Τι είναι η δυναμική προσαρμογή δυσκολίας και γιατί η EA κατέχει το δίπλωμα ευρεσιτεχνίας;

Η δυναμική προσαρμογή δυσκολίας (DDA) είναι μια τεχνολογία που χρησιμοποιείται για να αλλάξει τη δυσκολία ενός παιχνιδιού σύμφωνα με τις ικανότητες ενός παίκτη. Κατά τη διάρκεια ενός παιχνιδιού, η τεχνική προσαρμογής δυσκολίας μπορεί να βοηθήσει τον παίκτη να κερδίσει αν χάσει. Σε άλλες περιπτώσεις, μπορεί να είναι πιο δύσκολο για έναν παίκτη να κερδίσει έναν αγώνα.

Τι είναι η δυναμική προσαρμογή δυσκολίας;

Το DDA παρακολουθεί και προβλέπει το χρονικό διάστημα που ένας παίκτης παραμένει δεσμευμένος από ένα παιχνίδι. Συνδυάζει αυτές τις πληροφορίες με διαφορετικούς τύπους δεδομένων, όπως για πόσο καιρό ένα παιχνίδι διατηρεί έναν παίκτη που συμμετέχει σε μια συνεδρία ενός παίκτη.

Ένα DDA μπορεί να εμποδίσει έναν παίκτη να βαρεθεί εάν το παιχνίδι είναι εύκολο. Μπορεί επίσης να αποτρέψει την απογοήτευση των παικτών εάν το παιχνίδι είναι πολύ δύσκολο.

Το DDA λειτουργεί τόσο βραχυπρόθεσμα όσο και μακροπρόθεσμα. Το βραχυπρόθεσμο DDA εμποδίζει τους παίκτες να βιώσουν μεγάλες εκτάσεις με το ίδιο αποτέλεσμα, είτε καλό είτε κακό.

Μια γεννήτρια τυχαίων αριθμών χρησιμοποιείται για την επίτευξη βραχυπρόθεσμου DDA. Ένα μακροπρόθεσμο DDA προσαρμόζει το επίπεδο του παιχνιδιού σε αυτό που είναι κατάλληλο για τις δεξιότητες και την απόδοσή τους.

Όλα αυτά είναι πολύ καλά και καλά, αλλά πώς λειτουργεί η δυναμική προσαρμογή δυσκολίας στο παιχνίδι;

Πώς λειτουργεί η προσαρμογή δυναμικής δυσκολίας;

Ένας κοινός τρόπος επίτευξης του DDA είναι να κάνετε αλλαγές στην πορεία του παιχνιδιού προσαρμόζοντας τη δυσκολία μετά την εμφάνιση γεγονότων ενεργοποίησης που υποδηλώνουν ανεπιθύμητες καταστάσεις του παίκτη. Τέτοιες καταστάσεις περιλαμβάνουν την πλήξη και την απογοήτευση.

Το DDA εξαρτάται από αλγόριθμους μηχανικής μάθησης για να κάνει τις προβλέψεις που απαιτούνται για την εκτέλεση προσαρμογών. Οι αλγόριθμοι μηχανικής μάθησης, όπως εποπτευόμενοι και μη εποπτευόμενοι, δημιουργούν και ενημερώνουν μοντέλα πρόβλεψης για παιχνίδια. Οι αλγόριθμοι συνόλων και οι αλγόριθμοι βάσει παραδείγματος είναι παραδείγματα λογικής που χρησιμοποιούνται για τη δημιουργία και την ενημέρωση μοντέλων πρόβλεψης για το DDA.

Συστήματα για δυναμική προσαρμογή δυσκολίας

ΕΝΑ δίπλωμα ευρεσιτεχνίας που χορηγείται στην EA το 2018 αποκαλύπτει λεπτομέρειες σχετικά με τα τεχνικά στοιχεία του DDA στα παιχνίδια EA.

