A dificuldade é um aspecto difícil de equilibrar nos videogames. Algumas pessoas preferem videogames que apresentam um desafio, enquanto outras gostam de uma experiência fácil. Para facilitar esse processo, a maioria dos desenvolvedores usa o ajuste dinâmico de dificuldade (DDA). A ideia do DDA é ajustar a dificuldade de um jogo em tempo real de acordo com o desempenho do jogador. Por exemplo, se o desempenho do jogador exceder as expectativas do desenvolvedor para um determinado nível de dificuldade, o agente DDA do jogo pode aumentar automaticamente a dificuldade para aumentar o desafio apresentado ao jogador. Embora útil, essa estratégia é limitada, pois apenas o desempenho do jogador é levado em consideração, não o quanto eles estão realmente se divertindo.
Em um estudo recente publicado em Expert Systems With Applications , uma equipe de pesquisa do Instituto Gwangju de Ciência e Tecnologia na Coréia decidiu dar uma reviravolta na abordagem DDA. Em vez de focar no desempenho do jogador, eles desenvolveram agentes DDA que ajustavam a dificuldade do jogo para maximizar um dos quatro aspectos diferentes relacionados à satisfação do jogador:desafio, competência, fluxo e valência. Os agentes DDA foram treinados por meio de aprendizado de máquina usando dados coletados de jogadores humanos reais, que jogaram um jogo de luta contra várias inteligências artificiais (IAs) e depois responderam a um questionário sobre sua experiência.

Usando um algoritmo chamado busca em árvore de Monte-Carlo, cada agente DDA empregou dados reais do jogo e dados simulados para ajustar o estilo de luta da IA ​​adversária de uma maneira que maximizasse uma emoção específica, ou "estado afetivo".

“Uma vantagem de nossa abordagem sobre outros métodos centrados na emoção é que ela não depende de sensores externos, como eletroencefalografia”, diz o professor associado Kyung-Joong Kim, que liderou o estudo. "Uma vez treinado, nosso modelo pode estimar os estados dos jogadores usando apenas os recursos do jogo."

A equipe verificou - por meio de um experimento com 20 voluntários - que os agentes de DDA propostos poderiam produzir IAs que melhoraram a experiência geral dos jogadores, independentemente de sua preferência. Isso marca a primeira vez que os estados afetivos são incorporados diretamente aos agentes DDA, o que pode ser útil para jogos comerciais.

"As empresas de jogos comerciais já possuem enormes quantidades de dados de jogadores. Eles podem explorar esses dados para modelar os jogadores e resolver vários problemas relacionados ao balanceamento de jogos usando nossa abordagem", diz o professor associado Kim. Vale a pena notar que essa técnica também tem potencial para outros campos que podem ser "gamificados", como saúde, exercícios e educação. + Explorar mais

Estudo descobre que relacionamentos entre jogadores e personagens afetam a satisfação com videogames