Шта је динамичко прилагођавање потешкоћа и зашто ЕА поседује патент?

Динамичко прилагођавање потешкоћа (ДДА) је технологија која се користи за промену тежине игре у складу са вештином играча. Током игре, техника прилагођавања потешкоћа може помоћи играчу да победи ако губи. У другим случајевима то може отежати играчу победу у мечу.

Шта је динамичко прилагођавање потешкоћа?

ДДА надгледа и предвиђа колико времена играч остаје ангажован у игри. Комбинује ове информације са различитим типовима података, на пример колико дуго игра задржава играча укљученим у сесију за једног играча.

ДДА може спречити играча да му досади ако је игра лака. Такође може спречити играче да постану фрустрирани ако је игра претешка.

ДДА делује и краткорочно и дугорочно. Краткорочни ДДА спречава играче да доживе дуге дијелове истог исхода, било добрих или лоших. Генератор случајних бројева користи се за постизање краткорочног ДДА. Дугорочни ДДА прилагођава ниво игре ономе који одговара њиховим вештинама и учинку.

То је све врло добро и добро, али како динамичко прилагођавање потешкоћа функционише у игри?

Како функционише динамичко прилагођавање потешкоћа?

Уобичајени начин постизања ДДА је мењање тока игре прилагођавањем потешкоћа након што се догоде догађаји окидача који указују на нежељена стања играча. Таква стања укључују досаду и фрустрацију.

ДДА зависи од алгоритама машинског учења како би се направила предвиђања потребна за извршавање прилагођавања. Алгоритми машинског учења, као што су надгледани и ненадгледани, креирају и ажурирају моделе предвиђања за игре. Алгоритми ансамбла и алгоритми засновани на инстанцама су примери логике који се користе за креирање и ажурирање модела предвиђања за ДДА.

Системи за динамичко прилагођавање тешкоћа

А. патент додељен ЕА у 2018. открива детаље о техничким компонентама ДДА у ЕА играма.

Патент описује систем са електронским складиштем података који хардверски процесор користи за извршавање упутстава за идентификовање вредности подешавања променљивих у видео игри. Хардверски процесор генерише модел предвиђања извршавањем упутстава за приступ скуповима података који се користе у систему машинског учења.

Патент такође детаљно описује како ДДА користи различите врсте података о интеракцији корисника да би проценио колико је корисник ангажован. Такви подаци укључују количину новца потрошеног у игри, напредак корисника у игри и склоност играча да заустави због свог напретка у игри.

Подаци о интеракцији корисника користе се у комбинацији са другим типовима података за креирање и деловање на моделе предвиђања играња. Подаци дају различите типове система у игри који заједно раде на промени потешкоћа.

Типови система и процеса који могу радити заједно укључују:

• Анализа задржавања
• Генерисање модела предвиђања
• Стварање кластера
• Задатак кластера
• Процена семена
• Постављање потешкоћа

Укратко, ови системи заједно сакупљају податке о играчима, што се користи да би се утврдило колико игра треба да буде тешка или лака.

Повезан: Психолошки разлози због којих видео игре зависе

ДДА моделирање података

Процес генерисања модела предвиђања укључује историјске податке о интеракцији корисника у комбинацији са контролним подацима за генерисање модела предвиђања. Контролни подаци се користе за постављање жељеног предвиђања броја корисника.

Систем анализе задржавања може се састојати од једног или више система који генеришу стопе задржавања и одзив предвиђања за кориснике. Предвиђена стопа задржавања може се користити за одлучивање да ли треба променити тежину игре. Подаци о интеракцији корисника примењују се на моделе предвиђања да би се то постигло.

Корисници се могу групирати у кластере на основу података о интерактивности. На пример, корисници који играју игру краћу од 30 минута идентификовани алгоритмом машинског учења.

Патент сугерише да се у одређеним решењима система групирање корисника са сличним карактеристикама и прилагођавање нивоа тежине на основу јединствених радњи сваког корисника омогућава боље управљање потешкоћама нивоа.

