يمكن توقع العديد من الأحداث قبل حدوثها ، على سبيل المثال ، من الواضح تمامًا أن شخصية الشخص الذي يلعب لعبة MOBA الشهيرة Dota 2 ستموت قريبًا إذا اقترب منه بطل عدو أقوى من منطقة بعيدة عن بصره. لكن ما هو واضح للشخص ليس دائمًا سهلاً على جهاز الكمبيوتر ، ولا يستطيع الشخص دائمًا متابعة كل ما يحدث على خريطة اللعبة. في وصف باحثون في جامعة يورك بعنوان "حان وقت الموت: توقع موت شخصية من نوع Dota 2 باستخدام التعلم العميق" ، كيف تمكنوا من تدريب الذكاء الاصطناعي على التنبؤ بدقة بموت اللاعب الوشيك قبل 5 ثوانٍ من حدوثه فعليًا.
في الواقع ، إن توقع مقتل شخصية ما في 5 ثوان هو أصعب قليلاً مما يبدو للوهلة الأولى. يتكون متوسط المطابقة من 80 قطعة فردية ، يمكن خلالها للشخصية أداء عشرات من 000 إجراء ممكن (وفقًا لحسابات الباحثين). في المتوسط ، يقوم اللاعبون على الخريطة بأداء 170 حركة لكل جزء من أجزاء المباراة ، مما يؤدي إلى إجراء أكثر من 000 تغيير في اللعبة.
لاحظ مؤلفو الدراسة أن الصحة المنخفضة للشخصية لا ترتبط دائمًا ارتباطًا وثيقًا بقتله السريع ، حيث أن بعض الأبطال لديهم قدرات علاجية ، وهناك عناصر خاصة للشفاء أو النقل الآني. بالنظر إلى كل هذه العوامل ، اعتاد الفريق تدريب سجلات مباريات Dota 2 للشبكة العصبية التي قدمتها Valve ، والتي تضمنت 5000 مباراة احترافية و 5000 مباراة شبه احترافية تم لعبها حتى 5 ديسمبر من العام الماضي. قبل التدريب الفعلي ، تمت معالجة التسجيلات مسبقًا عن طريق تحويل المباريات إلى جداول زمنية لكل لاعب ، مقسمة إلى 0,133 ثانية من وقت اللعب ، حيث تحتوي كل نقطة على الجدول الزمني على مجموعة كاملة من البيانات حول الشخصية وبيئتها.
من جميع المعلومات الموجودة في اللعبة ، حدد الباحثون 287 معلمة ، مثل الصحة ، والمانا ، والقوة ، وخفة الحركة ، وذكاء الشخصية ، والعناصر النشطة لديه ، والقدرات الجاهزة للاستخدام ، وموقع البطل على الخريطة ، و المسافة إلى أقرب عدو وبرج دفاع الحلفاء ، واطلع أيضًا على سجل المراجعة العامة (متى وأين كانت آخر مرة رأى فيها اللاعب خصمًا). تلعب هذه المعلمات ، كما أشار الباحثون ، دورًا رئيسيًا في ما إذا كانت الشخصية ستموت أو ستنجو على المدى القصير ، بينما يلعب الموقع على الخريطة وتاريخ المراجعة الدور الأكثر أهمية.
كتب المؤلفون المشاركون للعمل: "يعتمد سلوك اللاعبين على معلومات حول الماضي القريب". "على سبيل المثال ، إذا اختفى العدو عن الأنظار ، فلا يزال اللاعب يعرف أنه في مكان ما في المنطقة. من ناحية أخرى ، إذا اختفى العدو قبل بضع دقائق ، فقد يكون في أي مكان من وجهة نظر اللاعب. كان هذا هو سبب إضافة ميزة تحلل سجل المراجعة ".
لتدريب الشبكة العصبية ، استخدم العلماء 2870 مدخلات (287 معلمة لكل 10 لاعبين) و 57,6 مليون نقطة بيانات ، مع حجز 10٪ من البيانات للتحقق و 10٪ أخرى للاختبار. من خلال التجربة ، وجد الفريق أنه حقق متوسط دقة 0,5447 في المواقف التي طُلب فيها من الذكاء الاصطناعي أن يتوقع أي من اللاعبين العشرة في بطل أي من الفريقين سيموت خلال الثواني الخمس التالية. بالإضافة إلى ذلك ، يشير الباحثون إلى أن النموذج يمكن أن يتنبأ بالوفيات على مدى فترة زمنية أطول من خلال دراسة جميع العوامل والمواقف التي يمكن أن تؤدي إليها.
لاحظ العلماء أن نهجهم له قيود معينة ، أي أن النظام يتطلب الكثير من المعلومات داخل اللعبة (بما في ذلك معلومات عن أبطال العدو غير المرئية للبطل المعني) للتنبؤ به ، وقد لا يكون متوافقًا تمامًا مع الإصدارات الجديدة. ألعاب. ومع ذلك ، فإنهم يعتقدون أن النموذج الذي طوروه ، والمتوفر في ، يمكن أن تكون مفيدة للمعلقين واللاعبين عندما يتابعون المباراة.
"ألعاب الرياضات الإلكترونية معقدة للغاية ، نظرًا للسرعة العالية في طريقة اللعب ، يمكن أن يتغير توازن اللعبة حرفيًا في غضون ثوانٍ قليلة ، بينما يمكن أن تحدث أحداث مختلفة في العديد من مناطق خريطة اللعبة في نفس الوقت. يمكن أن تحدث بسرعة كبيرة بحيث يمكن للمعلقين أو المتفرجين أن يفوتوا بسهولة لحظة مهمة في اللعبة ثم يلاحظون عواقبها فقط "، كتب الباحثون. "في الوقت نفسه ، في Dota 2 ، يعد قتل بطل العدو حدثًا رئيسيًا يثير اهتمام كل من المعلقين والمشاهدين."
المصدر: 3dnews.ru