Wat is dynamische moeilijkheidsaanpassing en waarom is EA eigenaar van het patent?

Dynamische moeilijkheidsaanpassing (DDA) is een technologie die wordt gebruikt om de moeilijkheidsgraad van een game aan te passen aan de vaardigheid van een speler. Tijdens een spel kan de techniek voor het aanpassen van de moeilijkheidsgraad de speler helpen om te winnen als ze verliezen. In andere gevallen kan het voor een speler moeilijker worden om een ​​wedstrijd te winnen.

Wat is dynamische moeilijkheidsaanpassing?

DDA controleert en voorspelt hoe lang een speler betrokken blijft bij een game. Het combineert deze informatie met verschillende gegevenstypen, zoals hoe lang een game een speler bezig houdt met een sessie voor één speler.

Een DDA kan voorkomen dat een speler zich verveelt als het spel eenvoudig is. Het kan er ook voor zorgen dat spelers niet gefrustreerd raken als het spel te moeilijk is.

DDA werkt zowel op korte als op lange termijn. DDA op korte termijn voorkomt dat spelers lange perioden van hetzelfde resultaat ervaren, of ze nu goed of slecht zijn. Een generator voor willekeurige getallen

wordt gebruikt om DDA op korte termijn te bereiken. Een langdurige DDA past het niveau van het spel aan een niveau aan dat geschikt is voor hun vaardigheden en prestaties.

Dat is allemaal heel goed en wel, maar hoe werkt dynamische moeilijkheidsaanpassing in de game?

Hoe werkt dynamische moeilijkheidsaanpassing?

Een gebruikelijke manier om DDA te bereiken, is door het verloop van het spel te veranderen door de moeilijkheidsgraad aan te passen nadat er triggergebeurtenissen zijn opgetreden die duiden op een ongewenste toestand van de speler. Dergelijke toestanden omvatten verveling en frustratie.

DDA is afhankelijk van machine learning-algoritmen om de voorspellingen te doen die nodig zijn om aanpassingen uit te voeren. Algoritmen voor machine learning, zoals supervised en non-supervised, creëren en updaten voorspellingsmodellen voor games. Ensemble-algoritmen en op instanties gebaseerde algoritmen zijn voorbeelden van logica die wordt gebruikt om voorspellingsmodellen voor DDA te maken en bij te werken.

Systemen voor dynamische moeilijkheidsaanpassing

EEN patent verleend aan EA in 2018 onthult details van de technische componenten van DDA in EA-games.

Het octrooi beschrijft een systeem met een elektronische gegevensopslag die een hardwareprocessor gebruikt om instructies uit te voeren om aanpassingswaarden voor variabelen in het videospel te identificeren. De hardwareprocessor genereert een voorspellingsmodel door instructies uit te voeren om toegang te krijgen tot sets gegevens die worden gebruikt in het machine learning-systeem.

Het patent beschrijft ook hoe DDA verschillende soorten gebruikersinteractiegegevens gebruikt om te beoordelen hoe betrokken een gebruiker is. Dergelijke gegevens omvatten de hoeveelheid geld die in het spel is uitgegeven, de voortgang van de gebruiker in het spel en de neiging van de speler om te stoppen vanwege de voortgang in het spel.

Gebruikersinteractiegegevens worden gebruikt in combinatie met andere gegevenstypen om gameplay-voorspellingsmodellen te creëren en ernaar te handelen. De gegevens voeden verschillende soorten systemen binnen het spel die samenwerken om de moeilijkheidsgraad te veranderen.

De soorten systemen en processen die kunnen samenwerken, zijn onder meer:

• Retentie-analyse
• Generatie van voorspellingsmodellen
• Cluster maken
• Clustertoewijzing
• Zaad evaluatie
• Moeilijkheidsgraad

Kortom, deze systemen werken samen om spelersgegevens te verzamelen, die worden gebruikt om te bepalen hoe moeilijk of gemakkelijk het spel zou moeten zijn.

Verwant: Psychologische redenen waarom videogames verslavend zijn

DDA-gegevensmodellering

Het proces voor het genereren van voorspellingsmodellen omvat historische gebruikersinteractiegegevens gecombineerd met controlegegevens om voorspellingsmodellen te genereren. De stuurgegevens worden gebruikt om de gewenste voorspelling voor het aantal gebruikers in te stellen.

Een retentie-analysesysteem kan bestaan ​​uit een of meer systemen die retentiepercentages en voorspellingsverloop voor gebruikers genereren. De voorspelde retentiegraad kan worden gebruikt om te beslissen of de moeilijkheidsgraad van het spel moet worden gewijzigd. Om dit te bereiken worden gebruikersinteractiegegevens toegepast op voorspellingsmodellen.

Gebruikers kunnen worden gegroepeerd in clusters op basis van interactiviteitsgegevens. Gebruikers die het spel minder dan 30 minuten spelen, kunnen dat bijvoorbeeld zijn geïdentificeerd door het algoritme voor machine learning.

Het octrooi suggereert dat in bepaalde uitvoeringen van het systeem gebruikers met vergelijkbare kenmerken en het aanpassen van moeilijkheidsniveaus op basis van de unieke acties van elke gebruiker zorgt voor een beter beheer van moeilijkheidsgraden niveaus.