Повезан: Гоогле-ов пробој АИ: шта то значи и како утиче на вас

Стварање кластера започиње идентификацијом корисника у игри. Подаци о интеракцији корисника прикупљају се током времена и користе се за филтрирање корисника који не испуњавају критеријуме интеракције. Након што се корисници филтрирају, корисници кластери се стварају са преференцама потешкоћа на основу података о интеракцији корисника и нивоа ангажовања.

Додељивање кластера за корисника постиже се идентификовањем корисника и прикупљањем података о интеракцији корисника са игром током времена. Подаци о интеракцији корисника користе се у комбинацији са дефиницијама кластера за идентификовање одређених кластера са којима се корисници могу повезати.

Поступак постављања потешкоћа започиње идентификацијом корисника, након чега следи одређивање корисничког кластера повезаног са корисником. Вредности конфигурације се прилагођавају на основу података о интеракцији корисника.

Систем процене семена се користи да би се утврдило колико тежак може бити део видео игре. Процес процене семена започиње идентификовањем семена (вредности) које се могу користити за конфигурисање видео игре. Напредак корисника за свако семе прати се током времена како би се утврдила потешкоћа на основу нормализованих података о напретку.

Врхунски пример семена налази се у Минецрафт-у, где различито семе пружа потпуно различите авантуре.

У неким реализацијама система, корисник можда неће открити извршење ДДА у игри. Игра такође може поновити промене у видео игри ако је догађај покренут.

Зашто ЕА поседује патент за динамичко прилагођавање потешкоћа?

Након открића ЕА-овог ДДА патента, многи корисници ЕА игара постали су забринути да ли се технологија користи у њиховим играма и ефектом који је имала на њихова искуства.

Тужба (која је касније прекинута) покренута је против ЕА крајем 2020. године, што је довело до даљих расправа о потенцијалној употреби технике од стране компаније за игре на срећу.

Тужиоци су веровали да је ЕА технологију користио за повећање тежине игара како би више људи желело за куповину предмета у игри (плијен кутије) за победу. ЕА је пружио информације, а тужиоци су разговарали са њеним инжењерским тимом како би доказали да није било употребе ДДА или сличног скриптирања као што се наводи.

Према најави запосленог у ЕА, технологија је дизајнирана да сазна како да помогне играчима који имају потешкоће у играма да стекну могућности за напредак. Намера је да се осигура да платиоци не буду превише досадни или фрустрирани игром.

ЕА испоручен званични одговор:

Чули смо ваше забринутости због породице патената динамичког прилагођавања потешкоћа (овде и овде) и желели смо да потврдимо да се не користи у ЕА СПОРТС ФИФА. Никада га не бисмо користили у корист или непогодовање било које групе играча у односу на другу у било којој од наших игара. Технологија је дизајнирана да истражи како бисмо могли да помогнемо играчима који имају потешкоћа у одређеном делу игре да имају прилику да напредују.

ЕА је то изјавио не би користила ДДА технологију да дају или уклоне предности за играче у мрежним играма. Тврди да технологија није у водећим играма као што су ФИФА, Мадден или НХЛ.

Коришћење динамичког прилагођавања потешкоћа у видео играма

ЕА је увек порицао да користи ДДА у видео играма. Одговарајући на питање на Реддиту о ДДА у ФИФА-и, креативни директор Матт Приор изјавио је да постоји потенцијал за грешку играча у игри, на основу појединачних статистика играча и умора, пре него ДДА.

Нису ретки случајеви да се патенти у индустрији игара на срећу пријаве, а да се никада не користе. Значајна количина истраживања и развоја иде у стварање нових концепата играња. Увек се генеришу нове идеје које се можда неће срушити због различитих фактора, као што су репутацијски ризици или чак не проналажење начина да се идеја правилно интегрише у игру.

Мицрософт поправља ту досадну грешку прекида везе са Ксбок Цонтроллер-ом

Мицрософт је рекао да хоће и сада испуњава обећање.

О аутору