Neural Networks in Unity

Manual práctico enfocado en la intersección entre inteligencia artificial y desarrollo de videojuegos, dirigido a desarrolladores de nivel intermedio con experiencia en C#, manejo básico del editor de Unity (versiones Unity 2017/2018) y fundamentos de álgebra lineal. Abhishek Nandy y Manisha Biswas abordan la implementación directa de redes neuronales dentro de simulaciones interactivas para entornos de Windows 10, desmitificando cómo aprenden y deciden las entidades dentro del motor de juegos.

El punto diferenciador de la obra es que prescinde de librerías de caja negra de aprendizaje automático (como TensorFlow o PyTorch), guiando al lector en la creación de las estructuras de datos de redes neuronales desde cero en C#. Enseña la formulación matemática y el código para perceptrones simples y multicapa (MLP), funciones de activación (sigmoide, escalón, tanh, ReLU), cálculo de sesgo (bias) y arquitecturas feedforward, recurrentes y de base radial (RBF). Asimismo, detalla el algoritmo de retropropagación (backpropagation) mediante descenso de gradiente y explica la integración con Processing y la Plataforma Universal de Windows (UWP) para compilar y empaquetar aplicaciones para la Microsoft Store.

A lo largo de sus capítulos se construyen simulaciones interactivas en Unity, destacando el control del comportamiento y animación de un modelo tridimensional (Spider Asset) gobernado por una red neuronal personalizada, así como visualizaciones numéricas vinculadas a UWP. El libro resulta valioso para desentrañar el funcionamiento matemático de las redes neuronales y ver cómo interactúan con el bucle de actualización de Unity; no obstante, su alcance es introductorio a nivel de machine learning, dejando fuera el aprendizaje por refuerzo profundo moderno (como Unity ML-Agents) o arquitecturas complejas de visión artificial.