سازوکارهای تنظیم پویای دشواری: چگونه بازیها مخفیانه سرخوردگی بازیکن را مدیریت میکنند
در زیر پوست بازیهای ویدیویی محبوب، الگوریتمهای پنهانی به طور مداوم عملکرد بازیکن را زیر نظر دارند تا سلامتی دشمنان، نرخ ظهور (اسپاون) و آیتمهای رها شده را به صورت آنی تنظیم کنند. با مقایسه سیستم طبقهبندی گسسته در «رزیدنت ایول ۴» با ریتمدهی پیوسته در «لفت ۴ دد»، بررسی میکنیم که توسعهدهندگان چگونه توهم تسلط را مهندسی میکنند.
به قلم نادر غفاری
این خبر را به اشتراک بگذارید
بهطور خلاصه
- تنظیم پویای دشواری (DDA) مخفیانه مکانیک بازی را تغییر میدهد تا از سرخوردگی بازیکن جلوگیری کند.
- «رزیدنت ایول ۴» از یک سیستم رتبهبندی گسسته ۱ تا ۱۱ استفاده میکند تا آمار دشمنان را زمانی که بازیکنان با مشکل مواجه میشوند، تضعیف کند.
- «لفت ۴ دد» از یک معیار استرس پیوسته برای مدیریت ریتم و فراوانی برخوردهای دشمن استفاده میکند.
گیر افتادهاید، مهمات تمام کردهاید و نوار سلامتیتان به رنگ قرمز خطرناک چشمک میزند. خود را برای ضربه نهایی آماده میکنید، اما دشمنی که با سرعت به سمت شما میدوید، ناگهان سرعتش را کم میکند و با احتیاط راه میرود. جعبه چوبی بعدی که میشکنید، دقیقاً حاوی گلولههای شاتگانی است که برای زنده ماندن به شدت به آنها نیاز دارید.
شما فقط خوششانس نبودید و مهارتهایتان ناگهان بهتر نشد. بازی به سادگی به شما ترحم کرد. این تنظیم پویای دشواری (DDA) است—دست نامرئی طراحی بازی مدرن که بیسروصدا قوانین یک دنیای دیجیتال را بازنویسی میکند تا مطمئن شود هرگز از سر سرخوردگی بازی را رها نمیکنید.[1]
دهههاست که گیمرها درباره شایستگی «بهتر شدن» در مقابل نیاز به دسترسی آسانتر بحث میکنند، اما واقعیت این است که بسیاری از محبوبترین عناوین، مخفیانه شانس را در پشت صحنه دستکاری میکنند. سیستمهای DDA ورودیهای شما را میخوانند، استرس شما را اندازهگیری میکنند و واقعیت دیجیتال را تغییر میدهند تا شما را درگیر نگه دارند.
این یک تعادل روانشناختی پرمخاطره است: اگر کمک بیش از حد آشکار باشد، بازیکن احساس میکند که به او ترحم شده است؛ اگر به اندازه کافی سریع مداخله نشود، بازیکن از سر سرخوردگی محض بازی را ترک میکند. هدف این است که هر پیروزی حس «به دست آمده» بودن بدهد، حتی اگر بازی مجبور شده باشد مخفیانه حلقه بسکتبال را در حالی که بازیکن در هوا بود، پایین بیاورد.[6]
در قلب DDA مفهوم روانشناختی «جریان» (Flow) قرار دارد—حالت بهینه درگیری که در آن یک چالش کاملاً با سطح مهارت فرد مطابقت دارد. همانطور که تحقیقات آکادمیک در زمینه طراحی بازی نشان میدهد، تنظیمات دشواری ثابت سنتی مانند آسان، معمولی و سخت اغلب در حفظ این حالت ظریف شکست میخورند.
