Maraming mga kaganapan ang maaaring mahulaan bago ito mangyari, halimbawa, ito ay lubos na halata na ang karakter ng isang taong naglalaro ng sikat na MOBA game na Dota 2 ay malapit nang mamatay kung ang isang mas malakas na bayani ng kaaway ay lalapit sa kanya mula sa isang lugar na hindi nakikita. Ngunit kung ano ang halata sa isang tao ay hindi palaging madali para sa isang computer, at ang isang tao ay hindi palaging magagawang sundin ang lahat ng nangyayari sa mapa ng laro. SA Pinamagatang “Time to Die: Predicting Character Death in Dota 2 Using Deep Learning,” inilarawan ng mga researcher mula sa University of York kung paano nila nasanay ang AI para mahulaan ang paparating na pagkamatay ng isang game character na may medyo mataas na katumpakan 5 segundo bago ito aktwal na mangyari .
Sa katunayan, ang paghula na ang isang karakter ay papatayin sa loob ng 5 segundo ay medyo mas mahirap kaysa sa tila sa unang tingin. Ang average na tugma ay binubuo ng 80 hiwalay na mga fragment, kung saan ang bawat isa ay maaaring magsagawa ng dose-dosenang 000 posibleng (ayon sa mga kalkulasyon ng mga mananaliksik). Sa karaniwan, ang mga manlalaro sa mapa ay nagsasagawa ng 170 paggalaw sa bawat fragment ng tugma, na gumagawa ng mahigit 000 pagbabago sa laro.
Ang mga may-akda ng pag-aaral ay nagpapansin na ang mababang kalusugan ng isang karakter ay hindi palaging malapit na nauugnay sa kanyang mabilis na pagkamatay, dahil ang ilang mga bayani ay may mga kakayahan sa pagpapagaling, at mayroon ding mga espesyal na item para sa pagpapagaling o teleportasyon. Isinasaalang-alang ang lahat ng mga salik na ito, ginamit ng team ang Dota 2 match recording na ibinigay ng Valve para sanayin ang neural network, na naglalaman ng 5000 propesyonal at 5000 semi-pro na laro na nilaro hanggang Disyembre 5 noong nakaraang taon. Bago ang aktwal na pagsasanay, ang mga pag-record ay paunang naproseso sa pamamagitan ng pag-convert ng mga laban sa mga timeline para sa bawat manlalaro, na hinati sa 0,133 segundong mga segment ng oras ng laro, kung saan ang bawat punto sa sukat ay naglalaman ng kumpletong hanay ng data tungkol sa karakter at sa kanyang kapaligiran.
Mula sa lahat ng in-game na impormasyon, natukoy ng mga mananaliksik ang 287 na mga parameter, halimbawa, tulad ng kalusugan ng karakter, mana, lakas, kagalingan ng kamay at katalinuhan, ang kanyang magagamit na mga naka-activate na item, handa nang gamitin na mga kakayahan, posisyon ng bayani sa mapa, ang distansya sa pinakamalapit na kaaway at ang nagtatanggol na tore ng mga kaalyado, at gayundin ang pangkalahatang kasaysayan ng pagsusuri (kung kailan at saan huling nakita ng manlalaro ang kalaban). Ang mga parameter na ito, tulad ng ipinahiwatig ng mga mananaliksik, ay gumaganap ng isang mahalagang papel sa kung ang isang karakter ay mamamatay o mabubuhay sa malapit na hinaharap, na may pinakamahalagang papel na ginagampanan ng posisyon sa mapa at ang kasaysayan ng pagsusuri.
"Ang pag-uugali ng manlalaro ay naiimpluwensyahan ng impormasyon tungkol sa kamakailang nakaraan," isulat ang mga co-authors ng papel. "Halimbawa, kung ang kalaban ay wala sa paningin, alam pa rin ng manlalaro na siya ay nasa isang lugar sa lugar. Sa kabilang banda, kung nawala ang kalaban ilang minuto ang nakalipas, maaaring nasaan man siya mula sa pananaw ng manlalaro. Ito ang dahilan kung bakit nagdagdag kami ng feature na nagsusuri ng kasaysayan ng pagsusuri."
Upang sanayin ang neural network, gumamit ang mga siyentipiko ng 2870 input (287 parameter bawat 10 manlalaro) at 57,6 milyong data point, na nagrereserba ng 10% ng data para sa pag-verify at isa pang 10% para sa pagsubok. Sa kanilang mga eksperimento, nalaman ng koponan na nakamit nila ang isang average na katumpakan na 0,5447 sa mga sitwasyon kung saan hiniling sa AI na hulaan kung sinong bayani ng sampung manlalaro sa alinmang koponan ang mamamatay sa loob ng susunod na limang segundo. Bilang karagdagan, ipinapahiwatig ng mga mananaliksik na ang modelo ay maaaring mahulaan ang mga pagkamatay sa isang mas malaking yugto ng panahon sa pamamagitan ng pag-aaral ng lahat ng mga kadahilanan at sitwasyon na maaaring humantong sa kanila.
Napansin ng mga siyentipiko na ang kanilang diskarte ay may ilang mga limitasyon, lalo na ang system ay nangangailangan ng napakaraming impormasyon sa laro (kabilang ang tungkol sa mga kampeon ng kaaway na hindi nakikita ng kampeon na pinag-uusapan) upang magawa ang hula nito, at maaaring hindi ito ganap na tugma sa mga bagong bersyon ng mga laro. Gayunpaman, naniniwala sila na ang modelo na kanilang binuo, na magagamit sa , ay maaaring maging kapaki-pakinabang para sa mga komentarista at manlalaro kapag sinusundan nila ang pag-usad ng isang laban.
“Napakakomplikado ng mga laro sa esport, at dahil sa mataas na bilis ng gameplay, ang balanse ng laro ay maaaring literal na magbago sa loob ng ilang segundo, habang ang iba't ibang mga kaganapan ay maaaring mangyari sa maraming bahagi ng mapa ng laro sa parehong oras. Maaari silang mangyari nang napakabilis na ang mga komentarista o manonood ay madaling makaligtaan ang isang mahalagang sandali sa laro at pagkatapos ay panoorin lamang ang mga kahihinatnan nito, "ang isinulat ng mga mananaliksik. "Kasabay nito, sa Dota 2, ang pagpatay sa isang bayani ng kaaway ay isang mahalagang kaganapan na interesado sa parehong mga komentarista at manonood."
Pinagmulan: 3dnews.ru