Técnicas futuras de IA en videojuegos

• Bayesian Networks: Sistemas de toma de decisiones en entornos con incertidumbre.
• Decision Trees: Representación de un conjunto de reglas para el análisis del estado en forma de árbol.
• Fuzzy Logic: Permite representar estados del entorno en los que la división entre estados no es muy clara (e.g. Estar hambriento).
• Genetic Algorithms: Se emplearían para conseguir encontrar soluciones a problemas en los que no es sencillo encontrar reglas que lo modelicen.
• N-Grams: Predicción de estados o comportamientos por medio del análisis estadístico del funcionamiento de un agente o de la aparición de sucesos.
• Neural Networks: Redes neuronales y perceptrones que se emplean para entrenar comportamiento o perfiles de los agentes a lo largo de un juego.
• Planning: Técnicas de consecución de mentas por medio de la planificación de acciones a lo largo de una secuencia de tiempo.
• Character and Emotional Modeling: Técnicas para conseguir diferentes agentes de un juego tengan comportamientos distintos frente a las mismas situaciones “emulando” la diferencia de comportamientos “humanos”.
• Reinforced Learning: Mecanismos generales de aprendizaje y entrenamiento de agentes dentro de juegos en los que pueden existir muchas variantes.
• Player Modeling: Permite la adaptación de las características y dificultad del juego al jugador, analizando su comportamiento y preferencias.
• Reputation Systems: Modifica la interacción de agentes teniendo en cuenta acciones pasadas que den un perfil del avatar de un jugador frente a los agentes que pueblan en juego.
• Smart Terrain: Representar los objetos inanimados de un entorno por medio de agentes a los cuales se les puede interrogar sobre sus capacidades e interactuar con ellos.
• Speech Recognition: Nuevos modos de interactuar con los dispositivos de juego introdujeron la necesidad de aplicar técnicas de reconocimiento de voz.