מהי התאמת קושי דינמי ולמה EA מחזיק בפטנט?

התאמת קושי דינמי (DDA) היא טכנולוגיה המשמשת לשינוי הקושי של המשחק בהתאם למיומנותו של השחקן. במהלך משחק, טכניקת התאמת הקושי עשויה לעזור לשחקן לנצח אם הוא מפסיד. במקרים אחרים זה יכול להקשות על שחקן לזכות במשחק.

מהי התאמת קושי דינמי?

DDA עוקב ומנבא את משך הזמן בו שחקן נשאר מעורב במשחק. הוא משלב מידע זה עם סוגי נתונים שונים, כגון כמה זמן משחק מעסיק את השחקן בסשן של שחקן יחיד.

DDA יכול למנוע משחקן להשתעמם אם המשחק קל. זה יכול גם למנוע מהשחקנים להתסכל אם המשחק קשה מדי.

DDA עובד גם בטווח הקצר וגם בטווח הארוך. DDA לטווח קצר מונע משחקנים לחוות טווחים ארוכים של אותה תוצאה, בין אם טובה או רעה. מחולל מספרים אקראיים משמש להשגת DDA לטווח קצר. DDA לטווח ארוך מתאים את רמת המשחק לאחת המתאימה לכישוריהם ולביצועיהם.

כל זה טוב מאוד ויפה, אבל כיצד מסתגל קושי דינמי במשחק?

כיצד מסתגל קושי דינמי?

דרך נפוצה להשגת DDA היא לבצע שינויים במהלך המשחק על ידי התאמת קושי לאחר התרחשות אירועי טריגר המעידים על מצבים לא רצויים של השחקן. מדינות כאלה כוללות שעמום ותסכול.

DDA תלוי באלגוריתמים של למידת מכונה כדי לבצע את החיזויים הדרושים לביצוע התאמות. אלגוריתמים של למידת מכונה, כגון פיקוח ולא פיקוח, יוצרים ומעדכנים מודלים של חיזוי למשחקים. אלגוריתמי אנסמבל ואלגוריתמים מבוססי מופע הם דוגמאות לוגיקה המשמשת ליצירת ועדכני מודלים של חיזוי ל- DDA.

מערכות להתאמת קושי דינמי

א פטנט שהוענק ל- EA בשנת 2018 חושף פרטים על המרכיבים הטכניים של DDA במשחקי EA.

הפטנט מתאר מערכת עם מאגר נתונים אלקטרוני שמשתמש בו מעבד חומרה לביצוע הוראות לזיהוי ערכי התאמה למשתנים במשחק הווידאו. מעבד החומרה מייצר מודל חיזוי על ידי ביצוע הוראות לגישת קבוצות נתונים המשמשות במערכת למידת המכונה.

הפטנט מפרט גם כיצד DDA משתמש בסוגים שונים של נתוני אינטראקציה של משתמשים כדי להעריך עד כמה המשתמש מעורב. נתונים כאלה כוללים את סכום הכסף שהוצא למשחק, את ההתקדמות של המשתמש בתוך המשחק ואת הנטייה של השחקן להפסיק בגלל ההתקדמות שלהם במשחק.

נתוני אינטראקציה של משתמשים משמשים בשילוב עם סוגי נתונים אחרים כדי ליצור ולפעול לפי מודלים של חיזוי משחק. הנתונים מזינים סוגים שונים של מערכות בתוך המשחק הפועלות יחד לשינוי הקושי.

סוגי המערכות והתהליכים שעשויים לעבוד יחד כוללים:

• ניתוח שימור
• דור מודל חיזוי
• יצירת אשכול
• מטלת אשכול
• הערכת זרעים
• הגדרת קושי

בקצרה, מערכות אלה עובדות יחד לאיסוף נתוני שחקנים, המשמשים לקביעת כמה קשה או קל המשחק צריך להיות.

קָשׁוּר: סיבות פסיכולוגיות מדוע משחקי וידאו ממכרים

דוגמנות נתונים של DDA

תהליך ייצור מודל החיזוי כולל נתונים היסטוריים של אינטראקציה של משתמשים בשילוב עם נתוני בקרה ליצירת מודלים של חיזוי. נתוני הבקרה משמשים לקביעת החיזוי הרצוי למספר המשתמשים.

מערכת ניתוח שימור יכולה להיות מורכבת ממערכת אחת או יותר המייצרת שיעורי שימור ונטיית ניבוי עבור המשתמשים. ניתן להשתמש בשיעור החזקה החזוי כדי להחליט האם יש לשנות את קושי המשחק. נתוני אינטראקציה של משתמשים מוחלים על מודלים של חיזוי כדי להשיג זאת.

משתמשים יכולים להיות מקובצים לאשכולות על סמך נתוני אינטראקטיביות. משתמשים שמשחקים את המשחק פחות מ -30 דקות, למשל, יכולים להיות כאלה מזוהה על ידי האלגוריתם של למידת מכונה.

הפטנט מציע כי בהתגלגויות מסוימות של המערכת, קיבוץ משתמשים עם מאפיינים דומים התאמת רמות קושי בהתבסס על הפעולות הייחודיות של כל משתמש מאפשרת ניהול קושי טוב יותר רמות.