ممکن است یک بازیکن در نیمه راه کمپین بر مکانیکهای اصلی مسلط شود و یک بازی بقای پرتنش را به یک میدان تیراندازی خستهکننده و قابل پیشبینی تبدیل کند. برعکس، ممکن است در اوایل به یک مانع مکانیکی برخورد کند که پیشرفت را به طور کامل متوقف سازد. نظریه جریان حکم میکند که بازی باید با بازیکن سازگار شود، نه اینکه بازیکن را مجبور کند با یک سیستم ایستا و سرسخت سازگار شود.[4]
برای حل این مشکل درگیری، توسعهدهندگان شروع به ساخت توریهای ایمنی پنهان در کدهای خود کردند. «رزیدنت ایول ۴» (Resident Evil 4) شرکت کپکام (Capcom) یکی از مشهورترین و مؤثرترین پیادهسازیهای این مفهوم را در سال ۲۰۰۵ پیشگام کرد.
در زیر منوی انتخاب دشواری قابل مشاهده آن، یک سیستم درجهبندی پنهان ۱ تا ۱۱ وجود دارد که به طور مداوم عملکرد بازیکن را ارزیابی میکند. موتور بازی معیارهای جزئی مختلفی از جمله دقت سلاح، میزان آسیب وارد شده و دفعات مرگ را ردیابی میکند و از این دادهها برای تعیین رتبه داخلی فعلی بازیکن به صورت آنی استفاده میکند.[2]
اگر به طور مداوم هدشات میزنید و از حملات ورودی جاخالی میدهید، درجه پنهان شما به سمت حداکثر رتبه ۱۱ صعود میکند. دشمنان بسیار تهاجمی میشوند، آسیب قابل توجهی بیشتری وارد میکنند و قبل از افتادن، ضربات بیشتری را جذب میکنند. اما اگر بارها در همان راهروی باریک بمیرید، درجه بیسروصدا کاهش مییابد.
بازی سلامتی دشمنان را ضعیف میکند، زمان واکنش آنها را کند میکند و تعداد کمتری از آنها را در اتاق بعدی ظاهر میسازد. بازیکن باور میکند که سرانجام از طریق پشتکار محض بر یک چالش وحشیانه غلبه کرده است، در حالی که کاملاً بیخبر است که خود چالش به صورت ریاضی نرم شده بود تا پیروزی نهایی او تضمین شود.[2]
در حالی که «رزیدنت ایول ۴» واقعیت ریاضی دشمنان را تغییر میدهد، بازی تیراندازی مشارکتی «لفت ۴ دد» (Left 4 Dead) شرکت ولو (Valve) با «کارگردان هوش مصنوعی» (AI Director) مشهور خود، رویکردی کاملاً متفاوت در پیش گرفت. کارگردان به جای ضعیف کردن سلامتی یا آسیب زامبیهای آلوده، ریتم کلی برخورد را مدیریت میکند.
این سیستم از یک «معیار شدت عاطفی» یا استرس پیوسته استفاده میکند تا بسنجد بازیکنان انسانی در هر لحظه چقدر احساس غرق شدن میکنند، و دشواری را به عنوان معیاری برای خستگی و نه معیاری برای مهارت مکانیکی در نظر میگیرد.[3]
این معیار استرس در مقیاس شناور ۰٫۰ تا ۱٫۰ عمل میکند. زمانی که یک بازیکن آسیب میبیند، توسط یک آلوده خاص ناتوان میشود، یا مجبور است دشمنی را در فاصله بسیار نزدیک بکشد، به شدت اوج میگیرد. کارگردان این سطح استرس جمعی را در هر چهار بازیکن تیم نظارت میکند.
هنگامی که تیم غرق شده و معیار استرس به اوج میرسد، کارگردان وارد حالت «آرامش» میشود، ظهور آلودههای خاص را متوقف میکند و لحظهای آرام برای التیام فراهم میسازد. هنگامی که معیار استرس دوباره کاهش مییابد، فاز «ساخت و ساز» را آغاز میکند و در نهایت یک گروه بزرگ جدید را برای افزایش مجدد تنش آزاد میکند.[5]
تفاوت بین این دو سیستم بنیادی، بحث اصلی در طراحی DDA را برجسته میکند. سیستم طبقهبندی گسسته مورد استفاده در ژانر وحشت بقا، مستقیماً دشواری مکانیکی را دستکاری میکند و با ضعیفتر کردن عینی دشمنان، تضمین میکند که بازیکن میتواند به صورت ریاضی از برخورد جان سالم به در ببرد.
