机构名称：
¥ 1.0
大量研究致力于数字应用的自动个性化，尤其是互联网应用[8]。随着互联网服务内容的增长，个性化应用（如推荐系统）有助于缓解信息过载和决策疲劳[8]。这项工作范围从网页上相对简单的更改（例如，使用每个用户的姓名）到使用更深层次的用户需求和行为模型的复杂定制[28]。电脑游戏是一个相对较新的个性化领域。与信息搜索和电子商务等经典个性化领域相比，人们玩游戏的原因更为广泛（例如，挑战、探索、审美体验和社交活动）。因此，更难确定游戏应该适应的个体玩家的需求和偏好。此外，与其他数字应用（如网站）相比，电脑游戏通常涉及更复杂的内容和用户交互。典型的游戏玩法是多感官的（例如，视觉、听觉和触觉），并包含多层含义（例如，正式规则和故事）。因此，要个性化游戏，需要进一步的技术进步（如何程序化地调整更复杂的游戏内容）和新的设计原则（如何根据各种玩家需求进行个性化），而不是我们从经典的个性化领域学到的东西。因此，电脑游戏是研究下一阶段个性化技术的绝佳领域。在本文中，我们采用了 Bakkes、Tan 和 Pisan 的定义 [ 4 ]，即个性化游戏是根据当前玩家的信息进行自我调整的游戏，例如通过自动确定适合当前玩家的难度级别。本文的主要论点是，现有的个性化游戏人工智能研究可以从更多以玩家为中心的视角中受益。尽管他们在技术上做出了贡献，但该领域的大多数现有工作主要面向更复杂的算法和系统功能。这种以系统为中心的个性化方法已经在个性化网络应用程序的早期研究中尝试过。它导致了试图“找到工具的用途，并部署最酷的新功能”的实践，并使这些应用程序对它们应该服务的人群不那么有用[ 28 ]。我们的目标是展示游戏人工智能研究的现状为了避免类似的缺点，游戏 AI 研究社区可以从进一步将技术研究与玩家需求和行为的深度模型结合起来中受益。在本文中，我们通过认知科学理论绘制了游戏 AI 在个性化方面的研究现状，介绍了我们为加强上述一致性而开展的初步工作。具体来说，我们使用 Norman 关于行动阶段的认知理论 [ 37 ] 来研究玩家经历的每个阶段的最新研究成果，并确定有待进一步研究的未解决的问题。
以玩家为中心的人工智能实现自动游戏个性化
主要关键词
相关文件推荐
