Koreli bilim insanları, yeni çalışmalarında oyuncuların duygularının oyundaki verilerle tahmin edildiği zorluk seviyesine farklı bir bakış açısı getiriyor.

Oyunculara güzel bir deneyim sunmak için bir bilgisayar oyununda zorluğun uygun şekilde ayarlanması gerekir. Koreli bilim insanları, yeni çalışmalarında oyuncuların duygularının oyun içi veriler yardımıyla tahmin edildiği ve zorluk seviyesinin oyuncunun duyduğu memnuniyeti en yükseğe çıkarmak üzere ayarlandığı yeni bir yaklaşım geliştirmiş. Araştırmacıların çalışması, oyunların zorluğunu dengelemeye ve oyunları tüm oyuncu tipleri için daha cazip hale getirmeye katkı sağlıyor.

Populer Science'da yayımlanan habere göre; zorluk seviyesi, bilgisayar oyunlarının uğraştırıcı bir yönü. Bazı insanlar bilgisayar oyunlarını zor olduğu için tercih ederken, diğerleri kolay bir deneyimin keyfini çıkarmak için tercih ediyor. Çoğu geliştirici, bu süreci daha kolay hale getirmek üzere ‘dinamik zorluk ayarlaması (DDA)’ kullanıyor.

STANDART YAKLAŞIMI DEĞİŞTİRMİŞLER

DDA, bir oyunun zorluk seviyesinin oyuncunun performansına göre gerçek zamanda ayarlanmasını sağlıyor. Örneğin; oyuncunun performansı geliştiricinin belli bir zorluk seviyesine yönelik beklentilerini aşarsa, oyunun DDA aracı zorluk seviyesini otomatik olarak artırıyor. Her ne kadar kullanışlı olsa da, bu stratejide sadece oyuncunun performansı hesaba katılıyor ve oyuncuların gerçekte ne kadar eğlendiğine bakılmıyor.

Çin'in yazılım sektörü Ocak-Ağustos döneminde gelir artışı yaşadı Çin'in yazılım sektörü Ocak-Ağustos döneminde gelir artışı yaşadı

Gwangju Bilim ve Teknoloji Enstitüsünde çalışan bir araştırma takımı, Expert Systems With Applications bülteninde yayımlanan yeni bir çalışmada bu DDA yaklaşımını biraz değiştirmeye karar vermiş.

Bilim insanları oyuncunun performansına odaklanmak yerine, oyunun zorluğunu oyuncunun duyduğu memnuniyetle alakalı dört unsurdan (zorluk, kabiliyet, akıcılık ve çekim değeri) birini en yükseğe çıkarmak üzere ayarlayan DDA araçları geliştirmişler. DDA araçları, çeşitli yapay zekalara karşı dövüş oyunu oynayan ve sonrasında tecrübeleriyle ilgili bir anket dolduran gerçek insan oyunculardan toplanmış verilerin kullanıldığı bir makine öğrenim yaklaşımıyla eğitilmiş.