Το δίπλωμα ευρεσιτεχνίας περιγράφει ένα σύστημα με ηλεκτρονικό χώρο αποθήκευσης δεδομένων που χρησιμοποιεί ένας επεξεργαστής υλικού για να εκτελέσει οδηγίες για τον προσδιορισμό τιμών προσαρμογής σε μεταβλητές στο βιντεοπαιχνίδι. Ο επεξεργαστής υλικού δημιουργεί ένα μοντέλο πρόβλεψης εκτελώντας οδηγίες για πρόσβαση σε σύνολα δεδομένων που χρησιμοποιούνται στο σύστημα μηχανικής εκμάθησης.

Το δίπλωμα ευρεσιτεχνίας περιγράφει επίσης τον τρόπο με τον οποίο το DDA χρησιμοποιεί διαφορετικούς τύπους δεδομένων αλληλεπίδρασης χρήστη για να αξιολογήσει πόσο αφοσιωμένος είναι ένας χρήστης. Τέτοια δεδομένα περιλαμβάνουν το ποσό των χρημάτων που δαπανήθηκαν στο παιχνίδι, την πρόοδο του χρήστη στο παιχνίδι και την τάση του παίκτη να σταματήσει λόγω της προόδου του στο παιχνίδι.

Τα δεδομένα αλληλεπίδρασης χρηστών χρησιμοποιούνται σε συνδυασμό με άλλους τύπους δεδομένων για τη δημιουργία και την εφαρμογή μοντέλων πρόβλεψης παιχνιδιού. Τα δεδομένα τροφοδοτούν διαφορετικούς τύπους συστημάτων στο παιχνίδι που συνεργάζονται για να αλλάξουν τη δυσκολία.

Οι τύποι συστημάτων και διαδικασιών που μπορεί να λειτουργούν μαζί περιλαμβάνουν:

• Ανάλυση κατακράτησης
• Δημιουργία μοντέλου πρόβλεψης
• Δημιουργία συμπλέγματος
• Αντιστοίχιση συμπλέγματος
• Αξιολόγηση σπόρων
• Ρύθμιση δυσκολίας

Με λίγα λόγια, αυτά τα συστήματα συνεργάζονται για τη συλλογή δεδομένων παικτών, τα οποία χρησιμοποιούνται για να προσδιορίσουν πόσο δύσκολο ή εύκολο θα πρέπει να είναι το παιχνίδι.

Σχετιζομαι με: Ψυχολογικοί λόγοι για τους οποίους τα βιντεοπαιχνίδια είναι εθιστικά

Μοντελοποίηση δεδομένων DDA

Η διαδικασία δημιουργίας μοντέλων πρόβλεψης περιλαμβάνει ιστορικά δεδομένα αλληλεπίδρασης χρήστη σε συνδυασμό με δεδομένα ελέγχου για τη δημιουργία μοντέλων πρόβλεψης. Τα δεδομένα ελέγχου χρησιμοποιούνται για να ορίσουν την επιθυμητή πρόβλεψη για τον αριθμό των χρηστών.

Ένα σύστημα ανάλυσης διατήρησης μπορεί να αποτελείται από ένα ή περισσότερα συστήματα που δημιουργούν ρυθμούς διατήρησης και μεταβολές πρόβλεψης για τους χρήστες. Το προβλεπόμενο ποσοστό διατήρησης μπορεί να χρησιμοποιηθεί για να αποφασίσει εάν η δυσκολία του παιχνιδιού πρέπει να αλλάξει. Τα δεδομένα αλληλεπίδρασης χρήστη εφαρμόζονται σε μοντέλα πρόβλεψης για να επιτευχθεί αυτό.

Οι χρήστες μπορούν να ομαδοποιηθούν σε ομάδες που βασίζονται σε δεδομένα διαδραστικότητας. Για παράδειγμα, οι χρήστες που παίζουν το παιχνίδι για λιγότερο από 30 λεπτά προσδιορίζεται από τον αλγόριθμο μηχανικής μάθησης.

