Hva er dynamisk vanskelighetsjustering, og hvorfor eier EA patentet?

Dynamisk vanskelighetsjustering (DDA) er en teknologi som brukes til å endre spillets vanskeligheter i henhold til spillerens ferdigheter. I løpet av et spill kan vanskelighetsjusteringsteknikken hjelpe spilleren til å vinne hvis de taper. I andre tilfeller kan det gjøre det vanskeligere for en spiller å vinne en kamp.

Hva er dynamisk vanskelighetsjustering?

DDA overvåker og forutsier hvor lenge en spiller forblir engasjert av et spill. Den kombinerer denne informasjonen med forskjellige datatyper, for eksempel hvor lenge et spill holder en spiller engasjert i en singleplayer-økt.

En DDA kan forhindre at en spiller kjeder seg hvis spillet er enkelt. Det kan også hindre spillerne i å bli frustrerte hvis spillet er for vanskelig.

DDA jobber både på kort og lang sikt. Kortsiktig DDA forhindrer spillere i å oppleve lange strekninger av samme utfall, enten det er bra eller dårlig. En tilfeldig tallgenerator brukes til å oppnå kortsiktig DDA. En langsiktig DDA justerer nivået på spillet til et som passer for deres ferdigheter og ytelse.

Alt er veldig bra og bra, men hvordan fungerer dynamisk vanskelighetsjustering i spillet?

Hvordan fungerer dynamisk vanskelighetsjustering?

En vanlig måte å oppnå DDA på er å gjøre endringer i løpet av spillet ved å justere vanskeligheter etter at triggerhendelser oppstår som indikerer uønskede tilstander til spilleren. Slike stater inkluderer kjedsomhet og frustrasjon.

DDA er avhengig av maskinlæringsalgoritmer for å lage spådommer som er nødvendige for å utføre justeringer. Maskinlæringsalgoritmer, som overvåket og ikke-overvåket, oppretter og oppdaterer prediksjonsmodeller for spill. Ensemblealgoritmer og forekomstbaserte algoritmer er eksempler på logikk som brukes til å lage og oppdatere prediksjonsmodeller for DDA.

Systemer for dynamisk vanskelighetsjustering

EN patent gitt til EA i 2018 avslører detaljer om de tekniske komponentene til DDA i EA-spill.

Patentet beskriver et system med en elektronisk datalager som en maskinvareprosessor bruker for å utføre instruksjoner for å identifisere justeringsverdier til variabler i videospillet. Maskinvareprosessoren genererer en prediksjonsmodell ved å utføre instruksjoner for å få tilgang til datasett som brukes i maskinlæringssystemet.

Patentet beskriver også hvordan DDA bruker forskjellige typer brukerinteraksjonsdata for å vurdere hvor engasjert en bruker er. Slike data inkluderer mengden penger brukt i spillet, brukerens fremgang i spillet, og spillerens tilbøyelighet til å stoppe på grunn av deres fremgang i spillet.

Brukerinteraksjonsdata brukes i kombinasjon med andre datatyper for å opprette og handle på spådommer. Dataene mater forskjellige typer systemer i spillet som jobber sammen for å endre vanskeligheten.

Typene systemer og prosesser som kan fungere sammen inkluderer:

• Retensjonsanalyse
• Prognosemodellgenerering
• Klyngeopprettelse
• Klyngeoppdrag
• Seed evaluering
• Vanskelighetsinnstilling

I et nøtteskall jobber disse systemene sammen for å samle inn spillerdata, som brukes til å bestemme hvor vanskelig eller enkelt spillet skal være.

I slekt: Psykologiske grunner til at videospill er vanedannende

DDA datamodellering

Prognosemodellgenereringsprosessen involverer historiske brukerinteraksjonsdata kombinert med kontrolldata for å generere prediksjonsmodeller. Kontrolldataene brukes til å angi ønsket prediksjon for antall brukere.

Et retensjonsanalysesystem kan være sammensatt av ett eller flere systemer som genererer retensjonshastigheter og spådommer for brukere. Den forventede oppbevaringsgraden kan brukes til å avgjøre om spillets vanskeligheter må endres. Brukerinteraksjonsdata brukes på prediksjonsmodeller for å oppnå dette.

Brukere kan grupperes i klynger basert på interaktivitetsdata. Brukere som spiller spillet i mindre enn 30 minutter, kan for eksempel være det identifisert av maskinlæringsalgoritmen.

