Mis on dünaamiline raskuste reguleerimine ja miks EA omab patenti?

Dünaamiline raskuste reguleerimine (DDA) on tehnoloogia, mida kasutatakse mängu raskuste muutmiseks vastavalt mängija oskustele. Mängu ajal võib raskuste kohandamise tehnika aidata mängijal võita, kui ta kaotab. Muudel juhtudel võib see mängijale mängu võitmise raskendada.

Mis on dünaamiline raskuste reguleerimine?

DDA jälgib ja ennustab, kui kaua mängija mänguga seotud on. See ühendab selle teabe erinevate andmetüüpidega, näiteks kui kaua mäng mängijat ühe mängijaga seansil hoiab.

DDA võib hoida mängijat igavaks, kui mäng on lihtne. Samuti võib see takistada mängijatel pettumust, kui mäng on liiga keeruline.

DDA töötab nii lühiajalises kui ka pikaajalises perspektiivis. Lühiajaline DDA ei lase mängijatel kogeda sama tulemuse pikkusi, olgu need siis head või halvad. Juhuslike arvude generaator kasutatakse lühiajalise DDA saavutamiseks. Pikaajaline DDA kohandab mängu taseme vastavalt nende oskustele ja jõudlusele.

See kõik on väga hea ja hea, kuid kuidas toimib dünaamiline raskuste kohandamine mängus?

Kuidas toimib dünaamiline raskuste reguleerimine?

Levinud viis DDA saavutamiseks on muuta mängu kulgu, kohandades raskusi pärast vallandavate sündmuste toimumist, mis viitavad mängija soovimatutele olekutele. Selliste seisundite hulka kuuluvad igavus ja pettumus.

DDA sõltub kohanduste teostamiseks vajalike ennustuste tegemisest masinõppe algoritmidest. Masinõppe algoritmid, näiteks juhendatud ja järelevalveta, loovad ja värskendavad mängude ennustusmudeleid. Ansambli algoritmid ja eksemplaripõhised algoritmid on näited loogikast, mida kasutatakse DDA ennustusmudelite loomiseks ja värskendamiseks.

Dünaamiliste raskuste reguleerimise süsteemid

A EA-le antud patent 2018. aastal näitab DDA tehniliste komponentide üksikasju EA mängudes.

Patent kirjeldab elektroonilise andmekoguga süsteemi, mida riistvaraprotsessor kasutab videomängus muutujate kohandamisväärtuste tuvastamiseks käskude täitmiseks. Riistvaraprotsessor genereerib ennustusmudeli, käivitades juhised masinõppesüsteemis kasutatavate andmete kogumite kasutamiseks.

Samuti kirjeldab patent üksikasjalikult, kuidas DDA kasutab erinevat tüüpi kasutajate suhtlemisandmeid, et hinnata kasutaja seotust. Sellised andmed hõlmavad mängus kulutatud rahasummat, kasutaja edusamme mängus ja mängija kalduvust peatuda nende mängusisese edenemise tõttu.

Kasutaja interaktsiooni andmeid kasutatakse koos teiste andmetüüpidega mängude ennustamismudelite loomiseks ja nende järgi tegutsemiseks. Andmed toidavad mängu sees erinevat tüüpi süsteeme, mis töötavad koos raskuse muutmiseks.

Süsteemide ja protsesside tüübid, mis võivad koos töötada, hõlmavad järgmist:

• Retentsioonianalüüs
• Ennustusmudelite genereerimine
• Klastrite loomine
• Klastri määramine
• Seemnete hindamine
• Raskuste seadistamine

Lühidalt öeldes töötavad need süsteemid koos mängijate andmete kogumisega, mille abil määratakse kindlaks, kui keeruline või lihtne mäng peaks olema.

Seotud: Psühholoogilised põhjused, miks videomängud tekitavad sõltuvust

DDA andmete modelleerimine

Ennustusmudeli genereerimise protsess hõlmab ennustusmudelite genereerimiseks ajaloolisi kasutajate andmeid koos kontrollandmetega. Kontrollandmeid kasutatakse kasutajate arvu soovitud prognoosi seadmiseks.

Säilitusanalüüsi süsteem võib koosneda ühest või mitmest süsteemist, mis genereerivad kasutajatele retentsioonimäärasid ja prognoosimurret. Prognoositud retentsiooni määra võib kasutada selleks, et otsustada, kas mängu raskusi tuleb muuta. Selle saavutamiseks rakendatakse ennustamismudelitel kasutajate suhtlemisandmeid.

Kasutajaid võib rühmitada klastritesse interaktiivsuse andmete põhjal. Kasutajad, kes mängivad mängu näiteks vähem kui 30 minutit, võiksid seda olla tuvastatakse masinõppe algoritmi abil.

Patent viitab sellele, et süsteemi teatud teostustes rühmitatakse sarnaste omadustega kasutajad ja raskusastmete kohandamine iga kasutaja ainulaadse tegevuse põhjal võimaldab raskusi paremini hallata tasemed.