Η ευρεσιτεχνία υποδηλώνει ότι σε ορισμένες υλοποιήσεις του συστήματος, ομαδοποίηση χρηστών με παρόμοια χαρακτηριστικά και Η προσαρμογή των επιπέδων δυσκολίας με βάση τις μοναδικές ενέργειες κάθε χρήστη επιτρέπει καλύτερη διαχείριση της δυσκολίας επίπεδα.

Σχετιζομαι με: Η ανακάλυψη AI της Google: Τι σημαίνει και πώς σας επηρεάζει

Η δημιουργία συμπλέγματος ξεκινά με την αναγνώριση των χρηστών στο παιχνίδι. Τα δεδομένα σχετικά με την αλληλεπίδραση των χρηστών συλλέγονται με την πάροδο του χρόνου και χρησιμοποιούνται για το φιλτράρισμα χρηστών που δεν πληρούν τα κριτήρια αλληλεπίδρασης. Μετά το φιλτράρισμα των χρηστών, δημιουργούνται ομάδες χρηστών με προτιμήσεις δυσκολίας με βάση τα δεδομένα αλληλεπίδρασης χρήστη και τα επίπεδα αφοσίωσης.

Η ανάθεση συμπλέγματος για έναν χρήστη επιτυγχάνεται με την ταυτοποίηση του χρήστη και τη συλλογή των δεδομένων αλληλεπίδρασης του χρήστη με το παιχνίδι με την πάροδο του χρόνου. Τα δεδομένα αλληλεπίδρασης χρήστη χρησιμοποιούνται σε συνδυασμό με ορισμούς συμπλέγματος για τον προσδιορισμό συγκεκριμένων συμπλεγμάτων για τους οποίους οι χρήστες μπορούν να συσχετιστούν.

Η διαδικασία ρύθμισης δυσκολίας ξεκινά με την αναγνώριση ενός χρήστη, ακολουθούμενη από τον προσδιορισμό ενός συμπλέγματος χρηστών που σχετίζεται με τον χρήστη. Οι τιμές διαμόρφωσης προσαρμόζονται με βάση τα δεδομένα αλληλεπίδρασης χρήστη.

Ένα σύστημα αξιολόγησης σπόρων χρησιμοποιείται για να προσδιορίσει πόσο δύσκολο μπορεί να είναι ένα ποσοστό ενός βιντεοπαιχνιδιού. Η διαδικασία αξιολόγησης των σπόρων ξεκινά με την αναγνώριση των σπόρων (τιμές) που μπορούν να χρησιμοποιηθούν για τη διαμόρφωση του βιντεοπαιχνιδιού. Η πρόοδος των χρηστών για κάθε σπόρο παρακολουθείται με την πάροδο του χρόνου για να προσδιοριστεί μια δυσκολία με βάση τα κανονικοποιημένα δεδομένα προόδου.

Ένα πρωταρχικό παράδειγμα σπόρων βρίσκεται στο Minecraft, όπου διαφορετικοί σπόροι παρέχουν εντελώς διαφορετικές περιπέτειες.

Σε ορισμένες ενσωματώσεις του συστήματος, η εκτέλεση του DDA στο παιχνίδι ενδέχεται να μην ανιχνευθεί από τον χρήστη. Το παιχνίδι μπορεί επίσης να επαναλάβει αλλαγές στο βιντεοπαιχνίδι εάν ενεργοποιηθεί ένα συμβάν.

Γιατί η EA διαθέτει δίπλωμα ευρεσιτεχνίας για δυναμική προσαρμογή δυσκολίας;

Αφού ανακάλυψαν την ευρεσιτεχνία DDA της EA, πολλοί χρήστες των παιχνιδιών της EA ανησυχούσαν για το αν η τεχνολογία χρησιμοποιήθηκε στα παιχνίδια τους και την επίδραση που είχε στις εμπειρίες τους.

Μια αγωγή (η οποία αργότερα απορρίφθηκε) ασκήθηκε εναντίον της EA στα τέλη του 2020, προκαλώντας περαιτέρω συζητήσεις για την πιθανή χρήση της τεχνικής από την εταιρεία τυχερών παιχνιδιών.

