ಅನೇಕ ಘಟನೆಗಳು ಸಂಭವಿಸುವ ಮೊದಲು ಅವುಗಳನ್ನು ಊಹಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ, ಜನಪ್ರಿಯ MOBA ಆಟ ಡೋಟಾ 2 ಅನ್ನು ಆಡುವ ವ್ಯಕ್ತಿಯ ಪಾತ್ರವು ದೃಷ್ಟಿಗೆ ದೂರವಿರುವ ಪ್ರದೇಶದಿಂದ ಪ್ರಬಲ ಶತ್ರು ನಾಯಕನನ್ನು ಸಮೀಪಿಸಿದರೆ ಶೀಘ್ರದಲ್ಲೇ ಸಾಯುತ್ತದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಆದರೆ ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ಸ್ಪಷ್ಟವಾದದ್ದು ಕಂಪ್ಯೂಟರ್ಗೆ ಯಾವಾಗಲೂ ಸುಲಭವಲ್ಲ, ಮತ್ತು ಆಟದ ನಕ್ಷೆಯಲ್ಲಿ ನಡೆಯುವ ಎಲ್ಲವನ್ನೂ ಅನುಸರಿಸಲು ವ್ಯಕ್ತಿಯು ಯಾವಾಗಲೂ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ. IN
ವಾಸ್ತವವಾಗಿ, ಒಂದು ಪಾತ್ರವನ್ನು 5 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಕೊಲ್ಲಲಾಗುವುದು ಎಂದು ಊಹಿಸುವುದು ಮೊದಲ ನೋಟದಲ್ಲಿ ತೋರುವುದಕ್ಕಿಂತ ಸ್ವಲ್ಪ ಹೆಚ್ಚು ಕಷ್ಟ. ಸರಾಸರಿ ಹೊಂದಾಣಿಕೆಯು 80 ಪ್ರತ್ಯೇಕ ತುಣುಕುಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಪ್ರತಿಯೊಂದರಲ್ಲೂ ಒಂದು ಪಾತ್ರವು 000 ಸಂಭವನೀಯ (ಸಂಶೋಧಕರ ಲೆಕ್ಕಾಚಾರಗಳ ಪ್ರಕಾರ) ಕ್ರಿಯೆಗಳನ್ನು ಮಾಡಬಹುದು. ಸರಾಸರಿಯಾಗಿ, ಮ್ಯಾಪ್ನಲ್ಲಿರುವ ಆಟಗಾರರು ಪ್ರತಿ ಪಂದ್ಯದ ತುಣುಕಿಗೆ 170 ಚಲನೆಗಳನ್ನು ಮಾಡುತ್ತಾರೆ, 000 ಕ್ಕೂ ಹೆಚ್ಚು ಆಟದ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡುತ್ತಾರೆ.
ಕೆಲವು ನಾಯಕರು ಗುಣಪಡಿಸುವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೊಂದಿರುವುದರಿಂದ ಮತ್ತು ಗುಣಪಡಿಸಲು ಅಥವಾ ಟೆಲಿಪೋರ್ಟೇಶನ್ಗೆ ವಿಶೇಷ ವಸ್ತುಗಳು ಇರುವುದರಿಂದ ಪಾತ್ರದ ಕಡಿಮೆ ಆರೋಗ್ಯವು ಯಾವಾಗಲೂ ಅವನ ತ್ವರಿತ ಸಾವಿಗೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿಲ್ಲ ಎಂದು ಅಧ್ಯಯನದ ಲೇಖಕರು ಗಮನಿಸುತ್ತಾರೆ. ಈ ಎಲ್ಲಾ ಅಂಶಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು, ಕಳೆದ ವರ್ಷ ಡಿಸೆಂಬರ್ 2 ರವರೆಗೆ ಆಡಿದ 5000 ವೃತ್ತಿಪರ ಮತ್ತು 5000 ಸೆಮಿ-ಪ್ರೊ ಆಟಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗೆ ತರಬೇತಿ ನೀಡಲು ವಾಲ್ವ್ ಒದಗಿಸಿದ ಡೋಟಾ 5 ಮ್ಯಾಚ್ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ತಂಡವು ಬಳಸಿತು. ನಿಜವಾದ ತರಬೇತಿಯ ಮೊದಲು, ಪ್ರತಿ ಆಟಗಾರನಿಗೆ ಪಂದ್ಯಗಳನ್ನು ಟೈಮ್ಲೈನ್ಗಳಾಗಿ ಪರಿವರ್ತಿಸುವ ಮೂಲಕ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ಪೂರ್ವ-ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಯಿತು, ಆಟದ ಸಮಯದ 0,133 ಸೆಕೆಂಡ್ ವಿಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ, ಅಲ್ಲಿ ಪ್ರತಿ ಪಾಯಿಂಟ್ನಲ್ಲಿ ಪಾತ್ರ ಮತ್ತು ಅವನ ಪರಿಸರದ ಬಗ್ಗೆ ಸಂಪೂರ್ಣ ಡೇಟಾವನ್ನು ಹೊಂದಿರುತ್ತದೆ.
