in

Автоматизация спортивного мастерства: искусственный интеллект для анализа поведенческих показателей

Игровому сообществу не нужны геймеры с детским поведением, проявляющие крайнюю токсичность.

Если у вас игра с огромным сообществом и для уравновешивания их эмоций вам нужно нормативное решение. Решение, которое могло бы обуздать их токсичность, анализировать троллей, отфильтровывать BM (плохие манеры) и искоренять киберзапугивание. Такое решение, как оценка спортивного мастерства, поведения, репутации игрока или оценка честной игры, здесь мы называем это аналитикой показателей поведения.

Что такое аналитика поведенческих показателей?

Каждая игра всегда была в поле зрения неопределенных независимых организаций, которые оценивали влияние этих игр на пользователей. Эффект может быть разным; он может изменить их поведение в личной, а также профессиональной жизни. Следовательно, оценка поведения используется для оценки воздействия.

Он также предоставляет информацию об уровне токсичности игрока и о том, как он обращается со своими товарищами по команде или игроками в игре. Оценка также подтверждает честность игрока; мошенничество, написание сценариев и изменение правил игры часто приводят к деактивации учетной записи. Оценка также дает представление о том, как продвигается игра в сообществе.

Оценка хорошего поведения: Игрок пользуется авторитетом, имеет хороший рейтинг и делает игровое сообщество лучшим местом для других игроков.

Средний результат: Это первый удар; возможно, вы захотите просмотреть свои сообщения и беседы [во всем чате].

Оценка за плохое поведение: Вас могут забанить за чрезмерную токсичность или травлю или понизить в звании. Это также повлияет на ваш общий коэффициент подбора партнеров.

Шкала анализа поведенческих показателей интегрирована в игру, чтобы сделать процесс полезным. Дружеское подшучивание – это нормально, но если вы не контролируете свой темперамент и начинаете болтать в ярости, вы можете испортить игровой опыт и другим игрокам.

Итак, мы нашли еще одну вескую причину, по которой опытный разработчик игр внедрил бы в игру анализ поведенческих показателей. Здесь опытный разработчик игр отдаст приоритет аналитике и будет судить автономно и беспристрастно. Аналитика поведенческих показателей на основе искусственного интеллекта. Она снижает затраты на ручное модераторство, реализует эффективную настройку и обладает возможностью масштабирования, а также адаптации игровой механики.

Может ли Искусственный интеллект отслеживать поведение игрока?

Да, разработка системы отслеживания поведенческих показателей на основе искусственного интеллекта возможна. Однако это, безусловно, требует тщательного планирования, и процесс не так прост, как кажется. Интеграция искусственного интеллекта с системой отслеживания поведенческих показателей предполагает использование естественного языка и обработки речи на полную мощность. Системе необходимо обрабатывать способы вербализации игроков, общения в чате и огорчения (портящие игровой опыт из-за неуместных игровых приемов, влияющих на рейтинг команды и очки).

Существует множество внутриигровых показателей, которые необходимо изучить, проанализировать и пометить, а затем нам нужно определить результат. Конечно, можно модерировать такие показатели, как внутриигровой чат и обычное общение. Но некоторые показатели, такие как отчеты, действия и игровой процесс, которые приводят к показателям репутации, нуждаются в тщательной оценке. Здесь можно доказать, что ИИ вносит основной вклад в разработчиков игр. Давайте узнаем, что может делать аналитика результатов Fairplay, интегрированная с искусственным интеллектом, и как ее разработать.

Какое поведение может отслеживать искусственный интеллект?

Мы исследуем важность поведенческих показателей, но давайте изучим, что система может сделать для игры. Разработчик игры интегрирует систему подсчета очков Fairplay для обеспечения качества всей игры и ее сообщества. Это снижает риск того, что “возможно”, что расследование может быть начато. Вот следующие пять общих факторов, отслеживаемых системой анализа результатов ИИ.

  1. Командная игра: в игровом процессе команде иногда назначаются соответствующие роли. Система может отслеживать, следуют ли игроки рекомендациям своих соответствующих ролей или нет. Невыполнение этого требования может нарушить игровой процесс, а в профессиональных сценах – привести к договорным матчам за изменение коэффициентов ставок.
  2. Спортивное мастерство: настоящий спортсмен понимает, что спортивное мастерство имеет значение. Каждый киберспортивный игрок в настоящее время является хорошо известной фигурой. То, как они взаимодействуют и ведут себя в игре, влияет и на мыслительный процесс сообщества. Таким образом, ИИ может законно судить, является ли игрок настоящим спортсменом или нет.
  3. Мошенничество:- Они также могут отслеживать аймботов, скриптеров, переключатели задержек и многое другое. Многие игроки запускают скрипты для повышения в звании или smurf, используя второстепенные аккаунты низкого уровня.
  4. Огорчение:- Многие действия игроков в игре могут привести к огорчению. Такие действия, как насмешки, травля, плохие манеры, неуместный стиль игры и т.д. Это приводит к разжиганию ненависти, и другие игроки могут сообщить о человеке через систему.
  5. Общение:- Общение в игре – лучший способ для игроков, совершающих броски, переломить ход игры. Но, с другой стороны, его можно использовать для злоупотребления словами. Решения с искусственным интеллектом могут отслеживать это и либо отключать звук игрока, либо оценивать его соответствующим образом.