Οι ενάγοντες πίστευαν ότι η EA χρησιμοποίησε την τεχνολογία για να αυξήσει τη δυσκολία των παιχνιδιών, ώστε να θέλουν περισσότερα άτομα για αγορά αντικειμένων εντός παιχνιδιού για να κερδίσετε. Η EA παρείχε πληροφορίες και οι εισαγγελείς μίλησαν στην ομάδα μηχανικών της για να αποδείξουν ότι δεν υπήρχε χρήση DDA ή παρόμοιου σεναρίου όπως φέρεται.

Σύμφωνα με την ανακοίνωση ενός υπαλλήλου της EA, η τεχνολογία σχεδιάστηκε για να μάθει πώς να βοηθήσει παίκτες που αντιμετωπίζουν δυσκολίες στα παιχνίδια να αποκτήσουν ευκαιρίες για πρόοδο. Η πρόθεση είναι να διασφαλιστεί ότι οι πληρωτές δεν θα βαρεθούν ή απογοητεύονται από το παιχνίδι.

Η ΕΑ παραδόθηκε επίσημη απάντηση:

Έχουμε ακούσει τις ανησυχίες σας σχετικά με την οικογένεια διπλωμάτων ευρεσιτεχνίας Dynamic Difficulty Adjustment (εδώ και εδώ) και θέλαμε να επιβεβαιώσουμε ότι δεν χρησιμοποιείται στο EA SPORTS FIFA. Δεν θα το χρησιμοποιούσαμε ποτέ για να επωφεληθούμε ή να βλάψουμε οποιαδήποτε ομάδα παικτών εναντίον άλλου σε οποιοδήποτε από τα παιχνίδια μας. Η τεχνολογία σχεδιάστηκε για να διερευνήσει πώς μπορούμε να βοηθήσουμε τους παίκτες που αντιμετωπίζουν δυσκολίες σε μια συγκεκριμένη περιοχή ενός παιχνιδιού να έχουν την ευκαιρία να προχωρήσουν.

Η ΕΑ το δήλωσε δεν θα χρησιμοποιούσε τεχνολογία DDA να δώσει ή να αφαιρέσει πλεονεκτήματα για παίκτες σε διαδικτυακά παιχνίδια. Υποστηρίζει ότι η τεχνολογία δεν είναι σε κορυφαία παιχνίδια όπως τα FIFA, Madden ή NHL.

Η χρήση της δυναμικής προσαρμογής δυσκολίας στα βιντεοπαιχνίδια

Η EA αρνήθηκε πάντα τη χρήση DDA σε βιντεοπαιχνίδια. Απαντώντας σε μια ερώτηση για το Reddit σχετικά με το DDA στο FIFA, ο δημιουργικός διευθυντής Matt Prior δήλωσε ότι υπάρχει πιθανότητα σφάλματος παίκτη στο παιχνίδι, βάσει μεμονωμένων στατιστικών στοιχείων παικτών και κόπωσης, αντί DDA.

Δεν είναι ασυνήθιστο να κατατίθενται διπλώματα ευρεσιτεχνίας στη βιομηχανία τυχερών παιχνιδιών χωρίς να χρησιμοποιούνται ποτέ. Ένα σημαντικό μέρος της έρευνας και της ανάπτυξης πηγαίνει στη δημιουργία νέων εννοιών για το παιχνίδι. Νέες ιδέες δημιουργούνται πάντα που μπορεί να μην ξεκινούν λόγω διαφορετικών παραγόντων, όπως κίνδυνοι φήμης ή ακόμη και απλώς να μην βρουν τρόπο να ενσωματώσουν σωστά την ιδέα σε ένα παιχνίδι.

Η Microsoft επιδιορθώνει το σφάλμα αποσύνδεσης του ελεγκτή Xbox Pesky

Η Microsoft είπε ότι επρόκειτο να γίνει και τώρα τηρεί την υπόσχεση.

Σχετικά με τον Συγγραφέα