earticle

영어

AI shows performance on behalf of people in various fields. In games, AI is used in many ways. It is used in fields such as NPC (Non Player Character) production, game difficulty, and content creation. However, the AI used in the game shows excellent performance and is researched to beat people. When a good AI model exists in a game, increasing the difficulty of the game, the player may lose interest in the game. Therefore, the purpose of this paper is to develop artificial intelligence that supports people, not confrontation with people. Currently, there is an auto play system for games in the mobile market. In games, this system is not efficient because it uses a random method. Therefore, in this paper, we build an efficient auto play system using parallel DNN model. The newly constructed model and the existing random number model are compared through the game.

한국어

인공지능은 다양한 분야에서 사람을 대신하여 성과를 보여준다. 게임 분야에서도 인공지능은 다양한 방면 으로 사용된다. NPC(Non Player Character) 제작, 게임 난이도, 콘텐츠 생성 등의 분야에서 활용되고 있다. 그 러나 게임에서 사용되는 인공지능은 우수한 성과를 보여주며 사람을 이기기 위해 연구된다. 우수한 인공지능 모델이 게임에 존재하여 게임의 난이도가 상승하게 되면 플레이어가 게임에 흥미를 잃는 경우도 있다. 따라 서 본 논문의 목적은 사람과의 대결이 아닌 사람을 서포트 하는 인공지능의 개발이다. 현재 모바일 시장의 게임에는 자동 사냥 시스템이 존재한다. 게임에서 이 시스템은 난수 방식을 사용하기 때문에 효율이 떨어진 다. 그러므로 본 논문에서는 병렬구조의 DNN 모델을 사용하여 효율적인 자동 사냥 시스템을 구축한다. 새로 구축한 모델과 기존에 사용하던 난수 방식의 모델을 게임을 통해 비교한다.