Saara
Videopelin vaikeustaso suhteessa pelaajan taitoihin on tärkeä tekijä mieluisassa pelikokemuksessa. Siksipä asian kanssa tasapainoilu on kehittäjille tärkeä rasti. Nyt tutkijat ovat on kehittäneet ongelmaan uudenlaisen lähestymistavan, jossa pelin haastavuus määrittyy pelaajan tunnetilan perusteella.
Vaikeustason asettaminen on vaikeaa. Siinä missä osa pelaajista nauttii joutuessaan lujille, toiset haluavat vain pitää rennosti hauskaa. Ratkaisuna useimmat kehittäjät käyttävät niin kutsuttua dynaamista vaikeudensäätöä (DDA, dynamic difficulty adjustment), joka määrää pelin vaativuuden reaaliajassa pelaajan suorituskyvyn mukaan. DDA:n älykkäät agentit nostavat automaattisesti tasoa taiturille, mutta niin hyödyllistä kuin tämä onkin, ne eivät ota huomioon sitä, miten kivaa pelaajalla on.
Hiljattain Expert Systems With Applications -julkaisussa ilmestyneessä tutkimuksessa korealainen tutkimusryhmä päätti hieman muokata DDA-lähestymistapaa. Gwangju Institute of Science and Technology -instituutin tutkijat kehittivät DDA-agentteja, jotka keskittyivät suorituskyvyn sijaan maksimoimaan yhden neljästä tyytyväisyystekijästä ja säätämään pelin vaikeustason sen mukaan. Pelaajan tyytyväisyyttä arvioitiin kategorioissa haaste, kyky, flow ja yleinen fiilis. DDA-agentit koulutettiin koneoppimisen avulla käyttämällä oikeilta pelajailta kerättyä dataa taistelupeleistä erilaisia tekoälyjä vastaan. Koehenkilöt vastasivat jälkeenpäin kyselyyn siitä, miten meni ja miltä tuntui.
Algoritmin nimeltä Monte-Carlo tree search (MCTS) avulla tietokonevastustaja sitten viritettiin todellisen ja simuloidun datan perusteella sellaiselle tasolle, että se maksimoi jonkin neljästä tunnetilasta.
– Eräs lähestymistapamme etu muihin tunteisiin keskittyviin menetelmiin verrattuna on, ettei se ole riippuvainen ulkoisista antureista, kuten vaikka aivosähkökäyrätutkimukset, kommentoi tutkimusta johtanut apulaisprofessori Kyung-Joong Kim.
Kunhan malli on harjoitettu, se pärjää pelin sisäisiä ominaisuuksia hyödyntämällä. Kokeessa havaittiin, että vapaaehtoisten koehenkilöiden pelikokemus todella parani riippumatta heidän mieltymyksistään.
– Kaupallisilla peliyrityksillä on jo valtavia määriä pelaajadataa. Ne voivat hyödyntää näitä tietoja mallintaakseen pelaajia ja ratkaistakseen erilaisia pelien tasapainottamiseen liittyviä ongelmia menettelymme avulla, Kim visioi.
Tutkijoiden mukaan tekniikalla voisi olla potentiaalia myös muilla aloilla, kun pyritään pelillistämään esimerkiksi terveydenhuoltoon, liikuntaan ja koulutukseen liittyviä toimintoja.
Lähde: Science Daily Kansikuva: Adobe
