Karena itu dibentuklah beberapa algoritma dan penyederhanaan bagi sebuah game
tree.
Pada salah satu contoh game klasik, yaitu tic
tac toe, penyederhanaan dapat dilakukan dengan berbagai metode. Salah satu
diantaranya adalah minimax. Metode ini berhasil diterapkan dan memberikan nilai
reduksi yang cukup signifikan. Dan tidak hanya bisa digunakan secara monoton,
minimax juga bisa digunakan untuk game-game yang lebih rumit seperti catur,
tentunya dengan algoritma dan representasi berbeda.
Minimax yang merupakan salah satu metode
penerapan (implementasi) pohon n-ary pada suatu game, menandakan bahwa
implementasi struktur (pohon khusunya) sangatlah diperlukan pada pembuatan dan
penerapan Artificial Intelligence, dan tidak menutup kemungkinan ilmu dan
metode baru yang lebih canggih akan ditemukan di masa depan.
Beberapa karakteristik dan
batasan game untuk game playing :
Dimainkan oleh 2 ( dua ) pemain: manusia dan
komputer. Para pemain saling bergantian melangkah.
1. Perfect
Information Game
Kedua pemain sama-sama memiliki akses pada informasi yang lengkap tentang
keadaan permainan, sehingga tidak ada informasi yang tertutup bagi lawan
mainnya.
2. No
Determined by Chances
Tidak melibatkan faktor probabilitas, misalnya dengan menggunakan dadu.
3. No
Phsychological Factors
Tidak melibatkan faktor psikologi, seperti "gertakan" (misalnya
Poker)
4. No
Oversight Errors. Smart Opponen
Lawan diasumsikan pintar juga, jadi jangan mengharap lawan khilaf, sehingga
terjadi salah langkah.
5. Beberapa
contoh permainan yang biasa digunakan sebagai contoh kasus Game Playintyle =
"font-family:courier new;"> Last One Loses n
· n-coins
Grundy's Game
· Slide-5
· Tic-Tac-Toe
· Checkers
· Go
· Nim
· Othello
· Chess
Mode Game AI
Pathfinding
Metode pathfinding paling mudah ditemui pada game-game bertipe
strategi dimana kita menunjuk satu tokoh untuk digerakkan ke lokasi tertentu
dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera bergerak ke
arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur terpendek
ataupun menghindari dari rintangan-rintangan yang ada. Salah satu algoritma
pathfindin yang cukup umum dan yang paling banyak digunakan utnuk mencari jarak
terpendek secara efisien adalah algoritma A* (baca: A star). Secara umum,
algoritma A* adalah mendefinisikan area pencarian menjadi sekumpulan node-node
(tiles). Titik awal dan titik akhir ditentukan terlebih dulu untuk mulai
penelusuran pada tiap-tiap node yang memungkinkan untuk ditelusuri. Dari sini,
akan diperoleh skor yang menunjukkan besarnya biaya untuk menempuh jalur yang
ditemukan, ditambah dengan nilai heuristik yang merupakan nilai biaya estimasi
dari node yang ada menuju tujuan akhir. Iterasi akan dilakukan hingga akhirnya
mencapai target yang dituju.
Jaringan saraf tiruan (neural network)
Neural network cukup baik ketika diterapkan pada kasus-kasus
yang sifatnya non-linier atau mengambil keputusan yang tidak dapat dilakukan
dengan metode tradisional. Penerapannya seringkali pada game-game yang
memerlukan kemampuan adaptif atau belajar dari pengalaman. Sebagai contoh, jika
suatau ketika terjadi pertempuran antar player dengan unit komputer, dan unit
komputer mengalami kekalahan, maka pada kesempatan lain yang serupa, komputer
akan memilih untuk tidak bertempur. Semakin banyak pengalaman yang dialami
komputer, maka komputer menjadi semakin cerdas. Prinsip dasar dari jaringan
saraf tiruan ini adalah perbaikan bobot secara terus menerus agar output yang
dihasilkan menjadi semakin akurat (semakin cerdas).
Algoritma Genetis (genetic algorithm)
Algoritma genetis sedikit banyak dipengaruhi oleh teori evolusi
yang dicetuskan Darwin, yaitu bahwa spesies akan terus menerus beradaptasi
dengan lingkungannya dan ciri khasnya yang terletak pada kromosom, akan
diturunkan pada generasi berikutnya. Generasi turunan ini menerima gabungan
kromosom dari kedua induknya, yang disebut dengan crossover. Pada algoritma
genetis, akan diterapkan langkah ranking fitness untuk melakukan seleksi
terhadap langkah ranking fitness untuk melakukan seleksi terhadap generasi
turunan yang terbaik. Pada game berbasis algorima genetis, turunan terbaik
inilah yang dilibatkan ke dalam game, dimana akan digunakan oleh komputer untuk
merespons perubahan-perubahan tingkah laku user.
sebenarnya bukan hanya
3 teknik kecerdasan buatan di atas yang dapat digunakan dalam sebuah game
berbasis kecerdasan buatan masih banyak lagi teknik yang lain.
