تنظیم سطح دشواری هوشمند بازی‌های ویدئویی متناسب با احساسات کاربران

تعیین سطح دشواری مناسب در بازی‌های ویدئویی، یکی از برجسته‌ترین مؤلفه‌های تأثیرگذار بر تجربه‌ کاربران است. دانشمندان اخیراً رویکردی جدید ارائه داده‌اند که سطح سختی بازی را با استفاده از فناوری هوش مصنوعی به‌صورت پویا تعیین می‌کند. در این رویکرد، احساسات کاربران با استفاده از داده‌های درون بازی برآورد شده و سطح سختی به نحوی تعیین می‌گردد که رضایت کاربر را به بیشترین حد ممکن برساند. این پژوهش با کمک به تعیین سطح سختی شخصی‌سازی‌شده، تجربه‌ای لذتبخش‌تر برای کاربران فراهم می‌کنند.

سطح دشواری یکی از جنبه‌های پیچیده‌ بازی‌های ویدئویی است. عده‌ای آن دسته از بازی‌ها را ترجیح می‌دهند که چالش‌برانگیز هستند و برخی دیگر بازی‌های آسان را دوست دارند. برای رفع این مشکل، بیشتر طراحان بازی از «انطباق پویای دشواری» یا DDA استفاده می‌کنند. ایده‌ زیربنایی DDA انطباق لحظه‌ای سطح دشواری بازی با عملکرد کاربر است. برای مثال، اگر عملکرد کاربر در یک سطح دشواری مشخص از انتظارات طراح فراتر برود، عامل DDA سطح دشواری را به‌صورت خودکار بالا می‌برد تا بازی، چالش‌برانگیزتر شود. این راهبرد مفید اما محدود است، چون تنها عملکرد کاربر را در نظر می‌گیرد و از لذت‌بخش‌بودن تجربه بازی غافل می‌شود.

تعیین سطح دشواری داینامیک؛ کاربرد جدید هوش مصنوعی در بازی‌های ویدئویی

گروهی از پژوهشگران مؤسسه علم و فناوری Gwangju کره، با انتشار مقاله‌ای در ژورنال Expert Systems with Applications، رویکرد تعیین سطح دشواری داینامیک (dynamic difficulty adjustment) را ارتقاء داده‌اند و به ‌جای تمرکز بر عملکرد، عامل‌هایی طراحی کرده‌اند که سطح دشواری بازی را با یکی از چهار مؤلفه‌ رضایت کاربران، چالش، صلاحیت، جریان و ظرفیت، انطباق می‌دهند. عامل‌های DDA از طریق یادگیری ماشینی و بر اساس داده‌های جمع‌آوری‌شده از کاربران واقعی آموزش دیده‌اند. این کاربران در یک بازی مبارزه‌ای مقابل چندین هوش مصنوعی قرار گرفتند و سپس به پرسشنامه‌ای در مورد تجربه‌شان پاسخ دادند.

عوامل DDA با استفاده از الگوریتمی به نام درخت جست‌وجوی مونته‌کارلو، داده‌های واقعی و همچنین شبیه‌سازی‌شده را به کار گرفتند تا سبک مبارزه‌ حریف (هوش مصنوعی) را به نحوی تنظیم کنند که یکی از عواطف مشخص‌شده‌ کاربران را به حداکثر برسانند. کیانگ-جونگ کیم، سرپرست پروژه، توضیح می‌دهد: «یکی از نقاط قوت این رویکرد نسبت به سایر روش‌های مبتنی بر عواطف این است که از حسگرهای بیرونی، مثل الکتروانسفالوگرافی، استفاده نمی‌کند. این مدل آموزش می‌بیند تا حالات عاطفی کاربران را تنها با استفاده از قابلیت‌های داخل خود بازی برآورد کند.»

پژوهشگران از طریق آزمایش روی ۲۰ داوطلب دریافتند که عامل‌های DDA می‌توانند هوش‌های مصنوعی‌ بسازند که تجربه‌ کلی کاربران از بازی‌های ویدئویی را، فارغ از ترجیحات‌شان، ارتقاء می‌دهند. این اولین باری است که حالات عاطفی به‌صورت مستقیم در عامل‌های DDA به کار می‌روند. یافته‌ها می‌توانند کاربرد تجاری فراوانی داشته باشند. کیم در این باره می‌گوید: «شرکت‌های تولیدکننده بازی‌های ویدئویی به حجم زیادی از داده‌های کاربران دسترسی دارند و می‌توانند با بهره‌گیری از این داده‌ها، به کمک رویکرد پیشنهادی ما، سناریوهای مختلف را مدل‌سازی کرده و مشکلات مربوط به تنظیم بازی را حل کنند.»

شایان ذکر است که این تکنیک در سایر حوزه‌هایی که قابلیت بازی‌وارسازی (Gamification) دارند، ازجمله بهداشت و درمان، ورزش و آموزش و… نیز به کار می‌رود.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید