Veel gebeurtenissen kunnen worden voorspeld voordat ze plaatsvinden. Het is bijvoorbeeld vrij duidelijk dat het karakter van een persoon die het populaire MOBA-spel Dota 2 speelt, binnenkort zal sterven als een sterkere vijandelijke held hem vanuit een gebied uit het zicht benadert. Maar wat voor een persoon duidelijk is, is niet altijd gemakkelijk voor een computer, en een persoon kan niet altijd alles volgen wat er op de spelkaart gebeurt. IN Met de titel ‘Time to Die: Predicting Character Death in Dota 2 Using Deep Learning’ beschreven onderzoekers van de Universiteit van York hoe ze AI konden trainen om de naderende dood van een gamekarakter met vrij hoge nauwkeurigheid te voorspellen, vijf seconden voordat deze daadwerkelijk gebeurt. .
Het voorspellen dat een personage binnen 5 seconden zal worden gedood, is zelfs iets moeilijker dan het op het eerste gezicht lijkt. De gemiddelde match bestaat uit 80 afzonderlijke fragmenten, waarbij een personage in elk fragment tientallen van de 000 mogelijke (volgens de berekeningen van de onderzoekers) acties kan uitvoeren. Gemiddeld voeren spelers op de kaart 170 bewegingen per wedstrijdfragment uit, waardoor er meer dan 000 spelwisselingen plaatsvinden.
De auteurs van het onderzoek merken op dat de lage gezondheid van een personage niet altijd nauw verband houdt met zijn snelle dood, aangezien sommige helden genezende vermogens hebben en er ook speciale items zijn voor genezing of teleportatie. Rekening houdend met al deze factoren gebruikte het team Dota 2-wedstrijdopnamen van Valve om het neurale netwerk te trainen, dat 5000 professionele en 5000 semi-professionele games bevatte die tot 5 december vorig jaar werden gespeeld. Vóór de daadwerkelijke training werden de opnames voorbewerkt door de wedstrijden om te zetten in tijdlijnen voor elke speler, verdeeld in speeltijdsegmenten van 0,133 seconden, waarbij elk punt op de schaal een complete set gegevens over het personage en zijn omgeving bevatte.
Uit alle in-game informatie identificeerden de onderzoekers bijvoorbeeld 287 parameters, zoals de gezondheid van het personage, mana, kracht, behendigheid en intelligentie, zijn beschikbare geactiveerde items, kant-en-klare vaardigheden, de positie van de held op de kaart, de afstand tot de dichtstbijzijnde vijand en de verdedigingstoren van de geallieerden, en ook de algemene geschiedenis (wanneer en waar de speler de vijand voor het laatst heeft gezien). Deze parameters spelen, zoals de onderzoekers aangeven, een sleutelrol bij de vraag of een personage in de nabije toekomst sterft of overleeft, waarbij de positie op de kaart en de geschiedenis van de recensie de belangrijkste rol spelen.
“Het gedrag van spelers wordt beïnvloed door informatie over het recente verleden”, schrijven de co-auteurs van het artikel. “Als de vijand bijvoorbeeld simpelweg uit het zicht is, weet de speler nog steeds dat hij zich ergens in het gebied bevindt. Aan de andere kant, als de vijand een paar minuten geleden verdween, zou hij vanuit het gezichtspunt van de speler overal kunnen zijn. Dit was de reden waarom we een functie hebben toegevoegd die de recensiegeschiedenis analyseert."
Om het neurale netwerk te trainen, gebruikten de wetenschappers 2870 inputs (287 parameters per 10 spelers) en 57,6 miljoen datapunten, waarbij 10% van de data werd gereserveerd voor verificatie en nog eens 10% voor testen. In hun experimenten ontdekte het team dat ze een gemiddelde nauwkeurigheid van 0,5447 bereikten in situaties waarin de AI werd gevraagd te voorspellen welke held van de tien spelers van elk team binnen de volgende vijf seconden zou sterven. Bovendien geven de onderzoekers aan dat het model sterfgevallen over een langere periode zou kunnen voorspellen door alle factoren en situaties te bestuderen die daartoe zouden kunnen leiden.
Wetenschappers merken op dat hun aanpak bepaalde beperkingen heeft, namelijk dat het systeem zoveel in-game informatie nodig heeft (inclusief over vijandelijke kampioenen die onzichtbaar zijn voor de kampioen in kwestie) om zijn voorspelling te doen, en dat het systeem mogelijk niet volledig compatibel is met nieuwe versies van games. Ze zijn echter van mening dat het model dat zij hebben ontwikkeld en waarin beschikbaar is , kan handig zijn voor commentatoren en spelers wanneer ze de voortgang van een wedstrijd volgen.
“Esports-games zijn erg complex en door de hoge gameplay-snelheid kan de balans van het spel letterlijk binnen een paar seconden veranderen, terwijl er tegelijkertijd in veel delen van de gamekaart verschillende gebeurtenissen kunnen plaatsvinden. Ze kunnen zo snel gebeuren dat commentatoren of toeschouwers gemakkelijk een belangrijk moment in de wedstrijd kunnen missen en dan alleen de gevolgen ervan kunnen zien”, schrijven de onderzoekers. “Tegelijkertijd is het doden van een vijandelijke held in Dota 2 een belangrijke gebeurtenis die zowel commentatoren als kijkers interesseert.”
Bron: 3dnews.ru