Algoritma, Struktur Data dan Representasi
Beberapa algoritma yang digunakan dalam game, mungkin salah
satunya adalah algoritma yang digunakan dalam game pacman tersebut.
1. Decision tree
Decision Tree adalah salah satu metode klasifikasi yang paling
populer karena mudah untuk diinterpretasi oleh manusia. Decision tree adalah
model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari
decision tree adalah mengubah data menjadi pohon keputusan dan aturan-aturan
keputusan. Manfaat utama dari penggunaan decision tree adalah kemampuannya
untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih
simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari
permasalahan.
Kelebihan
Daerah pengambilan keputusan yang sbelumnya kompleks dan sangat
global, dapat diubah menjadi lebih simpel dan spesifik.
Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena
ketika menggunakan metode decision tree maka sample diuji hanya berdasarkan
criteria atau kelas tertentu.
Fleksibel untuk memilih features dari internal nodes yang
berbeda, feature yang terpilih akan membedakan suatu criteria dibandingkan
criteria yang lain dalam node yang sama. Kefleksibelan metode decision tree ini
meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika
menggunakan metode penghitungan satu tahap yang lebih konvensional.
Dalam analisis multivariat, dengan kriteria dan kelas yang
jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan
baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi
kelas tersebut. Metode decision tree dapat menghindari munculnya permasalahan
ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node
internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
Kekurangan
Terjadi overlap terutama ketika kelas-kelas dan criteria yang
digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan
meningkatnya waktu pengambilan keputusan dan jumlah memory yang diperlukan.
Pengakumulasian jumlah error dari setiap level dalam sebuah
pohon keputusan yang besar.
Kesulitan dalam mendesain decision tree yang optimal. Hasil
kualitas keputusan yang didapatkan dari metode decision tree sangat tergantung
pada bagaimana pohon tersebut didesain.
2. Finite State Machines (FSM)
FSM adalah sebuah metodologi perancangan sistem kontrol yang
menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga
hal berikut: State (Keadaan), Event (kejadian) dan Action (aksi). Pada satu
saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah
satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain
jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat
luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer).
Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem
ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat
berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative
kompleks. Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai
basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real
time. Salah satu keuntungan nyata penggunaan FSM adalah kemampuannya dalam
mendekomposisi aplikasi yang relative besar dengan hanya menggunakan sejumlah
kecil item state. Selain untuk bidang kontrol, Penggunaan metode ini pada
kenyataannya juga umum digunakan sebagai basis untuk perancangan
protokol-protokol komunikasi, perancangan perangkat lunak game, aplikasi WEB
dan sebagainya.
Dalam bahasa pemrograman prosedural seperti bahasa C, FSM ini
umumnya direalisasikan dengan menggunakan statemen kontrol switch case atau/dan
if..then. Dengan menggunakan statemen-statemen kontrol ini, aliran program
secara praktis akan mudah dipahami dan dilacak jika terjadi kesalahan logika.
Finite State Machine di dunia AI Game Programming, merupakan
salah satu teknik yang paling sering digunakan.
Kelebihan
Implementasinya mudah dan cepat
Memudahkan proses debugging. Karena telah dipecah menjadi
kepingan yang lebih kecil, proses debugging kalau terjadi behavoiur yang tidak
semestinya, menjadi lebih mudah
Proses komputasi yg minimal, karena sejatinya FSM hanyalah
conditional statement yang dikemas dalam bentuk yang lebih elegan.
Fleksibel, dapat dikombinasikan dengan teknik AI lain misalnya
fuzzy logic dan neural network.
Kekurangan
Behaviour dari agen mudah diprediksi, karena tidak ada searching
dan atau learning di dalam agen tersebut
Karena mudah diimplementasi, kadang programmer langsung tembak
di eksekusi tanpa melakukan desain FSM terlbih dahulu. Biasanya akan terjadi
FSM yang terfragmentasi
Timbul apa yang dinamakan dengan State Oscillation yaitu ketika
batasan antara dua buah state terlalu tipis
3. Sistem berbasis aturan (Rule Based System)
adalah suatu program komputer yang memproses informasi yang
terdapat di dalam working memory dengan sekumpulan aturan yang terdapat di
dalam basis pengetahuan menggunakan mesin inferensi untuk menghasilkan
informasi baru.