سیستم ریتمدهی پیوسته مورد استفاده در بازیهای تیراندازی مشارکتی، تهدید مکانیکی دشمنان را حفظ میکند اما با تغییر دادن دفعات برخوردها، خستگی بازیکن را مدیریت میکند. یک سیستم خود مانع را تغییر میدهد؛ دیگری دفعات مواجهه بازیکن با مانع را تغییر میدهد.[6]
امروزه، تنظیم پویای دشواری بسیار فراتر از این سیستمهای قطعی و مبتنی بر قانون، به مدلهای پیچیده و پیشبینیکننده تبدیل شده است که توسط یادگیری ماشینی تقویت میشوند. تمرکز صنعت از مدیریت تنش لحظهای گیمپلی به بهینهسازی حفظ طولانیمدت بازیکن تغییر کرده است.
ناشران بزرگ به طور فزایندهای به DDA به عنوان یک ابزار حیاتی برای جلوگیری از «ترک بازی» (Churn) نگاه میکنند—لحظه خاصی که یک بازیکن بازی را حذف میکند یا برای همیشه از سیستم خارج میشود. الگوریتمهای مدرن با تجزیه و تحلیل مجموعهدادههای عظیمی از رفتار بازیکن، میتوانند دقیقاً پیشبینی کنند که یک بازیکن چه زمانی در آستانه رسیدن به نقطه شکست خود است.[1]
پتنتهای مدرن سیستمهای پیچیدهای را توصیف میکنند که بازیکنان را در خوشههای رفتاری دستهبندی میکنند و از دادههای تعامل برای پیشبینی اینکه چه زمانی احتمال دارد از سر سرخوردگی بازی را ترک کنند، استفاده میکنند.
اگر یک مدل یادگیری ماشینی تشخیص دهد که یک بازیکن پس از ۳۰ دقیقه شکست مکرر در معرض خطر بالای ترک بازی است، میتواند به طور خودکار پارامترهای دشواری را تنظیم کند تا یک پیروزی مهندسیشده را فراهم سازد. این رویکرد، معیارهای کلی درگیری و طول جلسه را بر مفهوم یک چالش ایستا و عینی اولویت میدهد و اساساً رابطه بین بازیکن و دنیای بازی را تغییر میدهد.[6]
این رویکرد پیشبینیکننده و الگوریتمی برای بسیاری از بازیکنان متعهد از یک خط بحثبرانگیز عبور میکند. هنگامی که DDA برای ایجاد یک ریتم روایی بهتر استفاده میشود، همانطور که در کارگردان هوش مصنوعی دیده میشود، به طور گستردهای به عنوان یک طراحی بازی درخشان و نامرئی مورد ستایش قرار میگیرد.
اما هنگامی که به عنوان ابزاری شرکتی برای به حداکثر رساندن معیارهای درگیری تلقی میشود، با واکنش شدید جامعه مواجه میشود. جامعه گیمینگ نسبت به این ایده که پیروزیهای سخت به دست آمده آنها ممکن است توسط یک الگوریتم حفظ بازیکن مهندسی شده باشد، نه از طریق مهارت و تمرین واقعی، بسیار حساس باقی میماند.[6]
تنش در قلب تمام تنظیمات پویای دشواری، توهم تسلط است. بازیهای ویدیویی اساساً بر اساس این وعده ساخته شدهاند که تلاش منجر به بهبود میشود و غلبه بر یک مانع دیجیتال یک دستاورد واقعی و به دست آمده است. هنگامی که یک بازیکن کشف میکند که بازی مخفیانه دست او را گرفته یا ضربات را نرم کرده است، میتواند دایره جادویی غوطهوری را در هم بشکند. اگر بازیکن متوجه شود که بازی صرفاً تصمیم گرفته است زمان پیروزی او فرا رسیده است، پیروزی بلافاصله توخالی میشود.[4]
با وجود بحثها و جنجالهای جاری بر سر یکپارچگی رقابتی، دشواری تطبیقی به سرعت در حال تبدیل شدن به یک استاندارد صنعتی است، به ویژه که بازیهای پرفروش برای دستیابی به مخاطبان جهانی گستردهتر و متنوعتر مقیاسبندی میشوند.
