유명 게임 회사인 King의 캔디크러시사가는 수 많은 레벨로 구성되어 있는 퍼즐 게임입니다. 2018년 데이터이긴 하지만 매주 약 15개의 레벨을 추가한다고 합니다. (1년에 약 3700개)
레벨의 난이도를 측정하여 밸런싱을 해야 하는데, 문제는 인간 테스터의 경우 레벨 1개당 1주일이 걸린다고 합니다. 이 문제를 해결하기 위해서 인간과 유사한 방식으로 게임을 즐기는 virtual player를 만들었고, 동일 레벨 데이터에 대한 virtual player와 human의 성공률 데이터를 수집하고 학습함으로써 결국 virtual player의 성공률로 인간 성공률을 예측했다고 합니다. 그 결과 레벨 1개의 난이도를 측정하는데 걸리는 시간을 1주에서 수분으로 단축하였습니다.
물론 virtual player는 Human-Like AI라기 보다는 강화학습 에이전트에 가까운 것이지만, 게임을 즐기는 방법 자체 또한 알파고와 같이 효율 우선 주의가 아니라 인간처럼 실수도 좀 하는 “인간 스타일”로 만들어지면 재미있겠다 싶은 생각이 듭니다.
ResearchGate
ResearchGate is a network dedicated to science and research. Connect, collaborate and discover scientific publications, jobs and conferences. All for free.
Human-Like Playtesting with Deep Learning
Playtesting in games is used to understand the player experience and can have different perspectives — difficulty balancing and crash testing being two common examples (Gudmundsson et al.).
