MétaCan
Menu
Retour à la cohorte
Enregistrement W4306759267 · doi:10.1609/aiide.v18i1.21949

Adventures of AI Directors Early in the Development of Nightingale

2022· article· en· W4306759267 sur OpenAlexafffund
Kristen K. Yu, Matthew Guzdial, Nathan Sturtevant, Morgan Cselinacz, Chris Corfe, Isabell Hubert Lyall, Chris Smith

Notice bibliographique

RevueProceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueArtificial Intelligence in Games
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMitacs
Mots-clésAdventureTheme (computing)Video gamePreferenceManagementDomain (mathematical analysis)PsychologyComputer scienceArtificial intelligenceMultimediaEconomicsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Players can sometimes engage with parts of a video game that they do not enjoy if the game does not try to adapt the experience to the player’s preference. AI directors have been used in the past to tailor player experience to different people. In industry, AI directors are relatively uncommon and are typically domain-specific and rules-based. In this paper, we present a reinforcement learning-based AI director developed for the industry game Nightingale with the help of Inflexion Games. We ran an experiment to evaluate the effectiveness of the AI director in creating a desired player experience, but found inconclusive evidence. In line with this year’s theme, we present our negative results and their implications for future AI directors, along with general discussion from working closely with an industry partner.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,288
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital EntertainmentMême sujetArtificial Intelligence in GamesTravaux en français237 207