Что такое динамическая регулировка сложности и почему EA владеет патентом?

Динамическая регулировка сложности (DDA) – это технология, используемая для изменения сложности игры в соответствии с навыками игрока. Во время игры техника регулировки сложности может помочь игроку выиграть, если он проигрывает. В других случаях это может затруднить игроку победу в матче.

Что такое динамическая регулировка сложности?

DDA отслеживает и прогнозирует время, в течение которого игрок остается вовлеченным в игру. Он объединяет эту информацию с различными типами данных, например, как долго игра удерживает игрока в сеансе одиночной игры.

DDA может удержать игрока от скуки, если игра проста. Это также может удержать игроков от разочарования, если игра слишком сложна.

DDA работает как в краткосрочной, так и в долгосрочной перспективе. Краткосрочный DDA предотвращает длительные периоды одного и того же результата, хорошего или плохого. Генератор случайных чисел используется для достижения краткосрочного DDA. Долгосрочное DDA регулирует уровень игры до уровня, соответствующего их навыкам и производительности.

Это все очень хорошо, но как в игре работает динамическая регулировка сложности?

Как работает динамическая регулировка сложности?

Распространенный способ достижения DDA – внести изменения в ход игры, регулируя сложность после того, как происходят триггерные события, указывающие на нежелательные состояния игрока. К таким состояниям относятся скука и разочарование.

DDA зависит от алгоритмов машинного обучения, чтобы делать прогнозы, необходимые для выполнения корректировок. Алгоритмы машинного обучения, такие как контролируемые и неконтролируемые, создают и обновляют модели прогнозирования для игр. Алгоритмы ансамбля и алгоритмы на основе экземпляров являются примерами логики, используемой для создания и обновления моделей прогнозирования для DDA.

Системы динамической регулировки сложности

Патент, выданный EA в 2018 году, раскрывает подробности технических компонентов DDA в играх EA.

В патенте описана система с электронным хранилищем данных, которую аппаратный процессор использует для выполнения инструкций по идентификации значений корректировки переменных в видеоигре. Аппаратный процессор генерирует модель прогнозирования, выполняя инструкции для доступа к наборам данных, используемым в системе машинного обучения.

В патенте также подробно описано, как DDA использует различные типы данных о взаимодействии с пользователем для оценки степени вовлеченности пользователя. Такие данные включают количество денег, потраченных в игре, прогресс пользователя в игре и склонность игрока останавливаться из-за своего прогресса в игре.

Данные взаимодействия с пользователем используются в сочетании с другими типами данных для создания моделей прогнозирования игрового процесса и воздействия на них. Эти данные используются в различных типах систем в игре, которые работают вместе, чтобы изменить сложность.

Типы систем и процессов, которые могут работать вместе, включают:

• Анализ удержания
• Генерация прогнозной модели
• Создание кластера
• Назначение кластера
• Оценка семян
• Настройка сложности

Вкратце, эти системы работают вместе для сбора данных об игроках, которые используются, чтобы определить, насколько сложной или легкой должна быть игра.

По теме: Психологические причины, почему видеоигры вызывают зависимость

Моделирование данных DDA

Процесс создания модели прогнозирования включает исторические данные о взаимодействии с пользователем в сочетании с данными управления для создания моделей прогнозирования. Контрольные данные используются для установки желаемого прогноза количества пользователей.

Система анализа удержания может состоять из одной или нескольких систем, которые генерируют коэффициенты удержания и прогнозируют отток пользователей. Прогнозируемый коэффициент удержания может использоваться, чтобы решить, нужно ли изменять сложность игры. Для этого данные о взаимодействии с пользователем применяются к моделям прогнозирования.

Пользователи могут быть сгруппированы в кластеры на основе данных интерактивности. Например, пользователи, которые играют в игру менее 30 минут, могут быть идентифицированы алгоритмом машинного обучения .

