Molti eventi possono essere previsti prima che si verifichino, ad esempio è abbastanza ovvio che il personaggio di una persona che gioca al popolare gioco MOBA Dota 2 morirà presto se un eroe nemico più forte gli si avvicina da un'area nascosta. Ma ciò che è ovvio per una persona non è sempre facile per un computer, e una persona non è sempre in grado di seguire tutto ciò che accade sulla mappa di gioco. IN Intitolato "Time to Die: Predicting Character Death in Dota 2 Using Deep Learning", i ricercatori dell'Università di York hanno descritto come sono riusciti ad addestrare l'intelligenza artificiale a prevedere la morte imminente di un personaggio del gioco con una precisione abbastanza elevata 5 secondi prima che accada effettivamente. .
In effetti, prevedere che un personaggio verrà ucciso entro 5 secondi è un po’ più difficile di quanto sembri a prima vista. La partita media è composta da 80 frammenti separati, durante ciascuno dei quali un personaggio può eseguire dozzine delle 000 azioni possibili (secondo i calcoli dei ricercatori). In media, i giocatori sulla mappa eseguono 170 movimenti per frammento di partita, apportando oltre 000 cambi di gioco.
Gli autori dello studio notano che la scarsa salute di un personaggio non è sempre strettamente correlata alla sua morte rapida, poiché alcuni eroi hanno capacità di guarigione e esistono anche oggetti speciali per la guarigione o il teletrasporto. Tenendo conto di tutti questi fattori, il team ha utilizzato le registrazioni delle partite di Dota 2 fornite da Valve per addestrare la rete neurale, che conteneva 5000 partite professionistiche e 5000 semi-professionistiche giocate fino al 5 dicembre dello scorso anno. Prima dell'allenamento vero e proprio, le registrazioni sono state pre-elaborate convertendo le partite in sequenze temporali per ciascun giocatore, suddivise in segmenti di tempo di gioco da 0,133 secondi, dove ogni punto della scala conteneva un set completo di dati sul personaggio e sul suo ambiente.
Da tutte le informazioni del gioco, i ricercatori hanno identificato 287 parametri, ad esempio, come la salute, il mana, la forza, la destrezza e l'intelligenza del personaggio, gli oggetti attivati disponibili, le abilità pronte all'uso, la posizione dell'eroe sulla mappa, la distanza dal nemico più vicino e dalla torre difensiva degli alleati, nonché la cronologia generale (quando e dove il giocatore ha visto il nemico l'ultima volta). Questi parametri, come indicano i ricercatori, giocano un ruolo chiave nel determinare se un personaggio muore o sopravvive nel prossimo futuro, con il ruolo più significativo giocato dalla posizione sulla mappa e dalla storia della recensione.
"Il comportamento dei giocatori è influenzato dalle informazioni sul recente passato", scrivono i coautori dell'articolo. “Ad esempio, se il nemico è semplicemente fuori dalla vista, il giocatore sa comunque che si trova da qualche parte nell'area. D'altra parte, se il nemico fosse scomparso pochi minuti fa, potrebbe trovarsi ovunque dal punto di vista del giocatore. Questo è il motivo per cui abbiamo aggiunto una funzionalità che analizza la cronologia delle recensioni."
Per addestrare la rete neurale, gli scienziati hanno utilizzato 2870 input (287 parametri per 10 giocatori) e 57,6 milioni di punti dati, riservando il 10% dei dati per la verifica e un altro 10% per i test. Nei loro esperimenti, il team ha scoperto di aver raggiunto una precisione media di 0,5447 in situazioni in cui all’IA veniva chiesto di prevedere quale eroe tra dieci giocatori di ciascuna squadra sarebbe morto entro i successivi cinque secondi. Inoltre, i ricercatori indicano che il modello potrebbe prevedere i decessi su un periodo di tempo più ampio studiando tutti i fattori e le situazioni che potrebbero portarli.
Gli scienziati notano che il loro approccio presenta alcune limitazioni, vale a dire che il sistema richiede così tante informazioni di gioco (inclusi i campioni nemici invisibili al campione in questione) per fare la sua previsione e che potrebbe non essere completamente compatibile con le nuove versioni del gioco. Tuttavia, ritengono che il modello da loro sviluppato, disponibile in , può essere utile ai commentatori e ai giocatori quando seguono l'andamento di una partita.
“I giochi di eSport sono molto complessi e, a causa dell'elevata velocità di gioco, l'equilibrio del gioco può cambiare letteralmente in pochi secondi, mentre vari eventi possono verificarsi contemporaneamente in molte aree della mappa di gioco. Possono accadere così rapidamente che i commentatori o gli spettatori possono facilmente perdere un momento importante della partita e poi osservarne solo le conseguenze”, scrivono i ricercatori. "Allo stesso tempo, in Dota 2, uccidere un eroe nemico è un evento chiave che interessa sia ai commentatori che agli spettatori."
Fonte: 3dnews.ru