Pembaruan terbaru Arma 3 versi 2.20 dari Bohemia Interactive telah memicu diskusi teknis yang menarik tentang salah satu tantangan paling persisten dalam dunia gaming: membuat sistem kecerdasan buatan dan scripting bekerja secara efisien di berbagai core prosesor. Meskipun pembaruan ini membawa peningkatan performa yang signifikan melalui multithreading yang lebih baik, percakapan komunitas mengungkap wawasan yang lebih mendalam tentang mengapa AI tetap sulit untuk diparalelisasi.
Peningkatan Arma 3 Update 2.20:
- Kemampuan multithreading yang ditingkatkan
- Sistem parameter yang dirombak sejak versi 1.50.128419
- Activities Group Manager (AGM) baru untuk manajemen sumber daya yang lebih baik
- Sistem streaming data yang diperbaiki (CPT)
- Threading simulasi partikel yang diperbarui
- Penanganan parameter command-line yang lebih baik
 |
|---|
| Sebuah diagram alur yang mengilustrasikan hubungan antara main thread dan worker thread, mencerminkan peningkatan teknis dalam efisiensi threading AI |
Masalah Inti dengan Paralelisasi AI
Masalah fundamental terletak pada bagaimana sistem AI game dirancang secara tradisional. Sebagian besar game engine, termasuk milik Arma 3 , memberikan aktor AI akses lengkap dan instan ke semua informasi dunia. Hal ini menciptakan bottleneck karena ketika beberapa unit AI mencoba memodifikasi objek game yang sama secara bersamaan, konflik pun muncul. Bayangkan seperti beberapa orang yang mencoba mengedit dokumen yang sama sekaligus - kekacauan akan terjadi tanpa koordinasi yang tepat.
Developer komunitas telah mengidentifikasi bahwa pilihan desain ini, meskipun tampak logis, sebenarnya mencegah pemrosesan paralel yang efektif. Ketika unit AI perlu berinteraksi dengan sumber daya bersama seperti jumlah amunisi, poin kesehatan, atau objek dunia, sistem harus menserialisasi operasi-operasi ini untuk mencegah korupsi data.
 |
|---|
| Diagram alur yang merinci proses-proses berurutan yang terlibat dalam operasi AI, menyoroti kompleksitas koordinasi sumber daya bersama di antara unit-unit AI |
Pendekatan Alternatif untuk Threading AI
Diskusi telah mengungkap beberapa solusi yang menjanjikan yang mungkin bisa dipertimbangkan oleh developer game lain. Satu pendekatan melibatkan pemberian setiap aktor AI salinan lokal dari data dunia yang bisa mereka baca, sambil mengharuskan mereka untuk mengirimkan permintaan untuk setiap perubahan yang ingin mereka buat. Ini menghilangkan konflik langsung yang menyebabkan masalah threading.
Jika setiap aktor membuat salinan dunia untuk apa yang mereka ketahui, tidak ada yang mencegah paralelisme. Ini memang menyiratkan memori kuadratik, tetapi Anda bisa membatasinya - jika ada banyak hal yang terjadi, masuk akal bagi seorang aktor untuk kehilangan jejak beberapa di antaranya.
Metode lain menggunakan sistem frame-delayed di mana unit AI membaca dari data frame sebelumnya sambil menulis perubahan untuk frame saat ini. Ini menciptakan pemisahan alami antara operasi baca dan tulis, meskipun dapat menimbulkan tantangan timing untuk interaksi yang kompleks.
Pendekatan Teknis Utama yang Dibahas:
- Model Actor-Copy: Setiap unit AI mendapat salinan data dunia sendiri, mengirimkan permintaan perubahan
- Sistem Frame-Delayed: AI membaca dari frame N-1, menulis ke frame N
- Pengganti Fork-Join: Sistem berbasis antrian alih-alih pemrosesan batch
- Batas Transaksional: Titik interaksi terkontrol antara unit AI
- Trade-off Memori: Peningkatan penggunaan RAM untuk paralelisasi yang lebih baik
 |
|---|
| Diagram thread utama yang bekerja secara kolaboratif dengan thread pekerja, mencontohkan konsep data terlokalisasi dalam pemrosesan paralel AI |
Tantangan Implementasi di Dunia Nyata
Diskusi komunitas menyoroti bahwa solusi-solusi ini bukan hanya teoretis - mereka datang dengan trade-off praktis. Penggunaan memori meningkat secara signifikan ketika setiap unit AI mempertahankan pandangan dunianya sendiri. Desainer game juga harus menerima bahwa perilaku AI mungkin menjadi kurang presisi, karena unit bekerja dengan informasi yang sedikit usang atau tidak lengkap.
Bahasa pemrograman seperti Rust membuat pola-pola ini lebih mudah diakses dengan memaksa developer untuk berpikir dengan hati-hati tentang kepemilikan data dari awal. Disiplin yang dipaksakan compiler ini sering mengarah pada desain yang secara alami dapat diparalelisasi, meskipun memerlukan pemikiran ulang terhadap pendekatan arsitektur game tradisional.
Pelajaran untuk Pengembangan Game
Pembaruan performa Arma 3 berfungsi sebagai studi kasus untuk industri gaming yang lebih luas. Meskipun Bohemia Interactive telah membuat kemajuan yang mengesankan dalam mengoptimalkan engine mereka yang berusia 12 tahun, diskusi komunitas mengungkap bahwa beberapa keputusan arsitektural yang dibuat di awal pengembangan terus membatasi potensi performa.
Engine game modern semakin perlu menyeimbangkan kompatibilitas mundur dengan tuntutan performa. Seiring jumlah core prosesor terus bertambah sementara performa single-core mencapai plateau, tantangan threading ini hanya akan menjadi lebih kritis untuk mempertahankan pengalaman gameplay yang lancar.
Diskusi teknis yang berlangsung seputar pembaruan Arma 3 menunjukkan bagaimana keahlian komunitas dapat menerangi masalah engineering yang kompleks, memberikan wawasan berharga bagi developer yang menghadapi tantangan serupa di seluruh industri gaming.
Referensi: OPREP - PERFORMANCE OPTIMIZATIONS IN 2.20