[論文レビュー] Adaptive Artificial Intelligence in Games: Issues, Requirements, and a Solution through Behavlets-based General Player Modelling

Benjamin Ultan Cowley, Darryl Charles|arXiv (Cornell University)|Jul 18, 2016

Artificial Intelligence in Games参考文献 10被引用数 5

ひとこと要約

本稿では、行動パターン（Behavlets）—心理的根拠を持つドメイン特化型の行動パターン—に基づく一般化されたプレイヤーモデルを提案し、ゲーム内における適応的AIの性能を向上させる。カテゴリー理論を用いてプレイヤー特性とゲームプレイダイナミクスを形式的に定式化することで、一貫性があり、合成可能で、分析可能な適応が可能となり、構造的なプレイヤー分析とゲーム適応の形式的比較を通じてAIの有効性が向上する。

ABSTRACT

We present the last of a series of three academic essays which deal with the question of how and why to build a generalized player model. We propose that a general player model needs parameters for subjective experience of play, including: player psychology, game structure, and actions of play. Based on this proposition, we pose three linked research questions: RQ1 what is a necessary and sufficient foundation to a general player model?; RQ2 can such a foundation improve performance of a computational intelligence- based player model?; and RQ3 can such a player model improve efficacy of adaptive artificial intelligence in games? We set out the arguments behind these research questions in each of the three essays, presented as three preprints. The third essay, in this preprint, presents the argument that adaptive game artificial intelligence will be enhanced by a generalised player model. This is because games are inherently human artefacts which therefore, require some encoding of the human perspective in order to effectively autonomously respond to the individual player. The player model informs the necessary constraints on the adaptive artificial intelligence. A generalised player model is not only more efficient than a per-game solution, but also allows comparison between games which makes it a useful tool for studying play in general. We describe the concept and meaning of an adaptive game. We propose requirements for functional adaptive AI, arguing from first principles drawn from the games research literature. We propose solutions to these requirements, based on a formal model approach to our existing 'Behavlets' method for psychologically-derived player modelling: Cowley, B., & Charles, D. (2016). Behavlets: a Method for Practical Player Modelling using Psychology-Based Player Traits and Domain Specific Features. User Modeling and User-Adapted Interaction, 26(2), 257-306.

研究の動機と目的

• プレイヤーの主観的体験を心理学、ゲーム構造、行動パターンの観点から捉える一般化されたプレイヤーモデルの基盤を確立すること。
• 異なるゲーム間で効率的で再利用可能かつ比較可能な適応的AIシステムを構築する課題に対処すること。
• 形式的で一般化されたプレイヤーモデルが、ゲーム内における適応的AIの有効性と実現可能性を向上させることを検証すること。
• 心理的理論を形式的仕様手法を用いて計算的知能と統合し、プレイヤーモデリングを行うこと。
• 統一的で形式的なフレームワークを通じて、ゲーム間での比較と適応的AIの体系的評価を可能にすること。

提案手法

• ゲームプレイ適応の厳密な比較を可能にするために、一般化されたプレイヤーモデルの形式的圏論的定式化を提案する。
• 既存のBehavlets手法—心理学的特性をゲーム内の複合行動シーケンスにマッピングするもの—を形式的モデルフレームワークに統合する。
• 形式的モデルを用いて、適応的AIの制約と入力を定義し、論理的一致性とプレイヤー中心の適応を保証する。
• 複数の適応的AI条件下で、テストベッドゲーム（例：ファーストパーソンシューティング）を繰り返しシミュレーションおよびプレイテストすることで、モデルの性能を評価する。
• 手動テストが困難になる段階に達した場合でも、抽象的なゲーム比較によるシミュレーションを活用して、より複雑な適応を評価する。
• 心理的プロファイリングとドメイン特化型の特徴を組み合わせることで、データ駆動型かつ理論に基づいたプレイヤー表現を生成し、機械学習統合を可能にする。

実験結果

リサーチクエスチョン

• RQ1 心理学、ゲーム構造、行動パターンを統合する一般化されたプレイヤーモデルに必要な十分な基盤とは何か？
• RQ2 このような基盤は、リアルタイム環境下での計算的知能に基づくプレイヤーモデルの性能を向上させることができるか？
• RQ3 一般化されたプレイヤーモデルは、特に複雑で動的な環境において、適応的AIの有効性と実現可能性を向上させることができるか？

主な発見

• Behavletsに基づく形式的で一般化されたプレイヤーモデルにより、異なるゲーム間でプレイヤー行動の一貫性があり、合成可能な表現が可能になる。
• 心理的理論と形式的仕様の統合により、適応的AIに論理的制約を課すことができ、信頼性と整合性が向上する。
• プレイヤーモデルが形式的に定式化されると、ゲーム適応のシミュレーションによる比較が可能になり、特に大規模な状況下でも体系的になる。
• 形式的分析により、手動テストが限界に達するまでの複雑な適応的AIシステムの段階的評価が可能となり、その閾値を越える。
• 形式的で繰り返し可能な評価により、適応的AIの検証が可能となり、プレイヤーのプロファイリングがAIの適応性とパフォーマンスを向上させることを示している。
• 今後の研究では、Behavletsと形式的手法を組み合わせることで、一般化可能で再利用可能かつ分析可能な適応的ゲームシステムの開発が可能になる。