In generale, le reti neurali e gli algoritmi genetici non vengono utilizzati nei giochi e, a parte il recente interesse nell'uso delle reti neurali per l'apprendimento profondo, non spesso al di fuori dei giochi.
Il motivo principale per cui vengono insegnati nell'intelligenza artificiale non è dovuto alla loro applicabilità pratica, ma perché sono abbastanza facili da spiegare come dispositivi di insegnamento - entrambi hanno analoghi matematici e biologici che consentono a uno studente di capire come potrebbero funzionare.
Nel mondo reale, in genere sono necessari affidabilità e prevedibilità. Il problema con i metodi di apprendimento è che se imparano "allo stato brado", possono imparare schemi sbagliati ed essere inaffidabili. Un NN o un GA potrebbero potenzialmente raggiungere un massimo locale che non è garantito per essere abbastanza buono da fornire l'esperienza di gioco richiesta, ad esempio. Altre volte, potrebbe finire per essere troppo buono, trovando una strategia perfetta che è imbattibile. Nessuno dei due è desiderabile nella maggior parte dei prodotti di intrattenimento.
Anche se ti alleni offline (cioè prima del lancio e non durante il gioco), un insieme apparentemente bello di dati potrebbe nascondere anomalie che, una volta trovate da un giocatore, sono facili da sfruttare. Una rete neurale in particolare evolve in genere un insieme di pesi che è abbastanza opaco da studiare e le decisioni prese da essa sono difficili da ragionare. Sarebbe difficile per un progettista modificare tale routine AI per eseguire come desiderato.
Ma forse il problema più grave è che GA e NN non sono generalmente gli strumenti migliori per qualsiasi attività di sviluppo del gioco. Mentre buoni dispositivi di insegnamento, chiunque abbia una conoscenza sufficiente del dominio della materia è generalmente meglio attrezzato per utilizzare un metodo diverso per ottenere risultati simili. Questo potrebbe essere qualsiasi cosa, da altre tecniche di intelligenza artificiale come supporto di macchine vettoriali o alberi comportamentali fino ad approcci più semplici come macchine a stati o persino una lunga catena di condizionali if-then. Questi approcci tendono a fare un uso migliore delle conoscenze del dominio dello sviluppatore e sono più affidabili e prevedibili dei metodi di apprendimento.
Ho sentito, tuttavia, che alcuni sviluppatori hanno utilizzato reti neurali durante lo sviluppo per addestrare un pilota a trovare una buona rotta intorno a una pista, e quindi questa rotta può quindi essere spedita come parte del gioco. Nota che il gioco finale non richiede alcun codice di rete neurale per funzionare, nemmeno la rete addestrata.
Il "costo" del metodo non è realmente il problema, per inciso. Sia le NN che le GA possono essere implementate in modo estremamente economico, in particolare la NN si presta al calcolo preliminare e all'ottimizzazione. Il problema è proprio quello di riuscire a trarne qualcosa di utile.