ಎಲ್ಲಾ ಆಟದ ಮಾಹಿತಿಯಿಂದ, ಸಂಶೋಧಕರು 287 ನಿಯತಾಂಕಗಳನ್ನು ಗುರುತಿಸಿದ್ದಾರೆ, ಉದಾಹರಣೆಗೆ, ಪಾತ್ರದ ಆರೋಗ್ಯ, ಮನ, ಶಕ್ತಿ, ಕೌಶಲ್ಯ ಮತ್ತು ಬುದ್ಧಿವಂತಿಕೆ, ಲಭ್ಯವಿರುವ ಸಕ್ರಿಯ ವಸ್ತುಗಳು, ಬಳಸಲು ಸಿದ್ಧವಾದ ಸಾಮರ್ಥ್ಯಗಳು, ನಕ್ಷೆಯಲ್ಲಿ ನಾಯಕನ ಸ್ಥಾನ, ಹತ್ತಿರದ ಶತ್ರು ಮತ್ತು ಮಿತ್ರರಾಷ್ಟ್ರಗಳ ರಕ್ಷಣಾತ್ಮಕ ಗೋಪುರಕ್ಕೆ ದೂರ, ಮತ್ತು ಸಾಮಾನ್ಯ ವಿಮರ್ಶೆ ಇತಿಹಾಸ (ಆಟಗಾರನು ಯಾವಾಗ ಮತ್ತು ಎಲ್ಲಿ ಕೊನೆಯದಾಗಿ ಶತ್ರುವನ್ನು ನೋಡಿದನು). ಈ ನಿಯತಾಂಕಗಳು, ಸಂಶೋಧಕರು ಸೂಚಿಸುವಂತೆ, ಒಂದು ಪಾತ್ರವು ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ಸಾಯುತ್ತದೆಯೇ ಅಥವಾ ಬದುಕುಳಿಯುತ್ತದೆಯೇ ಎಂಬುದರಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ, ನಕ್ಷೆಯಲ್ಲಿನ ಸ್ಥಾನ ಮತ್ತು ವಿಮರ್ಶೆಯ ಇತಿಹಾಸದಿಂದ ಅತ್ಯಂತ ಮಹತ್ವದ ಪಾತ್ರವನ್ನು ವಹಿಸಲಾಗುತ್ತದೆ.
"ಆಟಗಾರರ ನಡವಳಿಕೆಯು ಇತ್ತೀಚಿನ ಹಿಂದಿನ ಮಾಹಿತಿಯಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ" ಎಂದು ಪತ್ರಿಕೆಯ ಸಹ-ಲೇಖಕರು ಬರೆಯಿರಿ. "ಉದಾಹರಣೆಗೆ, ಶತ್ರುವು ದೃಷ್ಟಿಗೆ ಹೊರಗಿದ್ದರೆ, ಆಟಗಾರನು ಇನ್ನೂ ಎಲ್ಲೋ ಆ ಪ್ರದೇಶದಲ್ಲಿದ್ದಾರೆ ಎಂದು ತಿಳಿದಿರುತ್ತಾನೆ. ಮತ್ತೊಂದೆಡೆ, ಶತ್ರು ಕೆಲವು ನಿಮಿಷಗಳ ಹಿಂದೆ ಕಣ್ಮರೆಯಾಯಿತು ವೇಳೆ, ಅವರು ಆಟಗಾರನ ದೃಷ್ಟಿಕೋನದಿಂದ ಎಲ್ಲಿಯಾದರೂ ಇರಬಹುದು. ವಿಮರ್ಶೆ ಇತಿಹಾಸವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ವೈಶಿಷ್ಟ್ಯವನ್ನು ನಾವು ಸೇರಿಸಲು ಇದು ಕಾರಣವಾಗಿದೆ."