چالش اصلی برای توسعهدهندگان مدرن دیگر این نیست که چگونه این سیستمهای پیچیده را بسازند، بلکه این است که چگونه آنها را به طور مؤثر از پایگاه بازیکنان پنهان کنند. تا زمانی که بازیکن قاطعانه باور داشته باشد که پیروزی کاملاً متعلق به او بوده و توهم تسلط دستنخورده باقی بماند، دست نامرئی طراحی بازی با موفقیت کار خود را انجام داده است.[1][6]
اصطلاحات کلیدی
- نظریه جریان
- یک حالت روانشناختی غوطهوری عمیق که زمانی حاصل میشود که چالش یک کار کاملاً با سطح مهارت فرد مطابقت داشته باشد.
- نرخ ترک بازی
- درصد بازیکنانی که یک بازی یا جلسه را رها میکنند، که اغلب به عنوان یک معیار کلیدی برای الگوریتمهای حفظ بازیکن استفاده میشود.
- سیستم قطعی
- یک رویکرد برنامهنویسی مبتنی بر قانون که در آن اقدامات خاص بازیکن همیشه تنظیمات از پیش تعریف شده و قابل پیشبینی را فعال میکند.
- یادگیری ماشینی
- استفاده از الگوریتمهایی که مجموعهدادههای عظیمی از رفتار بازیکن را تجزیه و تحلیل میکنند تا نتایج را پیشبینی کنند، مانند اینکه چه زمانی احتمال دارد یک بازیکن از سر سرخوردگی بازی را ترک کند.
پرسشهای متداول
تنظیم پویای دشواری چیست؟
DDA یک سیستم پنهان است که به طور خودکار دشواری بازی را به صورت آنی بر اساس عملکرد بازیکن تنظیم میکند و هدف آن حفظ تجربه چالشبرانگیز اما نه خستهکننده است.
آیا «رزیدنت ایول ۴» سیستم دشواری پنهان دارد؟
بله، نسخه اصلی ۲۰۰۵ از یک سیستم درجهبندی پنهان ۱ تا ۱۱ استفاده میکند که بیسروصدا سلامتی دشمن، آسیب و آیتمهای رها شده را بر اساس میزان خوب بازی کردن شما تنظیم میکند.
کارگردان هوش مصنوعی «لفت ۴ دد» چگونه کار میکند؟
این سیستم یک «معیار استرس» را برای تیم نظارت میکند، ظهور دشمنان را زمانی که بازیکنان غرق شدهاند متوقف میکند و زمانی که آرام هستند، گروههای جدیدی را فعال میسازد.
آیا DDA در بازیهای چندنفره رقابتی استفاده میشود؟
ناشران بزرگ صراحتاً اعلام کردهاند که از DDA در حالتهای چندنفره رقابتی استفاده نمیکنند، زیرا یکپارچگی رقابتی را به خطر میاندازد، اگرچه پتنتهایی برای چنین فناوریهایی وجود دارد.
بررسی عمیق دیدگاهها
حامیان جریان
طراحانی که DDA را برای نگه داشتن بازیکنان در منطقه بهینه درگیری، ضروری میدانند.
برای بسیاری از طراحان، دشواری ثابت یک یادگار منسوخ شده است. آنها استدلال میکنند که بازیکنان در انتخاب دشواری صحیح برای سطح مهارت خود به طرز بدی عمل میکنند، اغلب از روی غرور «سخت» را انتخاب میکنند و وقتی به مانع برخورد میکنند، بازی را رها میکنند. با پیادهسازی DDA، توسعهدهندگان میتوانند اطمینان حاصل کنند که یک بازی در «کانال جریان» باقی میماند—نقطه شیرین بین خستگی و اضطراب. برای این گروه، توهم چالش مهمتر از انصاف مکانیکی عینی است، زیرا هدف نهایی یک بازی تکنفره ارائه یک تجربه جذاب و متناسب است تا یک آزمون استاندارد شده.
خالصگرایان رقابتی
بازیکنانی که استدلال میکنند تنظیمات پنهان، تسلط واقعی و پیروزیهای به دست آمده را از آنها سلب میکند.