Verwant: Google's AI-doorbraak: wat het betekent en hoe het u beïnvloedt

Het maken van clusters begint met de identificatie van gebruikers in het spel. Gegevens over gebruikersinteractie worden in de loop van de tijd verzameld en gebruikt om gebruikers uit te filteren die niet voldoen aan de interactiecriteria. Nadat de gebruikers zijn uitgefilterd, worden gebruikersclusters gemaakt met moeilijkheidsvoorkeuren op basis van de gebruikersinteractiegegevens en betrokkenheidsniveaus.

Clustertoewijzing voor een gebruiker wordt bereikt door de gebruiker te identificeren en in de loop van de tijd de interactiegegevens van de gebruiker met het spel te verzamelen. De gebruikersinteractiegegevens worden gebruikt in combinatie met clusterdefinities om specifieke clusters te identificeren waarmee gebruikers zich kunnen associëren.

Het proces voor het instellen van de moeilijkheidsgraad begint met de identificatie van een gebruiker, gevolgd door de bepaling van een gebruikerscluster die aan de gebruiker is gekoppeld. De configuratiewaarden worden aangepast op basis van de gebruikersinteractiegegevens.

Een seed-evaluatiesysteem wordt gebruikt om te bepalen hoe moeilijk een deel van een videogame kan zijn. Het zaadevaluatieproces begint met de identificatie van zaden (waarden) die kunnen worden gebruikt om het videospel te configureren. De voortgang van gebruikers voor elke seed wordt in de loop van de tijd gevolgd om een ​​moeilijkheid te bepalen op basis van genormaliseerde voortgangsgegevens.

Een goed voorbeeld van zaden is te vinden in Minecraft, waar verschillende zaden voor totaal verschillende avonturen zorgen.

In sommige uitvoeringsvormen van het systeem wordt de uitvoering van DDA in het spel mogelijk niet gedetecteerd door de gebruiker. De game kan ook wijzigingen in de videogame herhalen als er een gebeurtenis wordt geactiveerd.

Waarom heeft EA een octrooi voor dynamische moeilijkheidsaanpassing?

Nadat ze het DDA-patent van EA hadden ontdekt, maakten veel gebruikers van EA-games zich zorgen over de vraag of de technologie wel in hun games werd gebruikt en welk effect dit had op hun ervaringen.

Eind 2020 werd een rechtszaak aangespannen tegen EA (die later werd ingetrokken), wat aanleiding gaf tot verdere discussies over het mogelijke gebruik van de techniek door het gamingbedrijf.

De eisers waren van mening dat EA de technologie gebruikte om de moeilijkheidsgraad van games te vergroten, zodat meer mensen dat zouden willen om in-game items te kopen (loot boxes) om te winnen. EA verstrekte informatie en de aanklagers spraken met het technische team om te bewijzen dat er geen gebruik was gemaakt van DDA of soortgelijke scripts als beweerd.

Volgens de aankondiging van een EA-medewerker is de technologie ontworpen om erachter te komen hoe spelers die problemen hebben met games, kansen kunnen krijgen om vooruitgang te boeken. De bedoeling is ervoor te zorgen dat betalers niet te verveeld of gefrustreerd raken door het spel.

EA geleverd een officieel antwoord:

We hebben uw zorgen gehoord over de patentfamilie Dynamic Difficulty Adjustment (hier en hier) en wilden bevestigen dat deze niet wordt gebruikt in EA SPORTS FIFA. We zouden het nooit gebruiken om een ​​groep spelers te bevoordelen of te benadelen ten opzichte van een andere in onze spellen. De technologie is ontworpen om te onderzoeken hoe we spelers die problemen hebben in een bepaald gebied van een game de kans kunnen geven om vooruit te komen.

EA verklaarde dat het zou geen DDA-technologie gebruiken om voordelen voor spelers in online games te geven of te verwijderen. Het beweert dat de technologie niet voorkomt in toonaangevende games zoals FIFA, Madden of NHL.

Het gebruik van dynamische moeilijkheidsaanpassing in videogames

EA heeft altijd ontkend DDA in videogames te gebruiken. In antwoord op een vraag op Reddit over DDA in FIFA, verklaarde creatief directeur Matt Prior dat die er is kans op spelersfouten in het spel, eerder gebaseerd op individuele spelersstatistieken en vermoeidheid dan DDA.

Het is niet ongebruikelijk dat patenten in de game-industrie worden aangevraagd zonder ooit te worden gebruikt. Er wordt veel onderzoek en ontwikkeling gedaan naar het creëren van nieuwe concepten voor gameplay. Er worden altijd nieuwe ideeën gegenereerd die misschien niet van de grond komen vanwege verschillende factoren, zoals reputatierisico's of zelfs gewoon geen manier vinden om het idee op de juiste manier in een game te integreren.

Microsoft lost die vervelende bug bij het verbreken van de verbinding met de Xbox-controller op

Microsoft zei dat het zou gaan, en nu komt het de belofte na.

Over de auteur