De nombreux événements peuvent être prédits avant qu'ils ne se produisent, par exemple, il est tout à fait évident que le personnage d'une personne jouant au populaire jeu MOBA Dota 2 mourra bientôt si un héros ennemi plus fort s'approche de lui depuis une zone hors de vue. Mais ce qui est évident pour une personne n'est pas toujours facile pour un ordinateur, et une personne n'est pas toujours capable de suivre tout ce qui se passe sur la carte du jeu. DANS Intitulé « Time to Die : Predicting Character Death in Dota 2 Using Deep Learning », des chercheurs de l'Université de York ont décrit comment ils ont pu entraîner l'IA à prédire la mort imminente d'un personnage de jeu avec une assez grande précision 5 secondes avant qu'elle ne se produise réellement. .
En fait, prédire qu’un personnage sera tué en 5 secondes est un peu plus difficile qu’il n’y paraît à première vue. Une correspondance moyenne se compose de 80 000 fragments distincts, au cours desquels un personnage peut effectuer des dizaines des 170 000 actions possibles (selon les calculs des chercheurs). En moyenne, les joueurs sur la carte effectuent 10 000 mouvements par fragment de match, effectuant plus de 20 000 changements de jeu.
Les auteurs de l’étude notent que la faible santé d’un personnage n’est pas toujours étroitement liée à sa mort rapide, puisque certains héros ont des capacités de guérison, et il existe également des objets spéciaux pour la guérison ou la téléportation. En tenant compte de tous ces facteurs, l'équipe a utilisé les enregistrements de matchs Dota 2 fournis par Valve pour entraîner le réseau neuronal, qui contenait 5000 5000 matchs professionnels et 5 0,133 semi-professionnels joués jusqu'au XNUMX décembre de l'année dernière. Avant l'entraînement proprement dit, les enregistrements ont été prétraités en convertissant les matchs en chronologies pour chaque joueur, divisées en segments de temps de jeu de XNUMX seconde, où chaque point de l'échelle contenait un ensemble complet de données sur le personnage et son environnement.
A partir de toutes les informations du jeu, les chercheurs ont identifié par exemple 287 paramètres, comme la santé, le mana, la force, la dextérité et l'intelligence du personnage, ses objets activés disponibles, ses capacités prêtes à l'emploi, la position du héros sur la carte, la distance jusqu'à l'ennemi le plus proche et à la tour défensive des alliés, ainsi que l'historique général (quand et où le joueur a vu l'ennemi pour la dernière fois). Ces paramètres, comme l'indiquent les chercheurs, jouent un rôle clé dans la mort ou la survie d'un personnage dans un avenir proche, le rôle le plus important étant joué par la position sur la carte et l'historique de l'examen.
"Le comportement des joueurs est influencé par les informations sur le passé récent", écrivent les co-auteurs de l'article. « Par exemple, si l’ennemi est simplement hors de vue, le joueur sait toujours qu’il se trouve quelque part dans la zone. En revanche, si l'ennemi disparaissait il y a quelques minutes, il pourrait se trouver n'importe où du point de vue du joueur. C'est la raison pour laquelle nous avons ajouté une fonctionnalité qui analyse l'historique des avis."
Pour entraîner le réseau neuronal, les scientifiques ont utilisé 2870 287 entrées (10 paramètres pour 57,6 joueurs) et 10 millions de points de données, réservant 10 % des données pour la vérification et 0,5447 % supplémentaires pour les tests. Dans leurs expériences, l'équipe a constaté qu'elle atteignait une précision moyenne de XNUMX dans des situations où il était demandé à l'IA de prédire quel héros parmi dix joueurs de l'une ou l'autre équipe mourrait dans les cinq secondes suivantes. De plus, les chercheurs indiquent que le modèle pourrait prédire les décès sur une période de temps plus longue en étudiant tous les facteurs et situations qui pourraient y conduire.
Les scientifiques notent que leur approche présente certaines limites, à savoir que le système nécessite beaucoup d'informations dans le jeu (y compris sur les champions ennemis invisibles pour le champion en question) pour faire sa prédiction, et qu'il peut ne pas être entièrement compatible avec les nouvelles versions du jeu. Cependant, ils estiment que le modèle qu'ils ont développé, disponible en , peut être utile aux commentateurs et aux joueurs lorsqu'ils suivent le déroulement d'un match.
« Les jeux d'esports sont très complexes et, en raison de la vitesse de jeu élevée, l'équilibre du jeu peut changer littéralement en quelques secondes, tandis que divers événements peuvent se produire dans de nombreuses zones de la carte du jeu en même temps. Ils peuvent se produire si rapidement que les commentateurs ou les spectateurs peuvent facilement manquer un moment important du match et n’en observer que les conséquences », écrivent les chercheurs. "En même temps, dans Dota 2, tuer un héros ennemi est un événement clé qui intéresse à la fois les commentateurs et les téléspectateurs."
Source: 3dnews.ru