Seotud: Google'i tehisintellekti läbimurre: mida see tähendab ja kuidas see teid mõjutab

Klastri loomine algab mängu kasutajate tuvastamisest. Andmeid kasutajate interaktsiooni kohta kogutakse aja jooksul ja kasutatakse nende kasutajate filtreerimiseks, kes ei vasta koostoimimise kriteeriumidele. Pärast kasutajate välja filtreerimist luuakse kasutajaklastrid raskusteelistustega, tuginedes kasutajate interaktsiooniandmetele ja seotustasemetele.

Klastri määramine kasutajale saavutatakse kasutaja tuvastamise ja kasutaja interaktsiooniandmete kogumise abil mänguga aja jooksul. Kasutaja interaktsiooniandmeid kasutatakse koos klastrimääratlustega, et tuvastada konkreetsed klastrid, millega kasutajad saavad siduda.

Raskuste seadmise protsess algab kasutaja tuvastamisest, millele järgneb kasutajaga seotud kasutajaklastri määramine. Konfiguratsiooni väärtusi korrigeeritakse kasutaja interaktsiooni andmete põhjal.

Algse hindamise süsteemi abil tehakse kindlaks, kui keeruline võib olla videomängu osakaal. Seemnete hindamise protsess algab seemnete (väärtuste) kindlakstegemisega, mida võidakse kasutada videomängu seadistamiseks. Kasutajate edenemist jälgitakse aja jooksul, et teha kindlaks normaliseeritud edenemisandmete põhjal raskus.

Suurima näite seemnetest leiab Minecraftist, kus erinevad seemned pakuvad täiesti erinevaid seiklusi.

Mõnes süsteemi teostuses ei pruugi kasutaja DDA käivitamist mängus tuvastada. Mäng võib videomängus muudatusi korrata ka juhul, kui mõni sündmus käivitatakse.

Miks on EA-l dünaamiliste raskuste reguleerimise patent?

Pärast EA DDA patendi avastamist tundsid paljud EA mängude kasutajad muret, kas tehnoloogiat nende mängudes kasutatakse, ja selle mõju nende kogemustele.

EA vastu algatati 2020. aasta lõpus kohtuasi (mis hiljem loobuti), mis tekitas edasisi arutelusid mänguettevõtte võimaliku tehnika kasutamise üle.

Hagejad uskusid, et EA kasutas seda tehnoloogiat mängude raskuse suurendamiseks, et rohkem inimesi sooviks mängusiseste esemete ostmiseks (rüüstata kastid) võita. EA edastas teavet ja prokurörid rääkisid selle insenerimeeskonnaga, et tõestada, et DDA-d või muid sarnaseid skripte ei kasutatud väidetavalt.

EA töötaja teadaande kohaselt töötati selle tehnoloogia välja selgitamiseks, kuidas aidata mängudel raskustes olevaid mängijaid edenemisvõimaluste loomisel. Eesmärk on tagada, et maksjad ei hakkaks mängust liiga tüdima ega pettuma.

EA tarnitud ametlik vastus:

Oleme kuulnud teie muret dünaamilise raskuste kohandamise patendiperekonna üle (siin ja siin) ning soovisime kinnitada, et seda ei kasutata EA SPORTS FIFA-s. Me ei kasutaks seda kunagi oma mängudes ühegi mängijate rühma teise vastu eeliseks või halvemaks muutmiseks. Selle tehnoloogia eesmärk oli uurida, kuidas saaksime aidata mängijatel, kellel on mängu teatud piirkonnas raskusi, edasiliikumise võimalust.

EA teatas, et seda ei kasutaks DDA tehnoloogiat võrgumängudes mängijatele eeliste andmiseks või eemaldamiseks. Ta kinnitab, et see tehnoloogia ei ole juhtivates mängudes nagu FIFA, Madden või NHL.

Dünaamilise raskuste kohandamise kasutamine videomängudes

EA on alati eitanud DDA kasutamist videomängudes. FIFA DDA kohta Redditi kohta esitatud küsimusele vastates kinnitas loovjuht Matt Prior, et on mängijate eksimisvõimalus mängus, lähtudes mängijate individuaalsest statistikast ja väsimusest DDA.

Pole harvad juhud, kus mängutööstuses esitatakse patente ilma kunagi kasutamata. Märkimisväärne osa teadus- ja arendustegevusest läheb uute mängukontseptsioonide loomiseks. Alati genereeritakse uusi ideid, mis ei pruugi erinevate tegurite, näiteks maineriskide või isegi lihtsalt idee mänguks integreerimise viisi leidmise tõttu kohapealt lahti saamata.

Microsoft parandab selle tüütu Xboxi kontrolleri lahtiühendamise vea

Microsoft ütles, et läheb ja nüüd täidab lubadust.

Autori kohta