Sebuah Rule-Based System dapat dibentuk dengan menggunakan
sebuah assertions set, yang secara kolektif membentuk working memory, dan
sebuah rule set yang menentukan aksi pada assertions set. RBS secara
relatif adalah model sederhana yang bisa diadaptasi ke banyak masalah. Namun, jika
ada terlalu banyak peraturan, pemeliharaan sistem akan rumit dan terdapat
banyak failure dalam kerjanya.
Kelebihan
Availability-bertambah, intelligent tutor, intelligent dB,
danger-reduced, performance
multiple expertise, reability-bertambah, explanation steady,
unemotional and complete response
Kekurangan
Jika terlalu banyak aturan, sistem menjadi sulit dalam
me-maintain performance dan Keterbatasan dalam memutuskan teknik yang digunakan
untuk suatu masalah.
4. Algoritma A*
Menyelesaikan masalah yang menggunakan graf untuk perluasan
ruang statusnya. Dengan menerapkan suatu heuristik, algoritma ini membuang
langkah-langkah yang tidak perlu dengan pertimbangan bahwa langkah-langkah yang
dibuang sudah pasti merupakan langkah yang tidak akan mencapai solusi yang
diinginkan. Algoritma A* membangkitkan simpul yang paling mendekati solusi.
Simpul ini kemudian disimpan suksesornya ke dalam list sesuai dengan urutan
yang paling mendekati solusi terbaik. Kemudian, simpul pertama pada list
diambil, dibangkitkan suksesornya dan kemudian suksesor ini disimpan ke dalam
list sesuai dengan urutan yang terbaik untuk solusi.
Algoritma ini akan mengunjungi secara mendalam (mirip DFS)
selama simpul tersebut merupakan simpul yang terbaik. Jika simpul yang sedang
dikunjungi ternyata tidak mengarah kepada solusi yang diinginkan, maka akan
melakukan runut balik ke arah simpul akar untuk mencari simpul anak lainnya
yang lebih menjanjikan dari pada simpul yang terakhir dikunjungi. Bila tidak
ada juga, maka akan terus mengulang mencari ke arah simpul akar sampai
ditemukan simpul yang lebih baik untuk dibangkitkan suksesornya. Strategi ini
berkebalikan dengan algoritma DFS yang mencari sampai kedalaman yang terdalam
sampai tidak ada lagi suksesor yang bisa dibangkitkan sebelum melakukan runut
balik, dan BFS yang tidak akan melakukan pencarian secara mendalam sebelum
pencarian secara melebar selesai. A* baru berhenti ketika mendapatkan solusi
yang dianggap solusi terbaik.
Algoritma A* menggabungkan jarak estimasi/heuristik [h(n)] dan
jarak sesungguhnya/cost [g(n)] dalam membantu penyelesaian persoalan. Heuristik
adalah nilai yang memberi harga pada tiap simpul yang memandu A* mendapatkan
solusi yang diinginkan. Dengan heuristik, maka A* pasti akan mendapatkan solusi
(jika memang ada solusinya). Dengan kata lain, heuristik adalah fungsi optimasi
yang menjadikan algoritma A* lebih baik dari pada algoritma lainnya. Namun
heuristik masih merupakan estimasi/perkiraan biasa saja. Sama sekali tidak ada
rumus khususnya. Artinya, setiap kasus memiliki fungsi heuristik yang
berbeda-beda.
5. Algoritma Dijkstra
Algoritma Dijkstra adalah sebuah algoritma rakus
(greedy algorithm) yang dipakai dalam memecahkan permasalahan jarak terpendek
(shortest path problem) untuk sebuah graf berarah (directed graph) dengan
bobot-bobot sisi (edge weights) yang bernilai tak negatif.
Misalnya, bila vertices dari sebuah graf melambangkan kota-kota
dan bobot sisi (edge weights) melambangkan jarak antara kota-kota tersebut,
maka algoritma Dijkstra dapat digunakan untuk menemukan jarak terpendek antara
dua kota. Input algoritma ini adalah sebuah graf berarah yang berbobot
(weighted directed graph)
Tujuan Algoritma Dijkstra yaitu untuk menemukan jalur terpendek
berdasarkan bobot terkecil dari satu titik ke titik lainnya.
Kelemahan algoritma ini adalah semakin banyak titik akan semakin
memakan waktu proses.
Jumlah titik menentukan tingkat efektifitas dari algoritma
djikstra.
Urutan Logika Algoritma Dijkstra
§ Beri nilai bobot (jarak) untuk
setiap titik ke titik lainnya, lalu set nilai 0 pada node awal dan
nilai tak hingga terhadap node
lain (yang belum terisi).
§ Set semua node “Belum terjamah”
dan set node awal sebagai “Node keberangkatan”.
§ Dari node keberangkatan,
pertimbangkan node tetangga yang belum terjamah dan hitung
jaraknya dari titik
keberangkatan.
