AI એ Dota 2 ગેમમાં હીરોના નિકટવર્તી મૃત્યુની સંભાવના નક્કી કરવાનું શીખી લીધું છે

ઘણી ઘટનાઓ બનતા પહેલા અનુમાન લગાવી શકાય છે, ઉદાહરણ તરીકે, તે એકદમ સ્પષ્ટ છે કે લોકપ્રિય MOBA ગેમ Dota 2 રમી રહેલી વ્યક્તિનું પાત્ર ટૂંક સમયમાં મૃત્યુ પામશે જો કોઈ મજબૂત દુશ્મન હીરો તેની નજરથી દૂરના વિસ્તારમાંથી તેની પાસે પહોંચે. પરંતુ જે વ્યક્તિ માટે સ્પષ્ટ છે તે કમ્પ્યુટર માટે હંમેશા સરળ હોતું નથી, અને વ્યક્તિ હંમેશા રમતના નકશા પર બનેલી દરેક વસ્તુને અનુસરવામાં સક્ષમ હોતી નથી. IN લેખ "ટાઈમ ટુ ડાઈ: ડીપ લર્નિંગનો ઉપયોગ કરીને ડોટા 2માં કેરેક્ટર ડેથની આગાહી કરવી" શીર્ષક, યુનિવર્સિટી ઓફ યોર્કના સંશોધકોએ વર્ણવ્યું કે તેઓ કેવી રીતે રમતના પાત્રના તોળાઈ રહેલા મૃત્યુની આગાહી કરવા માટે AIને તાલીમ આપી શક્યા તે વાસ્તવમાં થાય તે પહેલા 5 સેકન્ડમાં એકદમ ઉચ્ચ ચોકસાઈ સાથે. .

હકીકતમાં, 5 સેકન્ડમાં કોઈ પાત્રને મારી નાખવામાં આવશે તેવી આગાહી કરવી તે પ્રથમ નજરમાં લાગે તે કરતાં થોડું વધારે મુશ્કેલ છે. સરેરાશ મેચમાં 80 અલગ-અલગ ટુકડાઓનો સમાવેશ થાય છે, જેમાંથી દરેક દરમિયાન એક પાત્ર 000 (સંશોધકોની ગણતરી મુજબ) શક્ય ડઝનેક ક્રિયાઓ કરી શકે છે. સરેરાશ, નકશા પરના ખેલાડીઓ મેચના ટુકડા દીઠ 170 હલનચલન કરે છે, જે 000 થી વધુ રમતમાં ફેરફાર કરે છે.

અભ્યાસના લેખકો નોંધે છે કે પાત્રનું નીચું સ્વાસ્થ્ય હંમેશા તેના ઝડપી મૃત્યુ સાથે ગાઢ રીતે સંકળાયેલું નથી, કારણ કે કેટલાક હીરોમાં હીલિંગ ક્ષમતાઓ હોય છે, અને હીલિંગ અથવા ટેલિપોર્ટેશન માટે વિશેષ વસ્તુઓ પણ હોય છે. આ તમામ પરિબળોને ધ્યાનમાં લેતા, ટીમે ન્યુરલ નેટવર્કને તાલીમ આપવા માટે વાલ્વ દ્વારા પ્રદાન કરવામાં આવેલ ડોટા 2 મેચ રેકોર્ડિંગ્સનો ઉપયોગ કર્યો, જેમાં ગયા વર્ષે 5000 ડિસેમ્બર સુધી રમાયેલી 5000 વ્યાવસાયિક અને 5 સેમી-પ્રો રમતો હતી. વાસ્તવિક તાલીમ પહેલાં, દરેક ખેલાડી માટે મેચોને સમયરેખામાં રૂપાંતરિત કરીને રેકોર્ડિંગની પૂર્વ-પ્રક્રિયા કરવામાં આવી હતી, જે રમતના સમયના 0,133 સેકન્ડ સેગમેન્ટમાં વિભાજિત કરવામાં આવી હતી, જ્યાં સ્કેલ પરના દરેક પોઈન્ટમાં પાત્ર અને તેના પર્યાવરણ વિશેના ડેટાનો સંપૂર્ણ સેટ હોય છે.

