Qu’est-ce que l’ajustement dynamique de la difficulté et pourquoi EA détient-elle le brevet?
L'ajustement dynamique de la difficulté (DDA) est une technologie utilisée pour modifier la difficulté d'un jeu en fonction des compétences d'un joueur. Pendant une partie, la technique d'ajustement de la difficulté peut aider le joueur à gagner s'il perd. Dans d'autres cas, il peut être plus difficile pour un joueur de gagner un match.
Qu'est-ce que l'ajustement dynamique de la difficulté?
DDA surveille et prédit la durée pendant laquelle un joueur reste engagé par une partie. Il combine ces informations avec différents types de données, comme la durée pendant laquelle un jeu maintient un joueur engagé dans une session solo.
Un DDA peut empêcher un joueur de s'ennuyer si le jeu est facile. Cela peut également empêcher les joueurs d'être frustrés si le jeu est trop difficile.
DDA fonctionne à la fois à court et à long terme. L'ADD à court terme empêche les joueurs de vivre de longues périodes du même résultat, qu'il soit bon ou mauvais. Un générateur de nombres aléatoires est utilisé pour réaliser un DDA à court terme. Un DDA à long terme ajuste le niveau du jeu à un niveau qui convient à leurs compétences et à leurs performances.
C'est très bien, mais comment l'ajustement dynamique de la difficulté fonctionne-t-il dans le jeu?
Comment fonctionne l'ajustement dynamique de la difficulté?
Une manière courante d'atteindre le DDA est d'apporter des modifications au cours du jeu en ajustant la difficulté après que des événements déclencheurs se produisent qui indiquent des états indésirables du joueur. De tels états incluent l'ennui et la frustration.
Le DDA dépend des algorithmes d'apprentissage automatique pour effectuer les prédictions nécessaires à l'exécution des ajustements. Les algorithmes d'apprentissage automatique, tels que supervisé et non supervisé, créent et mettent à jour des modèles de prédiction pour les jeux. Les algorithmes d'ensemble et les algorithmes basés sur des instances sont des exemples de logique utilisée pour créer et mettre à jour des modèles de prédiction pour DDA.
Systèmes d'ajustement dynamique de la difficulté
Un brevet accordé à EA en 2018 révèle des détails sur les composants techniques de DDA dans les jeux EA.
Le brevet décrit un système avec une mémoire électronique de données qu'un processeur matériel utilise pour exécuter des instructions pour identifier des valeurs d'ajustement à des variables dans le jeu vidéo. Le processeur matériel génère un modèle de prédiction en exécutant des instructions pour accéder à des ensembles de données utilisés dans le système d'apprentissage automatique.
Le brevet détaille également comment DDA utilise différents types de données d'interaction utilisateur pour évaluer le degré d'engagement d'un utilisateur. Ces données incluent le montant d'argent dépensé dans le jeu, la progression de l'utilisateur dans le jeu et la propension du joueur à s'arrêter en raison de sa progression dans le jeu.
Les données d'interaction utilisateur sont utilisées en combinaison avec d'autres types de données pour créer et agir sur des modèles de prédiction de jeu. Les données alimentent différents types de systèmes dans le jeu qui travaillent ensemble pour changer la difficulté.
Les types de systèmes et de processus qui peuvent fonctionner ensemble comprennent:
- Analyse de rétention
- Génération de modèles de prédiction
- Création de cluster
- Affectation de cluster
- Évaluation des semences
- Réglage de la difficulté
En un mot, ces systèmes fonctionnent ensemble pour collecter des données sur les joueurs, qui sont utilisées pour déterminer à quel point le jeu devrait être difficile ou facile.
Modélisation des données DDA
Le processus de génération de modèle de prédiction implique des données d'interaction utilisateur historiques combinées avec des données de contrôle pour générer des modèles de prédiction. Les données de contrôle sont utilisées pour définir la prédiction souhaitée pour le nombre d'utilisateurs.
Un système d'analyse de rétention peut être composé d'un ou plusieurs systèmes qui génèrent des taux de rétention et des prévisions de désabonnement pour les utilisateurs. Le taux de rétention prévu peut être utilisé pour décider si la difficulté du jeu doit être modifiée. Les données d'interaction de l'utilisateur sont appliquées aux modèles de prédiction pour y parvenir.
Les utilisateurs peuvent être regroupés en grappes en fonction des données d'interactivité. Les utilisateurs qui jouent au jeu pendant moins de 30 minutes, par exemple, pourraient être identifiés par l'algorithme d'apprentissage automatique .
Le brevet suggère que dans certains modes de réalisation du système, le regroupement d'utilisateurs ayant des caractéristiques similaires et l'ajustement des niveaux de difficulté en fonction des actions uniques de chaque utilisateur permet une meilleure gestion des niveaux de difficulté.
