Nationalgeographic.co.id—Para ilmuwan dari Gwangju Institute of Science and Technology telah mengembangkan model video gim yang dapat menyesuaikan berdasarkan emosi pemain. Pendekatan baru ini dapat membantu menciptakan pengalaman bermain gim yang lebih baik untuk semua jenis pemain.
Laporan penelitian mereka telah diterbitkan secara daring di Expert Systems with Applications dengan judul "Diversifying dynamic difficulty adjustment agent by integrating player state models into Monte-Carlo tree search."
Model baru ini membuat pendekatan baru untuk penyesuaian kesulitan dinamis di mana emosi pemain diperkirakan menggunakan data dalam game. Tingkat kesulitan dapat disesuaikan untuk memaksimalkan kepuasan pemain.
Upaya mereka dapat berkontribusi untuk menyeimbangkan kesulitan permainan dan membuatnya lebih menarik bagi semua jenis pemain. Menyeimbangkan kesulitan video gim dengan tepat sangat penting untuk memberikan pengalaman yang menyenangkan bagi pemain.
Dalam studi baru-baru ini, ilmuwan Korea tersebut mengembangkan pendekatan baru ini untuk penyesuaian kesulitan dinamis. Emosi pemain akan diperkirakan menggunakan data dalam game, dan tingkat kesulitan disesuaikan untuk memaksimalkan kepuasan pemain.
Kesulitan adalah aspek yang sulit untuk diseimbangkan dalam video gim. Beberapa orang lebih suka video gim yang menghadirkan tantangan sedangkan yang lain menikmati pengalaman yang mudah dan lebih kasual.
Untuk mempermudah proses ini, sebagian besar pengembang menggunakan 'penyesuaian kesulitan dinamis atau dynamic difficulty adjustment (DDA)'. Ide dari DDA adalah untuk menyesuaikan tingkat kesulitan gim secara waktu nyata sesuai dengan performa pemain.
Misalnya, jika kinerja pemain melebihi harapan pengembang untuk tingkat kesulitan tertentu, agen DDA pada gim 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 ini, tim peneliti dari Gwangju Institute of Science and Technology 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, yaitu 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 algoritma yang disebut pencarian pohon Monte-Carlo, setiap agen DDA menggunakan data game secara aktual dan data simulasi. Tujuannya untuk menyesuaikan gaya bertarung kecerdasan buatan yang menjadi lawan dengan cara yang memaksimalkan emosi tertentu, atau 'keadaan afektif'.
Baca Juga: Hasil Studi: Meningkatkan Kemampuan Membaca Pada Anak Lewat Video Gim
Baca Juga: Alasan Kompleks Ledakan Amarah Anak-anak saat Bermain Gim Digital
Baca Juga: Studi Baru: Bermain Gim Video Punya Efek Tak Terduga pada IQ Anak
"Salah satu keuntungan dari pendekatan kami dibandingkan metode yang berpusat pada emosi lainnya adalah tidak bergantung pada sensor eksternal, seperti elektro ensefalografi," 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 percobaan dengan 20 sukarelawan, bahwa agen DDA yang diusulkan dapat menghasilkan kecerdasan buatan yang meningkatkan pengalaman keseluruhan 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 penyeimbangan game 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."