§ Setelah selesai mempertimbangkan
setiap jarak terhadap node tetangga, tandai node
yang telah terjamah sebagai “Node
terjamah”. Node terjamah tidak akan pernah di cek
kembali, jarak yang disimpan
adalah jarak terakhir dan yang paling minimal bobotnya.
§ Set “Node belum terjamah” dengan
jarak terkecil (dari node keberangkatan) sebagai
“Node Keberangkatan” selanjutnya
dan lanjutkan dengan kembali ke step 3.
Dari beberapa algoritma AI diatas mungkin kita sekarang dapat
mengerti bagaimana AI dalam game bekerja, atau malah kita bingung dan tidak
mengerti. Ada banyak proses rumit yang jika dikerjakan terlihat akan sangat
memakan waktu, sedangkan saat kita bermain game, semuanya terjadi begitu cepat
dalam hitungan detik. Tetapi tu semua mungkin karena adanya komputer sebagai
alat pemprosesan yang dapat mengerjakannya dalam hitungan detik.
Kompleksitas Kesalahan
Dalam konteks kecerdasan buatan dalam permainan video,
kecurangan mengacu pada programmer agen memberikan akses ke informasi yang
tersedia kepada pemain. Dalam sebuah contoh sederhana, jika agen ingin tahu
apakah pemain dekatnya mereka dapat menjadi diberikan kompleks, manusia seperti
sensor (melihat, mendengar, dll), atau mereka bisa menipu dengan hanya meminta
mesin permainan untuk posisi pemain. Penggunaan kecurangan dalam AI menunjukkan
keterbatasan "kecerdasan" dicapai artifisial, secara umum, dalam
permainan di mana kreativitas strategis sangat penting, manusia dengan mudah
bisa mengalahkan AI setelah minimal trial and error jika bukan untuk keuntungan
ini. Kecurangan sering diimplementasikan untuk alasan kinerja di mana dalam
banyak kasus mungkin dianggap dapat diterima sepanjang pengaruhnya tidak jelas
bagi pemain. Sedangkan kecurangan hanya merujuk hak istimewa yang diberikan
secara khusus untuk AI itu tidak termasuk kecepatan tidak manusiawi dan presisi
alami untuk pemain-komputer mungkin panggilan keuntungan yang melekat komputer
"kecurangan" jika mereka menghasilkan agen bertindak tidak seperti
pemain manusia.
Kecurangan AI adalah aspek yang terkenal dari seri Peradaban Sid
Meyer, dalam pertandingan tersebut, pemain harus membangun kerajaan dari awal,
sedangkan kerajaan komputer menerima unit tambahan tanpa biaya dan dibebaskan
dari pembatasan sumber daya.
Jenis Game AI
RTS (Real Time Strategy)
Game ini biasanya bersifat turn based ataupun bisa dimainkan
secara bersamaan, identik dengan bermain melawan human intelegent (manusia vs
manusia) yang biasanya menggunakan LAN ataupun Internet. Game ini bisa
dikatakan game perang-perangan. Contoh game RTS adalah (DOTA, StarCraft,
Civilization).
RPG (Role Playing Game)
Game ini memiliki unsur yang unik, karena biasanya tidak ada
tamat dalam game seperti ini (Kalaupun tamat, hanya ceritanya saja, dan kalian
masih bisa leveling atau grinding sesuka hati). Kalian akan menjalankan sebuah
main character yang bisa kalian costumize, mencari uang, membangun koneksi
dengan NPC (non playable player) dan sebagainya. Contoh dari game RPG adalah
(KOA, Skyrim, The Witcher).
FPS (First Person Shooter)
FPS adalah game Tembak-tembakan, pukul-pukulan, tusuk-tusukan
yang menggunakan sudut pandang orang pertama. Biasanya kita hanya bisa melihat
tangan dari character kita. Contoh game ini FPS adalah (Call of Duty, Counter
Strike, Far Cry 3).
TPS (Third Person Shooter)
TPS sama definisinya dengan FPS. Hanya saja sudut pandangnya
yang berbeda. Di TPS kita memakai sudut pandang orang ketiga. Kita bisa melihat
keseluruhan character dari belakang (punggung). Contoh game TPS adalah (Dark
Souls, Dark Siders, Assassins Creed).
Sand Box
Game yang bersetting disuatu daerah, jadi kita bertualang pada
suatu map yang sudah disediakan, dan kita bebas menjelajahinya tanpa harus
loading ketika berpindah kesuatu daerah, biasanya game-game yang seperti ini
game yang paling banyak peminatnya apalagi kita biasanya disuguhkan dengan
"kebebasan" didalam game seperti ini. Contoh game Sand Box (GTA,
Saints Row, Sleeping Dogs).
Kecepatan dan Memori
Kebanyakan program AI
menuntut memori yang besar dan kecepatan yang tinggi.
Referensi:
