Vad är dynamisk svårighetsjustering och varför äger EA patentet?

Dynamisk svårighetsjustering (DDA) är en teknik som används för att ändra spelets svårighet enligt en spelares skicklighet. Under ett spel kan svårighetsjusteringstekniken hjälpa spelaren att vinna om de tappar. I andra fall kan det göra det svårare för en spelare att vinna en match.

Vad är dynamisk svårighetsjustering?

DDA övervakar och förutspår hur länge en spelare förblir förlovad av ett spel. Den kombinerar denna information med olika datatyper, till exempel hur länge ett spel håller en spelare engagerad i en enspelarsession.

En DDA kan hindra en spelare från att bli uttråkad om spelet är enkelt. Det kan också hindra spelare från att bli frustrerade om spelet är för svårt.

DDA arbetar både på kort och lång sikt. Kortvarig DDA hindrar spelare från att uppleva långa sträckor av samma resultat, vare sig det är bra eller dåligt. En slumpgenerator används för att uppnå kortvarig DDA. En långvarig DDA anpassar spelets nivå till en som är lämplig för deras färdigheter och prestanda.

Det är mycket bra och bra, men hur fungerar dynamisk svårighetsjustering i spelet?

Hur fungerar dynamisk svårighetsjustering?

Ett vanligt sätt att uppnå DDA är att göra förändringar i spelets gång genom att justera svårigheter efter att utlösningshändelser inträffar som indikerar oönskade tillstånd hos spelaren. Sådana stater inkluderar tristess och frustration.

DDA beror på maskininlärningsalgoritmer för att göra de förutsägelser som behövs för att utföra justeringar. Maskininlärningsalgoritmer, som övervakad och icke-övervakad, skapar och uppdaterar förutsägelsesmodeller för spel. Ensemblealgoritmer och instansbaserade algoritmer är exempel på logik som används för att skapa och uppdatera förutsägelsesmodeller för DDA.

System för dynamisk svårighetsjustering

A patent beviljat EA 2018 avslöjar detaljer om de tekniska komponenterna i DDA i EA-spel.

Patentet beskriver ett system med ett elektroniskt datalager som en hårdvaruprocessor använder för att utföra instruktioner för att identifiera justeringsvärden till variabler i videospelet. Hårdvaruprocessorn genererar en förutsägelsemodell genom att utföra instruktioner för att komma åt datauppsättningar som används i maskininlärningssystemet.

Patentet beskriver också hur DDA använder olika typer av användarinteraktionsdata för att bedöma hur engagerad en användare är. Sådana data inkluderar mängden pengar som spenderas i spelet, användarens framsteg inom spelet och spelarens benägenhet att sluta på grund av deras framsteg i spelet.

Användarinteraktionsdata används i kombination med andra datatyper för att skapa och agera på spelförutsägelsemodeller. Datan matar olika typer av system i spelet som arbetar tillsammans för att ändra svårigheten.

De typer av system och processer som kan fungera tillsammans inkluderar:

• Retentionsanalys
• Prognosmodellgenerering
• Skapa kluster
• Klusteruppdrag
• Utsädeutvärdering
• Svårighetsinställning

I ett nötskal arbetar dessa system tillsammans för att samla in spelardata, som används för att avgöra hur svårt eller enkelt spelet ska vara.

Relaterad: Psykologiska skäl till varför videospel är beroendeframkallande

DDA-datamodellering

Prognosgenereringsmodellgenereringsprocessen involverar historiska användarinteraktionsdata i kombination med styrdata för att generera förutsägelsesmodeller. Styrdata används för att ställa in önskad förutsägelse för antalet användare.

Ett retentionsanalyssystem kan bestå av ett eller flera system som genererar retentionshastigheter och förutsägbarhet för användare. Den förutspådda retentionstakten kan användas för att avgöra om spelets svårighet behöver ändras. Användarinteraktionsdata tillämpas på förutsägelsemodeller för att uppnå detta.

Användare kan grupperas i kluster baserat på interaktivitetsdata. Användare som spelar spelet i mindre än 30 minuter kan till exempel vara det identifieras av maskininlärningsalgoritmen.

Patentet föreslår att i vissa utföringsformer av systemet grupperas användare med liknande egenskaper och justering av svårighetsnivåer baserat på varje användares unika åtgärder möjliggör bättre hantering av svårigheter nivåer.

Relaterad: Googles AI-genombrott: Vad det betyder och hur det påverkar dig

Skapandet av kluster börjar med identifiering av användare i spelet. Data om användarinteraktion samlas över tiden och används för att filtrera bort användare som inte uppfyller interaktionskriterierna. Efter att användarna har filtrerats bort skapas användarkluster med svårighetsinställningar baserat på användarinteraktionsdata och engagemangsnivåer.

Klusteruppdrag för en användare uppnås genom att identifiera användaren och samla in användarens interaktionsdata med spelet över tiden. Användarinteraktionsdata används i kombination med klusterdefinitioner för att identifiera specifika kluster för användare att associera med.

Svårighetsinställningsprocessen börjar med identifieringen av en användare, följt av bestämningen av ett användarkluster som är associerat med användaren. Konfigurationsvärdena justeras baserat på användarinteraktionsdata.

Ett system för utvärdering av utsäde används för att bestämma hur svår en andel av ett videospel kan vara. Processen för utvärdering av utsäde börjar med identifiering av frön (värden) som kan användas för att konfigurera videospelet. Användarnas framsteg för varje utsäde övervakas över tid för att fastställa en svårighet baserat på normaliserade framstegsdata.

Ett utmärkt exempel på frön finns i Minecraft, där olika frön ger helt olika äventyr.

I vissa utföringsformer av systemet upptäcks kanske inte DDA i spelet av användaren. Spelet kan också upprepa ändringar i videospelet om en händelse utlöses.

Varför äger EA ett patent för dynamisk svårighetsjustering?

Efter att ha upptäckt EA: s DDA-patent blev många användare av EA-spel oroliga över om tekniken användes i deras spel och vilken effekt den hade på deras upplevelser.

En rättegång (som senare tappades) väcktes mot EA i slutet av 2020, vilket gav upphov till ytterligare diskussioner om spelföretagets potentiella användning av tekniken.

Klagandena trodde att EA använde tekniken för att öka spelets svårigheter så att fler skulle vilja för att köpa artiklar i spelet (loot boxar) för att vinna. EA lämnade information och åklagarna pratade med sitt teknikteam för att bevisa att DDA eller liknande manus inte användes som påstått.

Enligt ett meddelande från en EA-anställd utformades tekniken för att ta reda på hur man kan hjälpa spelare som har svårt att få spel att få framsteg. Avsikten är att se till att betalarna inte blir för uttråkade eller frustrerade över spelet.

EA levereras ett officiellt svar:

Vi har hört dina bekymmer kring patentfamiljen för dynamisk svårighetsjustering (här och här) och ville bekräfta att den inte används i EA SPORTS FIFA. Vi skulle aldrig använda det för att gynna eller missgynna någon spelargrupp mot en annan i något av våra spel. Tekniken utformades för att utforska hur vi kan hjälpa spelare som har svårt i ett visst område i ett spel har möjlighet att avancera.

EA uppgav att det skulle inte använda DDA-teknik för att ge eller ta bort fördelar för spelare i onlinespel. Det hävdar att tekniken inte finns i ledande spel som FIFA, Madden eller NHL.

Användningen av dynamisk svårighetsjustering i videospel

EA har alltid förnekat att använda DDA i videospel. På en fråga om Reddit om DDA i FIFA svarade kreativ chef Matt Prior att det finns potential för spelarfel i spelet, baserat på individuell spelarstatistik och trötthet, snarare än DDA.

Det är inte ovanligt att patent i spelbranschen lämnas in utan att någonsin användas. En stor mängd forskning och utveckling går till att skapa nya koncept för spel. Nya idéer genereras alltid som kanske inte går av marken på grund av olika faktorer, såsom rykte om rykte eller till och med bara inte hittar ett sätt att integrera idén ordentligt i ett spel.

Microsoft åtgärdar det irriterande Xbox Controller Disconnection Bug

Microsoft sa att det skulle, och nu lever det på löftet.

Om författaren