研究人员推进了游戏中玩家目标预测的人工智能

立即发布

詹姆斯·莱斯特 lester@ncsu.edu 919.515.7534

马特·希普曼 matt_shipman@ncsu.edu 919.515.6386.

北卡罗来纳州立大学的研究人员开发出了一款人工智能(AI)软件，在预测玩家在电子游戏中试图实现的目标方面，该软件比以往任何技术都要好得多。这一进步有望帮助游戏开发者设计新的方法来改善玩家的游戏体验。

“我们开发这个软件是为了用于教育游戏，但它适用于所有电子游戏开发者，”詹姆斯·莱斯特博士说，他是北卡州立大学的计算机科学教授，也是一篇关于这项工作的论文的资深作者。“这是开发适应玩家的游戏的关键一步，这些游戏可以对玩家的动作做出反应，以改善游戏体验，无论是为了娱乐，还是——在我们的情况下——为了教育。”

研究人员使用“深度学习”来开发人工智能软件。深度学习描述了一系列可以从大量数据中推断模式并进行预测的机器学习技术。在计算机视觉和自然语言处理等各个领域，学术界和工业界都在积极研究深度学习。

在这种情况下，大量数据是玩家在游戏中制作的动作的总和。然后，预测的AI软件可以借鉴所有数据，以确定各个玩家在游戏中的任何特定点的行为基于他或她的行为来实现。并且该软件能够随着时间的推移提高其准确性，因为AI程序的数据越多，它就越准确。

莱斯特说:“在某个点上，改进将趋于平稳，但我们还没有达到那个点。”

为了测试人工智能程序，研究人员转向了一款名为“水晶岛”的教育游戏，这是他们多年前开发的。在测试《水晶岛》时，研究人员收集了137个不同玩家的行为日志(追踪玩家在游戏中的每一个行动)。研究人员将预测AI软件与水晶岛的玩家记录进行了测试，以确定其目标识别的准确性。换句话说，它们可以告诉AI玩家在《Crystal Island》中所做的一切，并查看AI认为玩家想要完成的目标。通过对照玩家日志检查AI的反应，研究人员可以判断AI是否正确。

“对于游戏来说，目前最先进的目标识别人工智能程序的准确率为48.4%，”北卡罗来纳州立大学博士生、该论文的主要作者Wookhee Min说。“我们新程序的准确率是62.3%。这是一个很大的飞跃。”

纸”,基于深度学习的开放式数字游戏目标识别“将于10月5日至7日在北卡罗来纳州Raleigh举行的第十个年度人工智能和互动数字娱乐年度会议上展示。该研究得到了国家科学基金会在授予IIS-1138497和IIS-1344803下的支持。

希普曼-

编辑:研究摘要如下。

基于深度学习的开放式数字游戏目标识别

作者: Wookhee Min, Eun Young Ha, Jonathan Rowe, Bradford Mott, James Lester，北卡罗莱纳州立大学

提出了：10月5日至7日在北卡罗来纳州罗利人工智能和互动数字娱乐年度会议上。

文摘:虽然许多开放式数字游戏都具有非线性故事情节和多种解决方法，但由于给予玩家自由，游戏开发者很难在这些环境中创造有效的游戏体验。为了解决这些挑战，研究人员研究了目标识别(一种计算玩家建模任务)，使数字游戏能够动态预测玩家的目标。本文提出了一种基于堆栈去噪自编码器的目标识别框架，这是深度学习的一种变体。学习的目标识别模型(通过玩家互动的语料库进行训练)不仅能够提高性能，而且还能够消除劳动密集型功能工程的需求。评估表明，基于深度学习的目标识别框架显著优于以往基于马尔科夫逻辑网络的最先进的目标识别方法。