بخش پر سر و صدایی از جامعه گیمینگ، DDA را به عنوان خیانت به قرارداد بنیادی این رسانه میبیند: اینکه بازی یک چالش ایستا ارائه میدهد و بازیکن باید برای غلبه بر آن پیشرفت کند. این گروه استدلال میکند که رضایت از پیروزی مستقیماً با دشواری عینی مانع متناسب است. هنگامی که یک بازی مخفیانه پس از سه بار مرگ، یک دشمن را تضعیف میکند، تسلط واقعی را از بازیکن سلب میکند و پیروزی به دست آمده را با ترحم الگوریتمی جایگزین میسازد.
شکاکان الگوریتمی
منتقدانی که نگرانند مدلهای DDA پیشبینیکننده، معیارهای حفظ بازیکن را بر طراحی هنری بازی اولویت میدهند.
از آنجایی که سیستمهای DDA به طور فزایندهای یادگیری ماشینی و پیشبینی ترک بازی را در بر میگیرند، گروه جدیدی از شکاکان ظهور کردهاند. این منتقدان کمتر نگران خلوص طراحی بازی هستند و بیشتر بر دستکاری روانشناختی مصرفکننده تمرکز دارند. آنها به پتنتهایی اشاره میکنند که معیارهای سرخوردگی را ردیابی میکنند و استدلال میکنند که ناشران میتوانند به راحتی این سیستمها را در بازیهای سرویس زنده به سلاح تبدیل کنند—مهندسی کردن افزایشهای مصنوعی دشواری برای ناامید کردن بازیکنان به منظور خرید ریزتراکنشها، و تنها پس از خرید، دشواری را کاهش دهند.
- حامیان جریان
- طراحانی که DDA را برای نگه داشتن بازیکنان در منطقه بهینه درگیری، ضروری میدانند.
- معماران سیستم
- مهندسانی که بر ساخت مکانیکهای ریاضی زیربنایی تنظیم دشواری تمرکز دارند.
- تحلیلگران تجربه بازیکن
- منتقدان و طراحانی که نحوه درک و واکنش بازیکنان به تنظیمات پنهان را تحلیل میکنند.
دیدگاههایی که این گزارش پوشش نداده
- اسپیدرانرهایی که DDA را برای زمانهای تکمیل سریعتر دستکاری میکنند
- متخصصان ورزشهای الکترونیکی (Esports) که از مکانیکهای قطعی سخت دفاع میکنند
منابع
[1]Wikipedia (Game Design)معماران سیستمDynamic game difficulty balancing
مطالعه در Wikipedia (Game Design) →
[2]Wikipedia (Resident Evil)تحلیلگران تجربه بازیکنResident Evil 4
مطالعه در Wikipedia (Resident Evil) →
[3]Wikipedia (Left 4 Dead)تحلیلگران تجربه بازیکنLeft 4 Dead
مطالعه در Wikipedia (Left 4 Dead) →
[4]Wikipedia (Psychology)حامیان جریانFlow (psychology)
مطالعه در Wikipedia (Psychology) →
[5]GitHubمعماران سیستمDirector Ai For Survival and Shooter Games
مطالعه در GitHub →
[6]تیم سردبیری کوهستانحامیان جریانتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
بیشتر در بازی و ورزشهای الکترونیک
مشاهده همه →هوش مصنوعی بازی
گرههای توالی، انتخابگر و دکوراتور: درختهای رفتار چگونه هوش مصنوعی پیچیده بازیها را معماری میکنند
5 منبع
راکاستار آلبوم موسیقی GTA 6 را روی دیسک فیزیکی عرضه میکند؛ درحالیکه خود بازی فقط یک کد دانلود است
2 منبع
نمایهسازی فضایی
تقسیم بازگشتی در درخت هشتتایی (Octree): چگونه نمایهسازی فضایی فراخوانیهای ترسیم را کاهش داده و استریمینگ بیوقفه جهانباز را ممکن میکند
6 منبع
معماری گرافیک
بافر عمق ۲۴ بیتی: چگونه دقت ممیز شناور، مرزهای رندرینگ را جابهجا میکند و به جنگ Z پایان میدهد
8 منبع
نظرات
هر زاویه. هر روز.
اخبار بازی و ورزشهای الکترونیک با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