તમામ ઇન-ગેમ માહિતીમાંથી, સંશોધકોએ 287 પરિમાણોને ઓળખ્યા, ઉદાહરણ તરીકે, પાત્રની તંદુરસ્તી, મન, શક્તિ, દક્ષતા અને બુદ્ધિ, તેની ઉપલબ્ધ સક્રિય વસ્તુઓ, ઉપયોગ માટે તૈયાર ક્ષમતાઓ, નકશા પર હીરોની સ્થિતિ, નજીકના દુશ્મન અને સાથીઓના રક્ષણાત્મક ટાવરનું અંતર, તેમજ સામાન્ય સમીક્ષા ઇતિહાસ (ખેલાડીએ છેલ્લે ક્યારે અને ક્યાં દુશ્મનને જોયો હતો). આ પરિમાણો, જેમ કે સંશોધકો સૂચવે છે, નકશા પરની સ્થિતિ અને સમીક્ષાના ઇતિહાસ દ્વારા ભજવવામાં આવેલી સૌથી નોંધપાત્ર ભૂમિકા સાથે, નજીકના ભવિષ્યમાં પાત્ર મૃત્યુ પામે છે કે જીવિત રહે છે કે કેમ તે અંગે મુખ્ય ભૂમિકા ભજવે છે.

"ખેલાડીની વર્તણૂક તાજેતરના ભૂતકાળ વિશેની માહિતીથી પ્રભાવિત થાય છે," પેપરના સહ-લેખકો લખો. “ઉદાહરણ તરીકે, જો દુશ્મન ફક્ત દૃષ્ટિની બહાર હોય, તો ખેલાડી હજી પણ જાણે છે કે તે આ વિસ્તારમાં ક્યાંક છે. બીજી બાજુ, જો દુશ્મન થોડી મિનિટો પહેલા ગાયબ થઈ જાય, તો તે ખેલાડીના દૃષ્ટિકોણથી ગમે ત્યાં હોઈ શકે છે. આ જ કારણ હતું કે અમે સમીક્ષા ઇતિહાસનું વિશ્લેષણ કરતી એક વિશેષતા ઉમેરી."

ન્યુરલ નેટવર્કને તાલીમ આપવા માટે, વૈજ્ઞાનિકોએ 2870 ઇનપુટ્સ (287 ખેલાડીઓ દીઠ 10 પરિમાણો) અને 57,6 મિલિયન ડેટા પોઈન્ટ્સનો ઉપયોગ કર્યો, 10% ડેટા ચકાસણી માટે અને અન્ય 10% પરીક્ષણ માટે અનામત રાખ્યો. તેમના પ્રયોગોમાં, ટીમને જાણવા મળ્યું કે તેઓ એવી પરિસ્થિતિઓમાં 0,5447 ની સરેરાશ ચોકસાઈ હાંસલ કરે છે જ્યાં એઆઈને આગાહી કરવા માટે કહેવામાં આવ્યું હતું કે બંને ટીમના દસ ખેલાડીઓમાંથી કયો હીરો આગામી પાંચ સેકન્ડમાં મૃત્યુ પામશે. આ ઉપરાંત, સંશોધકો સૂચવે છે કે મોડેલ તમામ પરિબળો અને પરિસ્થિતિઓનો અભ્યાસ કરીને મોટા સમયગાળામાં મૃત્યુની આગાહી કરી શકે છે જે તેમને પરિણમી શકે છે.

વૈજ્ઞાનિકો નોંધે છે કે તેમના અભિગમની અમુક મર્યાદાઓ છે, એટલે કે સિસ્ટમને તેની આગાહી કરવા માટે રમતમાં ઘણી બધી માહિતીની જરૂર છે (પ્રશ્નમાં રહેલા ચેમ્પિયન માટે અદ્રશ્ય દુશ્મન ચેમ્પિયન સહિત) અને તે નવા સંસ્કરણની રમતો સાથે સંપૂર્ણપણે સુસંગત ન પણ હોઈ શકે. જો કે, તેઓ માને છે કે તેઓએ જે મોડેલ વિકસાવ્યું છે, જે માં ઉપલબ્ધ છે GitHub પર ઓપન સોર્સ, કોમેન્ટેટર્સ અને ખેલાડીઓ માટે ઉપયોગી થઈ શકે છે જ્યારે તેઓ મેચની પ્રગતિને અનુસરતા હોય.

“એસ્પોર્ટ્સ ગેમ્સ ખૂબ જ જટિલ હોય છે, અને ગેમપ્લેની વધુ ઝડપને લીધે, રમતનું સંતુલન થોડીક સેકંડમાં શાબ્દિક રીતે બદલાઈ શકે છે, જ્યારે રમતના નકશાના ઘણા વિસ્તારોમાં એક જ સમયે વિવિધ ઘટનાઓ બની શકે છે. તે એટલી ઝડપથી થઈ શકે છે કે ટીકાકારો અથવા દર્શકો સરળતાથી રમતમાં એક મહત્વપૂર્ણ ક્ષણ ચૂકી શકે છે અને પછી ફક્ત તેના પરિણામો જ જોઈ શકે છે, ”સંશોધકો લખે છે. "તે જ સમયે, ડોટા 2 માં, દુશ્મન હીરોને મારી નાખવી એ એક મુખ્ય ઘટના છે જે ટીકાકારો અને દર્શકો બંનેને રસ લે છે."

સોર્સ: 3dnews.ru