در صنعت بازیسازی، این سیستم تمام رفتارها و عملکرد بازیکن را در حین بازی ثبت میکند؛ برای مثال: اینکه بازیکن در کدام نقشه بیشتر میماند! چه سلاحهایی را انتخاب میکند و چقدر از آن استفاده میکند! در چه لحظاتی میبازد یا برنده میشود! مسیر حرکت او در محیط بازی چگونه است! این دادهها به سازندگان بازی کمک میکند تا بفهمند بازیکنان چطور بازی میکنند و بر اساس آن، بازی را بهتر کنند یا در مورد هوش مصنوعی، رفتار دشمنان را واقعیتر طراحی کنند.
یوبیسافت رفتار بازیکنان را مدلسازی کرد
این نقطه برای بسیاری از فعالان صنعت بازی لحظهای تعیینکننده بود نه از منظر رقابت انسان و ماشین بلکه ازاینجهت که نشان داد داده رفتار بازیکن میتواند به هسته طراحی تجربههای تعاملی آینده تبدیل شود. چند ماه بعد در «جیدیسی ۲۰۲۰» (GDC 2020) پژوهشگران بخش تحقیقوتوسعه «یوبیسافت لا فورج» (Ubisoft La Forge) واحد پژوهشی شرکت بازیسازی یوبیسافت در سخنرانیهای عمومی توضیح دادند که چگونه تلهمتری بازیهای آنلاین این شرکت برای مدلسازی رفتار بازیکن و بهبود تصمیمگیری عاملهای دونبازی استفاده میشود.
این دادهها شامل رویدادهای سادهای مثل مسیر حرکت بازیکن در نقشه انتخاب سلاح یا زمان واکنش به تهدید است جزئیاتی که در نگاه اول پیشپاافتادهاند اما وقتی در مقیاس میلیونها دست بازی کنار هم قرار میگیرند الگوهایی میسازند که پیشتر فقط در رفتار انسان دیده میشد.
در همین بازه طراحان بازی با یک مسئله عملی روبهرو شدند. بازیکنان از «انپیسی»ها (NPC) یا همان رقیب رایانهای که رفتاری قابلپیشبینی داشتند خسته شده بودند. پاسخ صنعت حرکت به سمت عاملهای تعاملی بود که نه هوشمند به نظر برسند؛ بلکه از تجربه واقعی بازیکردن یاد بگیرند.
دادههای واقعی دشمنان را باهوش کردند
در یک پایلوت ششماهه که نتایج آن در سال ۲۰۲۱ در مقالات فنی یوبیسافت و «الکترونیک آرتز» (شرکت بزرگ بازیسازی آمریکایی) منتشر شد تیمهای طراحی نشان دادند که آموزش عاملها با تلهمتری واقعی زمان تنظیم دستی رفتار انپیسی یا رقیب کامپیوتری را کاهش داده و درعینحال حس واقعی بودن تعامل را برای بازیکن افزایش داده است. اما سوالی که احتمالاً الان به ذهنتان رسیده این است: این دادهها از کجا میآیند و چه کسی صاحب آنهاست؟ پاسخ رسمی شرکتها که در اسناد سیاست داده و ارائههای کنفرانسی تکرار شده شفاف است. تلهمتری از طریق رضایتنامههای دونبازی جمعآوری میشود و بهصورت تجمیعشده برای بهبود تجربه استفاده میشود. اما پیامد اقتصادی آن کمتر به زبان ساده گفته شده است. همان تیمهایی که زمانی فقط جمعآورنده داده بودند حالا به منبع ارزش تبدیل شدهاند. داده رفتار بازیکن ماده خام آموزش نسل جدیدی از عاملهاست که میتوانند در بازیهای بعدی سریعتر و ارزانتر توسعه یابند.
بازیکنان حرفهای تغییر را لمس کردند
تا سال ۲۰۲۲ این مسیر به مرحله انتشار محصول رسید. در چند عنوان آنلاین بزرگ بهروزرسانیهایی عرضه شد که در یادداشتهای فنیشان به استفاده از مدلهای مبتنی بر داده واقعی بازیکن اشاره میکرد. بازیکنان حرفهای در مصاحبههای رسانهای از این گفتند که تمرین با این انپیسیها دیگر شبیه تمرین با الگوهای تکراری نیستانگار طرف مقابل تجربه بازیکردن دارد و در مواردی حتی در انجام بازی صاحبسبک و تکنیک منحصربهفرد خود است. این ماجرا شاید در ظاهر قدری ترس در دل شنونده بیندازد، اما یک واقعیت انکارناپذیر دنیای جدید بازی است، واقعیتی از یک تغییر تدریجی و در نوع خود کمنظیر. از تلهمتری خام که بیسروصدا در سرورها ذخیره میشد تا عاملهایی که امروز به شکل ملموستری با ما تعامل میکنند. در این میان منشأ داده؛ یعنی خود بازیکن به قلب زنجیره ارزش آمده است.
پرسش آینده نه این است که آیا این مسیر ادامه دارد یا نه بلکه این است که صنعت بازی چگونه میتواند با شفافیت بیشتر بازیکن را شریک این مسیر روبهجلو نگه دارد؟! دراینخصوص بیشتر خواهیم گفت. با ما همراه باشید.
منبع: فارس
انتهای خبر/ م