Строительные блоки для отслеживания показателей поведения

Давайте рассмотрим строительные блоки общей системы оценки поведения на основе искусственного интеллекта. Мы разделили всю структуру на пять основных потребностей и видов требуемых услуг.

  1. Конвейер сбора игровых данных: В играх полно чатов, голосовых сообщений и пингов связи. Создание конвейера сбора игровых данных – один из важных этапов. Здесь вы можете использовать искусственный интеллект для автоматического сбора данных, а также для обеспечения безопасности собранных данных.
  2. Аннотация к данным: Теперь нам нужно пометить собранные данные. Каждая строка данных должна быть помечена как положительная, отрицательная или нейтральная. Аннотации к данным помогут обучить вашу модель машинного обучения и выдадут результаты после того, как уравнение будет прогнано через модель.
  3. Разработка прикладной модели искусственного интеллекта / ML: здесь начинается автоматизация; теперь у вас есть помеченный набор данных; вам просто нужно проанализировать его и построить систему классификации. Классификаторы автоматически проанализируют весь набор данных в мельчайших деталях. Набор данных включает поведение игроков, речь, необработанные чаты, сообщения и поведение во время игрового процесса.
  4. Облачная инфраструктура: Инфраструктура поможет вам удобно и эффективно развертывать огромные конвейеры потоковой передачи данных.
  5. Разработка конечного продукта: дизайн пользовательского интерфейса / UX и разработка мобильных / веб-приложений для создания легкодоступного продукта. Это необходимо для обеспечения взаимодействия пользователей с конечным продуктом, например, для более точной визуализации данных, позволяющей им просматривать аналитические данные, и, в конечном счете, для двустороннего канала просмотра данных как для пользователей, так и для модераторов вручную, на всякий случай.

Три лучших тематических исследования

Автоматизированный анализ спортивного мастерства может быть сложным для новичка или человека, который не знаком с системой. Итак, вот три основных тематических исследования, которые мы вкратце объяснили, чтобы прояснить ваше понимание.

Примечание: Эти тематические исследования не ранжируются; мы не говорим, что они самые совершенные на рынке. Но, глядя на профессиональную сцену, можно сказать, что эту систему хвалили за аналитику и многое другое.

Пример 1: Riot Games использует систему оценки поведения на основе искусственного интеллекта под названием Valorant Credit Score. Система используется для отслеживания отчетов, АФК, читов и уровней токсичности.

Пример 2: В Counter Strike 2 используются Overwatch и система Trust Factor. Это способствовало улучшению сообщества. Игроки могут сообщать о токсичном поведении и фальсификациях.

Пример 3: Dota 2 всегда была королем киберспортивных игр благодаря огромному призовому фонду. Но в 2019 году количество пользователей резко сократилось. Это произошло из-за токсичности. Valve также представила Overwatch и систему Trust Factor для Dota 2. Это позволило игрокам подать отчет, а игровой процесс был рассмотрен экспертным киберспортивным сообществом Dota 2. Система оценки поведения до сих пор помогала не только удерживать игроков, но и позволяла им превратить сообщество в полезное поле битвы для новичков.

Во всех случаях использовался один-единственный подход: объединить систему обработки естественного языка с системой подсчета очков. Искусственный интеллект уже начал развиваться и находится в самом расцвете сил, и индустрия разработки игр не отказывается от использования его очевидных преимуществ.

Повышение полезности мобильных игр

Знаете ли вы, что в отчете сделан вывод о том, что в 2023 году количество пользователей мобильных игр увеличилось на 21,7%? В том же отчете предполагалось, что к 2028 году этот сегмент достигнет рекордного уровня в 1,9 миллиарда пользователей. Итак, вы можете задать простой вопрос: может ли быть оценка поведения на основе ИИ только для мобильных игр? Ответ – да, хотя есть несколько вещей, которые необходимо учитывать перед его созданием, например:

  • Интеграция с API для доступа к чатам, игровым процессам и системам отчетности.
  • Эффективная модель, которая может работать с низкой задержкой и высокой пропускной способностью.
  • Система защиты данных, которая позволяет игрокам надежно передавать данные с мобильных устройств в облако.
  • Кроссплатформенная поддержка для большего удобства и доступности.
  • Нативный просмотр данных с мобильных устройств и дизайн пользовательского интерфейса / UX.

Эпилог

Система оценки поведения на основе ИИ может помочь разработчикам игр создавать игры, которые не подвержены распространению токсичности. Позитивному сообществу нужны стратегии модерации, и ИИ может помочь автоматизировать эти задачи. Конечно, система оценки поведения, основанная на искусственном интеллекте, может предоставить множество преимуществ, но вместе с ними возникают и сложности.

Однако из-за внедрения генеративного искусственного интеллекта автоматизированы различные функции, такие как увеличение набора данных, распознавание образов, оценка контекста и стимулирующие игровые среды, которые могут снизить токсичность. Тем не менее, предстоит пройти долгий путь.

Однако не следует отказываться от внедрения своих идей на рынок из-за сложности. Изучите, как разрабатываются игры в наше время, использование ИИ / ML и первичные исследования инструментов и технологий генеративного ИИ. Это, несомненно, поможет вам развить вашу идею, даже в мобильных играх с системами оценки поведения на основе искусственного интеллекта. Спасибо за чтение, и помните, что лучший способ играть в игры – это ответственно.

Автор истории Харшал Джани @harshaljani.

What do you think?

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

GIPHY App Key not set. Please check settings