ನರಮಂಡಲವನ್ನು ತರಬೇತಿ ಮಾಡಲು, ವಿಜ್ಞಾನಿಗಳು 2870 ಇನ್ಪುಟ್ಗಳನ್ನು (287 ಆಟಗಾರರಿಗೆ 10 ಪ್ಯಾರಾಮೀಟರ್ಗಳು) ಮತ್ತು 57,6 ಮಿಲಿಯನ್ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳನ್ನು ಬಳಸಿದರು, 10% ಡೇಟಾವನ್ನು ಪರಿಶೀಲನೆಗಾಗಿ ಮತ್ತು ಇನ್ನೊಂದು 10% ಪರೀಕ್ಷೆಗೆ ಕಾಯ್ದಿರಿಸಿದ್ದಾರೆ. ತಮ್ಮ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ತಂಡವು 0,5447 ರ ಸರಾಸರಿ ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಿದೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, ಈ ಸಂದರ್ಭಗಳಲ್ಲಿ AI ಗೆ ಮುಂದಿನ ಐದು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಸಾಯುವ ಹತ್ತು ಆಟಗಾರರಲ್ಲಿ ಯಾವ ನಾಯಕನು ಸಾಯುತ್ತಾನೆ ಎಂದು ಊಹಿಸಲು ಕೇಳಲಾಯಿತು. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಮಾದರಿಯು ಅವರಿಗೆ ಕಾರಣವಾಗಬಹುದಾದ ಎಲ್ಲಾ ಅಂಶಗಳು ಮತ್ತು ಸಂದರ್ಭಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಮೂಲಕ ಹೆಚ್ಚಿನ ಸಮಯದ ಅವಧಿಯಲ್ಲಿ ಸಾವುಗಳನ್ನು ಊಹಿಸಬಹುದು ಎಂದು ಸಂಶೋಧಕರು ಸೂಚಿಸುತ್ತಾರೆ.
ವಿಜ್ಞಾನಿಗಳು ಅವರ ವಿಧಾನವು ಕೆಲವು ಮಿತಿಗಳನ್ನು ಹೊಂದಿದೆ ಎಂದು ಗಮನಿಸುತ್ತಾರೆ, ಅವುಗಳೆಂದರೆ ಸಿಸ್ಟಮ್ಗೆ ಅದರ ಭವಿಷ್ಯವನ್ನು ಮಾಡಲು ಆಟದಲ್ಲಿನ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ (ಪ್ರಶ್ನೆಯಲ್ಲಿರುವ ಚಾಂಪಿಯನ್ಗೆ ಅಗೋಚರವಾಗಿರುವ ಶತ್ರು ಚಾಂಪಿಯನ್ಗಳ ಬಗ್ಗೆ ಸೇರಿದಂತೆ) ಅಗತ್ಯವಿರುತ್ತದೆ ಮತ್ತು ಇದು ಹೊಸ ಆವೃತ್ತಿಗಳ ಆಟಗಳೊಂದಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಅವರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಮಾದರಿಯು ಲಭ್ಯವಿದೆ ಎಂದು ಅವರು ನಂಬುತ್ತಾರೆ
"ಎಸ್ಪೋರ್ಟ್ಸ್ ಆಟಗಳು ತುಂಬಾ ಸಂಕೀರ್ಣವಾಗಿವೆ, ಮತ್ತು ಆಟದ ಹೆಚ್ಚಿನ ವೇಗದ ಕಾರಣದಿಂದಾಗಿ, ಆಟದ ಸಮತೋಲನವು ಕೆಲವು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಅಕ್ಷರಶಃ ಬದಲಾಗಬಹುದು, ಅದೇ ಸಮಯದಲ್ಲಿ ಆಟದ ನಕ್ಷೆಯ ಹಲವು ಪ್ರದೇಶಗಳಲ್ಲಿ ವಿವಿಧ ಘಟನೆಗಳು ಸಂಭವಿಸಬಹುದು. ಅವು ಎಷ್ಟು ಬೇಗನೆ ಸಂಭವಿಸಬಹುದು ಎಂದರೆ ವಿಮರ್ಶಕರು ಅಥವಾ ವೀಕ್ಷಕರು ಆಟದ ಪ್ರಮುಖ ಕ್ಷಣವನ್ನು ಸುಲಭವಾಗಿ ಕಳೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ನಂತರ ಅದರ ಪರಿಣಾಮಗಳನ್ನು ಮಾತ್ರ ವೀಕ್ಷಿಸಬಹುದು" ಎಂದು ಸಂಶೋಧಕರು ಬರೆಯುತ್ತಾರೆ. "ಅದೇ ಸಮಯದಲ್ಲಿ, ಡೋಟಾ 2 ರಲ್ಲಿ, ಶತ್ರು ನಾಯಕನನ್ನು ಕೊಲ್ಲುವುದು ಒಂದು ಪ್ರಮುಖ ಘಟನೆಯಾಗಿದೆ, ಇದು ವ್ಯಾಖ್ಯಾನಕಾರರು ಮತ್ತು ವೀಕ್ಷಕರಿಗೆ ಆಸಕ್ತಿಯನ್ನುಂಟುಮಾಡುತ್ತದೆ."
ಮೂಲ: 3dnews.ru