게임, 더 이상 놀이가 아닌 과학이다!
딥러닝과 강화 학습 기법이 등장하면서 게임 분야 역시 급격히 발전하고 새로운 기술이 계속 나오고 있다. 알파고처럼 인공지능이 플레이어의 역할을 하는 한편, 유전 알고리즘을 적용시켜 한층 더 복잡하고 흥미로운 게임을 만들기도 한다. 이 책은 과학적 관점에서 게임이 가진 의미를 정의하고, 게임 속에서 인공지능이 어떤 역할을 하는지, 게임 알고리즘에는 무엇이 있는지 개괄적으로 설명한다. 게다가 대표적인 게임을 중심으로 죄수의 딜레마, 내시 균형 등 게임 이론도 설명하고 있어서 게임 기획/개발에 필요한 기반 지식을 얻어갈 수 있다.

교토 대학교에서 수학을 전공하고 오사카 대학교 대학원에서 물리학을 공부했다. 그 뒤 도쿄 대학교 공학계 연구과 박사과정을 마치고 2004년부터 디지털게임 인공지능을 개발하고 있다. IGDA 게임AI 전문회사 설립자이자 DiGRA JAPAN 이사, 예술과학회 이사, 인공지능학회 편찬위원이다. 저서로 『어떻게 인공지능은 인간과 대화할 수 있는가』, 『인공지능을 위한 철학학교』, 『인공지능 만드는 방법』, 『처음 만나는 게임AI』, 『디지털게임 교과서』, 『디지털게임 기술』, 『그림으로 배우는 인공지능』 등이 있다.

1부 게임 정보학 개요
1장 게임이란
1.1 게임 정의
1.2 게임의 정보학적 분류
 
2장 게임 정보학 기초
2.1 게임과 문제 해결
2.2 게임 정보학의 역사
 
3장 게임 AI와 인지 연구
3.1 게임 AI와 알고리즘
3.2 게임과 인지 과학
 

2부 게임 정보학 알고리즘
4장 최단 경로 탐색과 비용 함수: 15 퍼즐
4.1 15 퍼즐
4.2 15 퍼즐의 그래프 탐색
4.3 A* 알고리즘
4.4 문제를 완화해서 h 비용을 설계하는 방법
 
5장 게임 이론의 기초 지식: 죄수의 딜레마, 가위바위보, 틱택토
5.1 전략형 게임과 전략의 우열
5.2 내시 균형과 혼합 확대
5.3 2인 제로섬 게임의 균형점과 미니맥스 정리
5.4 전개형 게임
5.5 전개형 게임의 전략과 역진귀납법
 
6장 미니맥스 게임 트리와 탐색: 틱택토, 오셀로, 체스, 일본 장기
6.1 미니맥스 게임 트리
6.2 미니맥스 게임 트리의 깊이 우선 탐색
6.3 미니맥스 게임 트리의 αβ 탐색
6.4 AND/OR 트리와 증명 개수
6.5 미니맥스 게임 트리의 그래프 탐색
6.6 휴리스틱 미니맥스 탐색
 
7장 몬테카를로법을 이용한 강화 학습: 블랙잭
7.1 강화 학습 개요
7.2 블랙잭과 기본 규칙
7.3 게임 상황, 행동 및 보수의 표현
7.4 몬테카를로법을 이용한 정책 평가
7.5 정책 개선
 

3부 디지털 게임에 게임 정보학 응용
8장 게임 AI: 액션 게임과 보드 게임 비교
8.1 디지털 게임의 원리
8.2 보드 게임과 디지털 게임의 AI 차이
8.3 지식 표현, 세계 표현
8.4 게임 표현
8.5 캐릭터 행동 표현
8.6 디지털 게임 AI의 전모
 
9장 캐릭터 AI
9.1 에이전트 아키텍처
9.2 센서 모듈
9.3 지식 생성 모듈
9.4 의사 결정 모듈
9.5 이펙터와 운동 생성 모듈
9.6 기억과 인포메이션 플로
9.7 기억 형태
9.8 블랙 보드 아키텍처
 
10장 게임 AI의 지식 표현과 의사 결정 알고리즘
10.1 지식 표현
10.2 여덟 가지 의사 결정 알고리즘
 
11장 내비게이션 AI
11.1 내비게이션 메시와 웨이포인트
11.2 데이크스트라 탐색법과 A* 경로 탐색
11.3 지형 해석
11.4 전술 위치 검색
11.5 영향맵
11.6 사회적 공간
 
12장 학습 및 진화 알고리즘 응용
12.1 통계 기반 학습
12.2 신경망 238
12.3 유전 알고리즘 239
12.4 게임 진화 알고리즘
12.5 강화 학습
12.6 플레이어의 데이터로 학습