Patentet antyder at i visse utførelsesformer av systemet grupperer brukere med lignende egenskaper og justering av vanskelighetsnivåer basert på de unike handlingene til hver bruker, gir bedre håndtering av vanskeligheter nivåer.

I slekt: Googles AI-gjennombrudd: Hva det betyr og hvordan det påvirker deg

Opprettelse av klynger begynner med identifisering av brukere i spillet. Data om brukerinteraksjon samles over tid og brukes til å filtrere ut brukere som ikke oppfyller interaksjonskriteriene. Etter at brukerne er filtrert ut, opprettes brukerklynger med vanskelighetspreferanser basert på brukerinteraksjonsdata og engasjementsnivåer.

Klyngetildeling for en bruker oppnås ved å identifisere brukeren og samle brukerens interaksjonsdata med spillet over tid. Brukerinteraksjonsdata brukes i kombinasjon med klyngedefinisjoner for å identifisere spesifikke klynger som brukere kan knytte seg til.

Vanskelighetsinnstillingsprosessen starter med identifisering av en bruker, etterfulgt av fastsettelse av en brukerklynge tilknyttet brukeren. Konfigurasjonsverdiene justeres basert på brukerinteraksjonsdataene.

Et frøevalueringssystem brukes til å bestemme hvor vanskelig en andel av et videospill kan være. Frøevalueringsprosessen begynner med identifisering av frø (verdier) som kan brukes til å konfigurere videospillet. Brukerens fremgang for hvert frø overvåkes over tid for å fastslå en vanskelighetsgrad basert på normaliserte fremdriftsdata.

Et godt eksempel på frø finnes i Minecraft, der forskjellige frø gir helt forskjellige opplevelser.

I noen utførelser av systemet kan det hende at brukeren ikke oppdager DDA i spillet. Spillet kan også gjenta endringer i videospillet hvis en hendelse utløses.

Hvorfor eier EA et patent for dynamisk vanskelighetsjustering?

Etter å ha oppdaget EAs DDA-patent ble mange brukere av EA-spill bekymret for om teknologien var i bruk i spillene deres og hvilken effekt den hadde på deres opplevelser.

En søksmål (som senere ble henlagt) ble reist mot EA i slutten av 2020, noe som ga opphav til ytterligere diskusjoner om potensiell bruk av teknikken fra spillselskapet.

Saksøkerne mente at EA brukte teknologien til å øke vanskeligheten med spill slik at flere ville ønske seg å kjøpe varer i spillet (loot boxes) for å vinne. EA ga informasjon, og påtalemyndighetene snakket med ingeniørteamet for å bevise at det ikke var bruk av DDA eller lignende manus som påstått.

I følge en kunngjøring fra en EA-ansatt ble teknologien designet for å finne ut hvordan man kan hjelpe spillere som har vanskeligheter med spill, få muligheter til å komme videre. Hensikten er å sikre at betalere ikke blir for lei eller frustrerte over spillet.

EA levert et offisielt svar:

Vi har hørt bekymringene dine rundt patentfamilien Dynamic Difficulty Adjustment (her og her), og ønsket å bekrefte at den ikke brukes i EA SPORTS FIFA. Vi vil aldri bruke den til fordel eller ulempe for noen spillergruppe mot en annen i noen av spillene våre. Teknologien ble designet for å utforske hvordan vi kan hjelpe spillere som har problemer i et bestemt område av et spill, har en mulighet til å komme videre.

EA uttalte at det ville ikke bruke DDA-teknologi å gi eller fjerne fordeler for spillere i online spill. Det hevder at teknologien ikke er i ledende spill som FIFA, Madden eller NHL.

Bruken av dynamisk vanskelighetsjustering i videospill

EA har alltid nektet å bruke DDA i videospill. På et spørsmål om Reddit om DDA i FIFA, sa kreativ direktør Matt Prior at det er det potensial for spillerfeil i spillet, basert på individuell spillerstatistikk og utmattelse, snarere enn DDA.

Det er ikke uvanlig at patenter i spillindustrien blir arkivert uten å bli brukt. En betydelig mengde forskning og utvikling går i å skape nye konsepter for spill. Nye ideer blir alltid generert som kanskje ikke kommer av banen på grunn av forskjellige faktorer, for eksempel omdømmerisiko eller til og med bare ikke å finne en måte å ordentlig integrere ideen i et spill.

Microsoft fikser den irriterende Xbox-kontrolleren frakoblingsfeil

Microsoft sa at det skulle, og nå lever det opp løftet.

Om forfatteren