یکی از سخنرانان کلیدی ششمین کنفرانس بین‌المللی «بازی‌های رایانه‌ای؛ فرصت‌ها و چالش‌ها» دکتر Julian Togelius دانشیار دانشکده علوم کامپیوتر و مهندسی دانشگاه نیویورک (NYU)، مدیر NYU Game Innovation Lab و سردبیر ژورنال IEEE Transactions on Games است.

دکتر توگلیوس یکی از پژوهشگران برجسته در حوزه‌ی هوش مصنوعی، محاسبات تکاملی، تولید محتوای رویه‌ای و بازی‌های رایانه‌ای با اچ‌ایندکس 62 است و در کنفرانس ما در مورد The Machine Learning Revolution in Procedural Content Generation صحبت خواهد کرد.

چکیده‌ی سخنرانی ایشان به شرح زیر است:

Procedural content generation is a key need in many types of games and virtual worlds. From humble beginnings in the 1980s, PCG methods have advanced rapidly, and as a result, PCG is more widely used than ever. Levels in platform games can be generated, as well as maps in strategy games to quests, characters, textures, items and planets. Early approaches typically relied on special-purpose algorithms that could not easily be controlled. Academic research on PCG started in earnest a little over a decade ago, coinciding with the rise of indie games and partially catalysed by the success of evolutionary algorithms. Since a few years, another revolution is underway in PCG: the machine learning revolution. I will showcase some recent results in applying machine learning, in particular deep learning, to generating game content. I will also point out some of the limitations of this approach, in particular the training data problem and the constraint modeling problem. I will also point to some ways in which hybridizing with search, optimization, and constraint satisfaction methods can help.

اسلایدهای این سخنرانی را می‌توانید از اینجا دانلود کنید. ویدئوی سخنرانی در کانال آپارات ما در دسترس است.