קָשׁוּר: פריצת הדרך של גוגל: מה זה אומר ואיך זה משפיע עליך

יצירת אשכול מתחילה בזיהוי המשתמשים במשחק. נתונים על אינטראקציה של משתמשים נאספים לאורך זמן ומשמשים לסינון משתמשים שאינם עומדים בקריטריונים לאינטראקציה. לאחר סינון המשתמשים נוצרים אשכולות משתמשים עם העדפות קושי על סמך נתוני האינטראקציה של המשתמש ורמות המעורבות.

הקצאת אשכולות למשתמש מושגת על ידי זיהוי המשתמש ואיסוף נתוני האינטראקציה של המשתמש עם המשחק לאורך זמן. נתוני האינטראקציה של המשתמשים משמשים בשילוב עם הגדרות אשכול לזיהוי אשכולות ספציפיים שמשתמשים יכולים לשייך אליהם.

תהליך הגדרת הקושי מתחיל בזיהוי המשתמש, ואחריו קביעת אשכול משתמשים המשויך למשתמש. ערכי התצורה מותאמים על סמך נתוני האינטראקציה של המשתמש.

מערכת הערכת זרעים משמשת לקביעת עד כמה חלק ממשחק וידאו יכול להיות קשה. תהליך הערכת הזרעים מתחיל בזיהוי זרעים (ערכים) המשמשים להגדרת תצורת משחק הווידאו. התקדמות המשתמשים עבור כל זרע מנוטרת לאורך זמן כדי לקבוע קושי על סמך נתוני התקדמות מנורמלים.

דוגמה מעולה לזרעים נמצאת ב- Minecraft, כאשר זרעים שונים מספקים הרפתקאות שונות לחלוטין.

בחלק מההתגלמויות של המערכת, ייתכן שהמשתמש לא יגלה את ביצוע ה- DDA במשחק. המשחק עשוי לחזור גם על שינויים במשחק הווידאו אם מופעל אירוע.

מדוע EA מחזיק בפטנט להתאמת קושי דינמי?

לאחר שגילו את פטנט ה- DDA של EA, משתמשים רבים במשחקי EA התעניינו אם הטכנולוגיה נמצאת בשימוש במשחקים שלהם וההשפעה שהייתה לה על חוויותיהם.

תביעה (שהוסרה מאוחר יותר) הוגשה נגד EA בסוף שנת 2020, מה שמוליד דיונים נוספים על השימוש הפוטנציאלי בטכניקה על ידי חברת המשחקים.

התובעים האמינו כי EA השתמשה בטכנולוגיה כדי להגביר את הקושי במשחקים כך שאנשים רבים יותר ירצו לרכישת פריטים במשחק (תיבות שלל) כדי לנצח. EA מסרה מידע והתובעים שוחחו עם צוות ההנדסה שלה כדי להוכיח כי אין שימוש ב- DDA או בתסריט דומה כנטען.

על פי הודעת עובד EA, הטכנולוגיה נועדה לברר כיצד לעזור לשחקנים המתקשים במשחקים להשיג הזדמנויות להתקדם. הכוונה היא להבטיח שמשלמים לא ישתעממו או יתסכלו יותר מדי מהמשחק.

EA נמסר תגובה רשמית:

שמענו את החששות שלך סביב משפחת הפטנטים של דינמי קושי להתאמה (כאן וכאן), ורצינו לאשר שהוא לא משמש ב- EA SPORTS FIFA. לעולם לא נשתמש בזה כדי להועיל או להחסיר קבוצה כלשהי של שחקנים מול שחקן אחר באף אחד מהמשחקים שלנו. הטכנולוגיה נועדה לחקור כיצד אנו יכולים לעזור לשחקנים המתקשים באזור מסוים במשחק יש אפשרות להתקדם.

EA הצהירה כי זה לא ישתמש בטכנולוגיית DDA לתת או להסיר יתרונות לשחקנים במשחקים מקוונים. הוא טוען כי הטכנולוגיה אינה נמצאת במשחקים מובילים כמו פיפ"א, מאדן או NHL.

השימוש בהתאמת קושי דינמי במשחקי וידאו

EA הכחישה תמיד שימוש ב- DDA במשחקי וידאו. בתגובה לשאלה ב- Reddit על DDA בפיפ"א, המנהל הקריאטיבי מאט פריור הצהיר שיש פוטנציאל לטעויות שחקן במשחק, בהתבסס על סטטיסטיקה של שחקנים אישיים ועייפות, ולא על DDA.

אין זה נדיר שמוגשים פטנטים בענף המשחקים מבלי שנעשה בהם שימוש. כמות משמעותית של מחקר ופיתוח נכנסת ליצירת מושגים חדשים למשחק. תמיד נוצרים רעיונות חדשים שעשויים שלא לרדת מהבסיס בגלל גורמים שונים, כמו סיכוני מוניטין או אפילו סתם לא למצוא דרך לשלב נכון את הרעיון במשחק.

מיקרוסופט מתקנת את הבעיה הניתוקית המצוקה של בקר ה- Xbox

מיקרוסופט אמרה שזה הולך, ועכשיו היא מקיימת את ההבטחה.

על הסופר