Ilmuwan GIST Kembangkan Model yang Menyesuaikan Kesulitan Videogame Berdasarkan Emosi Pemain – Berita Industri Game Eropa

Waktu Membaca: 2 menit

Menyeimbangkan kesulitan videogame dengan tepat sangat penting untuk memberikan pengalaman yang menyenangkan bagi pemain. Dalam studi baru-baru ini, ilmuwan Korea mengembangkan pendekatan baru untuk penyesuaian kesulitan dinamis di mana emosi pemain diperkirakan menggunakan data dalam game, dan tingkat kesulitan disesuaikan untuk memaksimalkan kepuasan pemain. Upaya mereka dapat berkontribusi untuk menyeimbangkan kesulitan permainan dan membuatnya lebih menarik bagi semua jenis pemain.

Kesulitan adalah aspek yang sulit untuk diseimbangkan dalam video game. Beberapa orang lebih suka videogame yang menghadirkan tantangan sedangkan yang lain menikmati pengalaman yang mudah. Untuk mempermudah proses ini, sebagian besar pengembang menggunakan ‘penyesuaian kesulitan dinamis (DDA).’ Ide dari DDA adalah untuk menyesuaikan tingkat kesulitan game secara real time sesuai dengan performa pemain. Misalnya, jika kinerja pemain melebihi harapan pengembang untuk tingkat kesulitan tertentu, agen DDA game dapat secara otomatis meningkatkan kesulitan untuk meningkatkan tantangan yang diberikan kepada pemain. Meskipun berguna, strategi ini terbatas karena hanya kinerja pemain yang diperhitungkan, bukan seberapa menyenangkan mereka sebenarnya.

Dalam studi terbaru yang diterbitkan di Expert Systems With Applications, tim peneliti dari Institut Sains dan Teknologi Gwangju di Korea memutuskan untuk mengubah pendekatan DDA. Alih-alih berfokus pada kinerja pemain, mereka mengembangkan agen DDA yang menyesuaikan kesulitan permainan untuk memaksimalkan salah satu dari empat aspek berbeda yang terkait dengan kepuasan pemain: tantangan, kompetensi, aliran, dan valensi. Agen DDA dilatih melalui pembelajaran mesin menggunakan data yang dikumpulkan dari pemain manusia yang sebenarnya, yang memainkan game pertarungan melawan berbagai kecerdasan buatan (AI) dan kemudian menjawab kuesioner tentang pengalaman mereka.

Menggunakan algoritme yang disebut pencarian pohon Monte-Carlo, setiap agen DDA menggunakan data game aktual dan data simulasi untuk menyesuaikan gaya bertarung AI lawan dengan cara yang memaksimalkan emosi tertentu, atau ‘keadaan afektif’. “Salah satu keuntungan dari pendekatan kami dibandingkan metode yang berpusat pada emosi lainnya adalah tidak bergantung pada sensor eksternal, seperti elektroensefalografi,” komentar Associate Professor Kyung-Joong Kim, yang memimpin penelitian. “Setelah dilatih, model kami dapat memperkirakan status pemain hanya menggunakan fitur dalam game.”

Tim memverifikasi—melalui eksperimen dengan 20 sukarelawan—bahwa agen DDA yang diusulkan dapat menghasilkan AI yang meningkatkan pengalaman keseluruhan para pemain, apa pun preferensi mereka. Ini menandai pertama kalinya status afektif digabungkan langsung ke agen DDA, yang dapat berguna untuk game komersial. “Perusahaan game komersial sudah memiliki data pemain dalam jumlah besar. Mereka dapat memanfaatkan data ini untuk memodelkan para pemain dan memecahkan berbagai masalah yang terkait dengan keseimbangan permainan menggunakan pendekatan kami, ”kata Associate Professor Kim. Perlu dicatat bahwa teknik ini juga memiliki potensi untuk bidang lain yang dapat ‘dipermainkan’, seperti perawatan kesehatan, olahraga, dan pendidikan.

Makalah ini tersedia secara online pada tanggal 3 Juni 2022 dan akan diterbitkan dalam Jurnal Volume 205 pada tanggal 1 November 2022.

Mari kita berharap penelitian ini membuka jalan ke permainan yang dapat dinikmati oleh semua jenis pemain, baik hardcore maupun kasual!

Author: Wayne Washington