Tillståndsmaskiner var en av de första teknikerna som användes för att skapa AI (Artificiell Intelligens) i dataspel och är fortfarande än av de vanligaste teknikerna. Men under senare år har flera nya tekniker, såsom ANN (Artificiella Neurala Nätverk), börjat användas för att skapa mer avancerad AI i dataspel. Många anser att tillståndsmaskiner inte kan skapa tillräckligt smarta agenter och att agenterna ofta blir förutsägbara. Generellt är tillståndsmaskiner inte lämpade att använda när man vill ha många agenter med olika beteende eftersom det ofta kräver speciell kod för varje unik agent. Detta arbete undersöker möjligheterna att skapa beteendevarierande agenter, utan att behöva skriva unik kod för varje beteende genom att endast använda stokastiska tillståndsmaskiner och mallar för att styra beteenden. Resultatet visar att genom att variera sannolikheterna för övergångar i den stokastiska tillståndsmaskinen kan agenternas agerande till stor grad påverkas. Tekniken arbetet tar upp är ett bra alternativ för de som snabbt och enkelt vill få in agenter med AI i sina spel och samtidigt ha möjligheten att kunna variera deras beteenden.

<p>Tillståndsmaskiner var en av de första teknikerna som användes för att skapa AI (Artificiell Intelligens) i dataspel och är fortfarande än av de vanligaste teknikerna. Men under senare år har flera nya tekniker, såsom ANN (Artificiella Neurala Nätverk), börjat användas för att skapa mer avancerad AI i dataspel. Många anser att tillståndsmaskiner inte kan skapa tillräckligt smarta agenter och att agenterna ofta blir förutsägbara. Generellt är tillståndsmaskiner inte lämpade att använda när man vill ha många agenter med olika beteende eftersom det ofta kräver speciell kod för varje unik agent. Detta arbete undersöker möjligheterna att skapa beteendevarierande agenter, utan att behöva skriva unik kod för varje beteende genom att endast använda stokastiska tillståndsmaskiner och mallar för att styra beteenden. Resultatet visar att genom att variera sannolikheterna för övergångar i den stokastiska tillståndsmaskinen kan agenternas agerande till stor grad påverkas. Tekniken arbetet tar upp är ett bra alternativ för de som snabbt och enkelt vill få in agenter med AI i sina spel och samtidigt ha möjligheten att kunna variera deras beteenden.</p>

Detta examensarbete undersöker hur väl tekniker inom meningsklassificering och dokumentklassificering fungerar för att välja ut meningar som innehåller de variabler som använts i experiment som beskrivs i medicinska dokument. För meningsklassificering används tillståndsmaskiner och nyckelord, för dokumentklassificering används linjär SVM och Random forest. De textegenskaper som har valts ut är LIX (läsbarhetsindex) och ordmängd (word count). Textegenskaperna hämtas från en färdig datamängd som skapades av Abrahamsson (T.B.D) från artiklar som samlas in för denna studie. Denna datamängd används sedan för dokumentklassificering. Det som undersöks hos dokumentklassificeringsteknikerna är förmågan att skilja dokument av typerna vetenskapliga artiklar med experiment, vetenskapliga artiklar utan experiment, vetenskapliga artiklar med metaanalyser och dokument som inte är vetenskapliga artiklar åt. Dessa dokument behandlas med meningsklassificering för att undersöka hur väl denna hittar meningar sominnehåller definitioner av variabler. Resultatet från experimentet tydde på att teknikerna för meningsklassificering inte var dugliga för detta ändamål på grund av låg precision. För dokumentklassificering var Randomforest bäst lämpad men hade problem att skilja olika typer av vetenskapliga artiklar åt.

Det här arbetet har undersökt hur indeterministiskt beteende hos allierade spelarkaraktärer påverkar mänskliga-spelares uppfattning om spelarkaraktärernas trovärdighet i spel. För att undersöka detta har två AI-tekniker, en indeterministisk teknik som kallas för nyttobaserad AI och en deterministisk teknik som kallas för finita-tillståndsmaskiner implementerats och använts för att modellera beteenden hos spelarkaraktärer i ett actionspel sett ovanifrån. Testdeltagare har fått delta i ett experiment där de spelat actionspelet i två scenarion med allierade spelarkaraktärer modellerade med respektive teknik. Efter spelandet har testdeltagarna fått svara på kvantitativa och kvalitativa frågor i en enkätundersökning om hur de upplevt spelarkaraktärernas beteende. Experimentet fann inga resultat som tyder på att indeterministiska beteenden hos allierade spelarkaraktärer gör att de uppfattas som mer trovärdiga. Det fanns heller inga resultat som tyder på att indeterministiska beteenden hos spelarkaraktärer skulle särskilja sig mot deterministiska beteenden. Detta resultat behöver dock verifieras i ytterligare studier med mer testdeltagare och scenarion.