Oppivat tekoälyt pelisovelluksissa

Suuret on-line pelit, sosiaalinen media, informaatiota yhdistelevät järjestelmät, yms. monimuotoiset verkottuneen median ympäristöt ovat nuoremmille osa arkipäivää. Paremman käyttökokemuksen tuottamiseksi, olemme tutkineet ja kehittäneet oppivia agentteja (software agent), jotka voivat suorittaa digitaalisissa ympäristöissä samankaltaisia tehtäviä kuin ihminen voisi suorittaa. Tärkeimmät sovellusalueet ovat:

Inhimillisesti käyttäytyvät pelihahmot
Oppimisen ja käyttäytymisen perustan muodostavat aikaisemmat kokemukset. Ilman tämän aikaisemman kokemuksen mallinnusta ja jatkuvaa muokkausta, ei inhimillistä käytöstäkään voida laskennallisesti toteuttaa. Tämä tutkimuksen osa keskittyy oppimisen tutkimukseen niin laskennallisten tieteiden, kuin käyttäytymistieteiden näkökulmasta. Tutkimuksen tuloksia on sovellettu mm. Oppivat Otukset (AnimalClass) pelisarjassa.

Itseorganisoituva media
Itseorganisoituva media pyrkii optimoimaan käyttökokemusta yksilöllisesti. Käyttäjän aikaisemmat teot ympäristössä ohjaavat digitaalisen ympäristön muutosta. Tässä tutkimuksessa itseorganisoituvuuden toteutus perustuu samankaltaisiin semanttisiin neuroverkkoihin, joilla myös käytös ja oppiminen on mallinnettu. Tutkimuksen tuloksia on sovellettu Kustannusyhtiö Otavan Luotsi –oppimateriaalisarjan tekniseen toteutukseen.

Agentit testaus- ja valvontatehtävissä
Tutkimuksessa kehitettyjä teknologioita voidaan soveltaa useisiin testaus- ja valvontatehtäviin, joissa inhimillisen käyttäytymisen tuntemus on välttämätöntä, mutta jotka vaativat niin paljon aikaa tai resursseja, ettei tällaisen ihmistyövoiman käyttö ole kustannuksellisesti mahdollista. Testausagentteja työskentelee tällä hetkellä mm. Luotsin säätö- ja valvontatehtävissä. Uutena tutkimusalueena on sosiaalisen median käyttöturvallisuuden parantaminen. Tässä agentit toimivat median suuntaan kuin kuka tahansa käyttäjä, mutta ne pyrkivät tunnistamaan ajassa tai sosiaalisessa käytöksessä tapahtuvia muutoksia tai poikkeamia ja raportoivat niistä eteenpäin. Sanastoon ja frekvensseihin perustuvia valvontamekanismeja on jo olemassa, mutta käytöksen muuttumiseen perustuvat menetelmät voivat löytää jotain, mitä tilastolliset mallinnukset eivät edes pysty havaitsemaan. 

Tutkimuksen taustat, tavoitteet ja tulokset 
Tutkimuksen päätavoitteena on 1) kehittää laskennallisia menetelmiä käyttäytymisen ja oppimiseen mallinnukseen, analysointiin ja ymmärtämiseen sekä 2) soveltaa perustutkimuksen tuloksia käytännön mediatuotantoprojekteissa. Soveltamisen merkitys on suuri: ilman käytännössä todettua vaikuttavuutta, menetelmät ovat vain malleja. Käytännön toimivuuden kautta mahdollistetaan uusien käyttäytymistieteellisten teorioiden kehittäminen. Tutkimustulokset ovat hyödyllisiä mm. oppimisen tutkijoille, peli- ja mediatuottajille sekä operaattoreille.

Tutkimuksen taustalta löytyy vaikutteita ja teorioita oppimisen psykologiasta, neurolaskennasta, luonnontieteistä (mm. complex adaptive systems, kaaosteoria) sekä sosiaalisten verkostojen tutkimusmenetelmistä.

Tutkimuksen tulokset ovat uutuusarvoltaan kansainvälistä kärkeä. Vastaavan kaltaisia menetelmiä kehitetään useissa huippuyliopistoissa, mutta käytännön tuotteisiin niitä on päätynyt suhteellisen vähän: Oppivien Otusten ja Luotsin tekoälyt edustavat tuoteryhmissään alan huippua.

TUTKIMUSPARTNERIT

Otava Publishing Company Ltd, Finland
Tampere University of Technology, Finland
University of Turku, Finland

Lisätietoja:

Julkaisuluettelo (PDF)