Melhorando os Mestres de Jogo de IA com Chamada de Função

Criar uma IA que funcione como mestre do jogo para jogos baseados em texto não é fácil. Isso acontece porque os modelos de linguagem grandes (LLMs) têm suas limitações, e o papel do mestre do jogo (GM) é complexo. Este artigo apresenta uma maneira nova de melhorar os mestres de jogo de IA usando chamadas de função no contexto de "O Labirinto de Jim Henson: O Jogo de Aventura". A gente integra controles específicos do jogo por meio de funções para melhorar a narrativa e a consistência das atualizações de estado da IA mestre do jogo.

#O que é um Mestre do Jogo?

Em jogos de RPG de mesa (TTRPGs), o mestre do jogo é a pessoa que comanda a partida. Ele descreve o mundo, age como personagens não jogáveis (NPCs) e aplica as regras. Com a IA como GM, a ideia é que ela crie histórias envolventes e responda às escolhas dos jogadores em tempo real.

#Por que os LLMs Não São Suficientes

O crescimento dos LLMs levou muitos a pesquisar como esses modelos podem servir como mestres do jogo. No entanto, um grande problema ainda persiste: manter a consistência e coerência do estado do jogo em várias rodadas. Embora os LLMs possam fornecer narrativas diversas, eles correm o risco de se perder nas regras do jogo e no fluxo devido à sua natureza imprevisível. Nosso trabalho propõe uma abordagem que usa chamadas de função para dar ao GM da IA um controle mais preciso, tornando-a melhor em gerar histórias envolventes que também respeitem as regras do jogo.

#Contribuições Principais

1. Apresentamos um exemplo de um local de aventura pré-escrito em "O Labirinto de Jim Henson: O Jogo de Aventura."
2. Discutimos como a integração de chamadas de função pode aprimorar a IA em TTRPGs.

#Olhando para o Labirinto

Para testar nossa abordagem, simulamos o TTRPG "O Labirinto de Jim Henson: O Jogo de Aventura." Nesse jogo, os jogadores atuam como aventureiros em um labirinto mágico cheio de desafios. O GM de IA assume as funções do mestre do jogo.

#Estado do Jogo

No nosso sistema de jogo, existem dois tipos de estados:

1. Estado do Jogador: Isso inclui detalhes como nome, tipo, traços, falhas e itens de cada personagem jogador.
2. Estado da Cena: Isso representa a cena atual do jogo.

Esses estados de jogo são definidos antes de cada cena e podem ser atualizados pela IA usando as funções que fornecemos.

#Funções Usadas

Definimos dois tipos de funções:

1. Funções de Rolagem de Dados: Essas simulam o ato de rolar dados quando um jogador tenta realizar uma ação envolvendo alguma dificuldade. Elas ajudam a determinar o sucesso ou fracasso.
2. Funções de Estado: Essas mudam o estado do jogo diretamente, como adicionar novos NPCs ou itens.

#Como Funciona a Chamada de Função

Durante o jogo, o mestre do jogo da IA decide quando chamar uma função com base no contexto atual do jogo. As definições das funções, junto com o histórico de chat e o estado do jogo, são enviadas para o modelo de linguagem como parte da entrada. O modelo escolhe a função certa para chamar e obtém os detalhes necessários da conversa.

Essa interação continua até que o GM de IA determine que nenhuma outra função ou resposta é necessária.

#Testando Nossa Abordagem

Para avaliar o desempenho do mestre do jogo de IA, realizamos vários experimentos com diferentes configurações. Simulamos 24 cenas de jogo e testamos seis configurações diferentes, mudando a forma como usamos as funções e gerenciamos os estados do jogo.

#Coleta de Dados

Criamos personagens com vários traços e falhas. Observamos como o GM de IA se saiu sob diferentes configurações para ver qual método produziu os melhores resultados.

#Avaliando a Entrada Humana

Em seguida, tivemos avaliadores que classificaram as respostas geradas com base em três aspectos principais:

1. Consistência: O quão bem a IA se manteve fiel aos estados do jogo e interações anteriores?
2. Confiabilidade: A IA seguiu as regras do jogo de forma eficaz?
3. Interesse: Quão envolvente foi a narrativa da IA?

#Resultados

Nossos achados mostraram que usar tanto funções de rolagem de dados quanto funções de estado levou à jogabilidade mais consistente e envolvente. A configuração que combinou ambos os tipos de funções teve o melhor desempenho, oferecendo uma boa mistura entre fluidez no jogo e adesão às regras.

Curiosamente, descobrimos que sem a função de rolagem de dados, a IA frequentemente caía em um loop onde jogadores e o mestre do jogo ficavam presos, impedindo o progresso. Isso foi chamado de "bloqueio de rolagem de dados."

#Desafios e Limitações

Embora a abordagem tenha mostrado potencial, existem limitações. As funções que usamos foram adaptadas a este jogo específico, o que pode não se aplicar a outros. Pesquisas futuras poderiam explorar a criação de funções adaptáveis específicas do jogo com base nas regras e manuais de diferentes jogos.

Outro desafio é a subjetividade das avaliações humanas. Embora tentássemos minimizar o viés, a complexidade do jogo pode levar a variações nas classificações. Trabalhos futuros poderiam investigar métodos de avaliação mais objetivos e ferramentas impulsionadas por IA para interações mais longas.

#Direções Futuras

Nossas descobertas poderiam servir como base para mais pesquisas sobre IA em jogos e narrativas interativas. Vemos potencial em aplicar insights de TTRPGs a outras áreas, como NPCs em videogames ou simulações educacionais. Conectando LLMs, chamadas de função e IA de jogo, conseguimos encontrar novas maneiras de criar experiências envolventes e imersivas.

#Implementação do Labirinto

Para configurar nossa simulação de jogo, primeiro inicializamos a cena, criamos personagens jogadores e gerenciamos as regras de forma eficaz.

#Inicialização da Cena

Transformamos o texto bruto da cena do jogo em um formato estruturado que ajuda a IA a manter o controle do estado durante o jogo. Usamos tabelas aleatórias para vários propósitos, como adicionar NPCs ou objetos.

#Criação de Personagens

Os jogadores criam seus próprios personagens escolhendo seus traços e falhas. Cada decisão é traduzida em um estado do jogador que o GM da IA pode usar ao longo do jogo.

#Gerenciamento de Regras

Garantimos que a IA mantivesse as regras do jogo em mente resumindo as regras e injetando-as na conversa. Assim, a IA podia referenciar as regras enquanto tomava decisões.

#Resumo

Em conclusão, integrar chamadas de função com grandes modelos de linguagem pode elevar significativamente os mestres de jogo de IA em jogos como "O Labirinto de Jim Henson: O Jogo de Aventura." Nossos experimentos indicam que uma mistura de funções de rolagem de dados e funções de estado leva aos melhores resultados em narrativa e engajamento. Embora alcançar o equilíbrio certo entre os dois tipos de funções apresente desafios, nossa pesquisa oferece diretrizes valiosas para o desenvolvimento futuro em experiências de jogos impulsionadas por IA. Explorações adicionais podem aprimorar e estender essas descobertas em diferentes gêneros de jogos, abrindo caminho para narrativas mais dinâmicas e interativas nos jogos.