許多事件在發生之前就可以預測，例如，很明顯，如果一個更強大的敵方英雄從視線之外的區域接近一個玩流行 MOBA 遊戲 Dota 2 的人，他的角色很快就會死亡。 但對人來說顯而易見的事情對電腦來說並不總是那麼容易，而且人們並不總是能夠追蹤遊戲地圖上發生的一切。 在 約克大學的研究人員題為“Time to Die：使用深度學習預測 Dota 2 中的角色死亡”，描述了他們如何訓練 AI 在遊戲角色實際死亡前 5 秒以相當高的準確度進行預測。
事實上，預測角色將在 5 秒內被殺死比乍看起來要困難一些。 平均一場比賽由 80 個單獨的片段組成，在每個片段中，角色可以執行 000 種可能的（根據研究人員的計算）動作中的數十種。 平均而言，地圖上的玩家在每個比賽片段中執行 170 次動作，從而進行超過 000 次遊戲更改。
研究的作者指出，角色的低健康狀況並不總是與他的快速死亡密切相關，因為有些英雄具有治療能力，並且還有用於治療或傳送的特殊物品。 考慮到所有這些因素，團隊使用 Valve 提供的 Dota 2 比賽錄影來訓練神經網絡，其中包含截至去年 5000 月 5000 日進行的 5 場職業比賽和 0,133 場半職業比賽。 在實際訓練之前，對錄音進行了預處理，將比賽轉換為每個玩家的時間線，分為XNUMX秒的遊戲時間段，其中刻度上的每個點都包含有關角色及其環境的完整資料集。
研究人員從所有遊戲資訊中確定了 287 個參數，例如角色的生命值、法力、力量、敏捷度和智力、可用的激活物品、隨時可用的能力、英雄在地圖上的位置、到最近的敵人和盟友防禦塔的距離，以及一般回顧歷史（玩家最後一次看到敵人的時間和地點）。 正如研究人員指出的，這些參數對於角色在不久的將來是否死亡或生存起著關鍵作用，其中最重要的作用是地圖上的位置和評論的歷史。
該論文的合著者寫道：“玩家的行為受到最近的信息的影響。” 「例如，如果敵人只是在視線之外，玩家仍然知道他在該區域的某個地方。 另一方面，如果敵人在幾分鐘前消失，那麼從玩家的角度來看，他可能在任何地方。 這就是我們添加分析評論歷史功能的原因。”
為了訓練神經網絡，科學家使用了 2870 個輸入（每 287 個玩家 10 個參數）和 57,6 萬個資料點，保留 10% 的資料用於驗證，另外 10% 用於測試。 在他們的實驗中，團隊發現，在要求 AI 預測任何一方 0,5447 名玩家中的哪一位英雄會在接下來的 XNUMX 秒內死亡的情況下，他們的平均準確度達到了 XNUMX。 此外，研究人員表示，該模型可以透過研究所有可能導致死亡的因素和情況來預測更長時間內的死亡。
科學家指出，他們的方法有一定的局限性，即係統需要大量的遊戲內資訊（包括有關冠軍看不見的敵方冠軍的資訊）才能做出預測，並且它可能與新版本的遊戲不完全兼容。 然而，他們相信他們開發的模型可以在 ，對於評論員和玩家關注比賽進展時非常有用。
「電競遊戲非常複雜，由於遊戲速度很快，遊戲的平衡性可能會在幾秒鐘之內發生變化，而遊戲地圖的許多區域可能會同時發生各種事件。 它們發生得如此之快，以至於評論員或觀眾很容易錯過比賽中的重要時刻，然後只看到其後果，」研究人員寫道。 “同時，在 Dota 2 中，殺死敵方英雄是評論員和觀眾都感興趣的關鍵事件。”
來源： 3dnews.ru