La création de cluster commence par l'identification des utilisateurs dans le jeu. Les données sur l'interaction des utilisateurs sont collectées au fil du temps et utilisées pour filtrer les utilisateurs qui ne répondent pas aux critères d'interaction. Une fois les utilisateurs filtrés, les clusters d'utilisateurs sont créés avec des préférences de difficulté basées sur les données d'interaction de l'utilisateur et les niveaux d'engagement.
L'attribution de cluster pour un utilisateur est réalisée en identifiant l'utilisateur et en collectant les données d'interaction de l'utilisateur avec le jeu au fil du temps. Les données d'interaction utilisateur sont utilisées en combinaison avec des définitions de cluster pour identifier des clusters spécifiques auxquels les utilisateurs peuvent s'associer.
Le processus de définition de la difficulté commence par l'identification d'un utilisateur, suivie de la détermination d'un groupe d'utilisateurs associé à l'utilisateur. Les valeurs de configuration sont ajustées en fonction des données d'interaction de l'utilisateur.
Un système d'évaluation des semences est utilisé pour déterminer à quel point une partie d'un jeu vidéo peut être difficile. Le processus d'évaluation des semences commence par l'identification des semences (valeurs) qui peuvent être utilisées pour configurer le jeu vidéo. La progression des utilisateurs pour chaque graine est surveillée au fil du temps pour déterminer une difficulté basée sur des données de progression normalisées.
Un excellent exemple de graines se trouve dans Minecraft, où différentes graines offrent des aventures complètement différentes .
Dans certains modes de réalisation du système, l'exécution de DDA dans le jeu peut ne pas être détectée par l'utilisateur. Le jeu peut également répéter des modifications dans le jeu vidéo si un événement est déclenché.
Pourquoi EA détient-elle un brevet pour l'ajustement dynamique de la difficulté?
Après avoir découvert le brevet DDA d'EA, de nombreux utilisateurs de jeux EA se sont demandé si la technologie était utilisée dans leurs jeux et l'effet qu'elle avait sur leurs expériences.
Un procès (qui a ensuite été abandonné) a été intenté contre EA à la fin de 2020, donnant lieu à de nouvelles discussions sur l'utilisation potentielle de la technique par la société de jeux.
Les plaignants pensaient qu'EA utilisait la technologie pour augmenter la difficulté des jeux afin que davantage de personnes souhaitent acheter des objets en jeu (boîtes à butin) pour gagner. EA a fourni des informations et les procureurs ont parlé à son équipe d'ingénierie pour prouver qu'il n'y avait pas eu d'utilisation de DDA ou de script similaire comme allégué.
Comme mentionné précédemment, il n'y a pas de «script», «handicap», «momentum» et / ou «DDA» dans le jeu.
Nous essaierons de résumer quelques détails dans ce fil:
(1/5) https://t.co/dRXN4iDFnz– FIFA Direct Communication (@EAFIFADirect) 5 août 2020
Selon l'annonce d'un employé d'EA, la technologie a été conçue pour découvrir comment aider les joueurs en difficulté dans les jeux à gagner des opportunités de progresser. L'intention est de faire en sorte que les payeurs ne s'ennuient pas ou ne soient pas trop frustrés par le jeu.
EA a livré une réponse officielle:
Nous avons entendu vos préoccupations concernant la famille de brevets Dynamic Difficulty Adjustment (ici et ici) et nous souhaitons confirmer qu'elle n'est pas utilisée dans EA SPORTS FIFA. Nous ne l'utiliserions jamais pour avantager ou désavantager un groupe de joueurs contre un autre dans aucun de nos jeux. La technologie a été conçue pour explorer comment nous pourrions aider les joueurs qui rencontrent des difficultés dans un certain domaine d'un jeu à avoir la possibilité de progresser.
EA a déclaré qu'elle n'utiliserait pas la technologie DDA pour donner ou supprimer des avantages aux joueurs de jeux en ligne. Il affirme que la technologie n'est pas dans les principaux jeux tels que FIFA, Madden ou NHL.
Utilisation de l'ajustement dynamique de la difficulté dans les jeux vidéo
EA a toujours nié utiliser DDA dans les jeux vidéo. Répondant à une question sur Reddit à propos de DDA dans FIFA, le directeur de la création Matt Prior a déclaré qu'il existe un potentiel d'erreur de joueur dans le jeu, basé sur les statistiques et la fatigue individuelles des joueurs, plutôt que sur DDA.
Il n'est pas rare que des brevets dans l'industrie du jeu soient déposés sans jamais être utilisés. Une quantité importante de recherche et développement est consacrée à la création de nouveaux concepts de gameplay. De nouvelles idées sont toujours générées qui peuvent ne pas démarrer en raison de différents facteurs, tels que des risques de réputation ou même simplement ne pas trouver un moyen d'intégrer correctement l'idée dans un jeu.