Патент предполагает, что в некоторых вариантах реализации системы группировка пользователей с похожими характеристиками и регулировка уровней сложности на основе уникальных действий каждого пользователя позволяет лучше управлять уровнями сложности.

По теме: Прорыв Google в области искусственного интеллекта: что это значит и как на вас влияет

Создание кластера начинается с идентификации пользователей в игре. Данные о взаимодействии с пользователем собираются с течением времени и используются для фильтрации пользователей, не соответствующих критериям взаимодействия. После того, как пользователи отфильтрованы, создаются кластеры пользователей с настройками сложности, основанными на данных о взаимодействии с пользователем и уровнях вовлеченности.

Назначение кластера для пользователя достигается путем идентификации пользователя и сбора данных о взаимодействии пользователя с игрой с течением времени. Данные взаимодействия с пользователем используются в сочетании с определениями кластеров для идентификации конкретных кластеров, с которыми пользователи могут связываться.

Процесс настройки сложности начинается с идентификации пользователя, за которым следует определение пользовательского кластера, связанного с пользователем. Значения конфигурации корректируются на основе данных взаимодействия с пользователем.

Система начальной оценки используется для определения того, насколько сложной может быть часть видеоигры. Процесс оценки начального числа начинается с идентификации начальных чисел (значений), которые могут использоваться для настройки видеоигры. Прогресс пользователей для каждого начального числа отслеживается с течением времени, чтобы определить сложность на основе нормализованных данных о ходе выполнения.

Яркий пример семян можно найти в Minecraft, где разные семена дают совершенно разные приключения .

В некоторых вариантах осуществления системы выполнение DDA в игре может не обнаруживаться пользователем. Игра также может повторять изменения в видеоигре, если запускается событие.

Почему EA владеет патентом на динамическую регулировку сложности?

После обнаружения патента EA DDA, многие пользователи игр EA стали беспокоиться о том, используется ли эта технология в их играх и как она влияет на их опыт.

В конце 2020 года против EA был подан иск (который позже был прекращен), что повлекло за собой дальнейшие дискуссии о возможном использовании этой техники игровой компанией.

Истцы полагали, что EA использовала эту технологию для увеличения сложности игр, чтобы больше людей захотели покупать внутриигровые предметы (лутбоксы), чтобы выиграть. EA предоставила информацию, и прокуроры поговорили с ее командой инженеров, чтобы доказать, что не использовались DDA или аналогичные сценарии, как предполагалось.

Согласно заявлению сотрудника EA, технология была разработана, чтобы узнать, как помочь игрокам, испытывающим трудности в играх, получить возможности для прогресса. Цель состоит в том, чтобы плательщики не слишком скучали и не разочаровывались в игре.

EA представила официальный ответ:

Мы слышали ваши опасения по поводу семейства патентов динамической регулировки сложности (здесь и здесь) и хотели подтвердить, что они не используются в EA SPORTS FIFA. Мы никогда не будем использовать его для получения преимущества или невыгодного положения какой-либо группы игроков против другой в любой из наших игр. Технология была разработана, чтобы изучить, как мы можем помочь игрокам, испытывающим трудности в определенной области игры, получить возможность продвинуться вперед.

EA заявила, что не будет использовать технологию DDA для предоставления или устранения преимуществ для игроков в онлайн-играх. Он утверждает, что технологии не используются в ведущих играх, таких как FIFA, Madden или NHL.

Использование динамической регулировки сложности в видеоиграх

EA всегда отрицала использование DDA в видеоиграх. Отвечая на вопрос Reddit о DDA в FIFA, креативный директор Мэтт Прайор заявил, что существует вероятность ошибки игрока в игре, основанная на статистике отдельных игроков и усталости, а не на DDA.

Нередко патенты в игровой индустрии подаются, но никогда не используются. Значительный объем исследований и разработок направлен на создание новых концепций игрового процесса. Всегда генерируются новые идеи, которые могут не претворяться в жизнь из-за различных факторов, таких как репутационные риски или даже просто отсутствие способа правильно интегрировать идею в игру.