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."
Source | : | Gwangju Institute of Science and Technology,Expert Systems with Applications |
Penulis | : | Ricky Jenihansen |
Editor | : | Mahandis Yoanata Thamrin |
KOMENTAR