PeRL - Personalized Reinforcement Learning

מאז תחילתם של משחקי מחשב היו שחקנים במגוון רמות שונות אך בשנים האחרונות, בעקבות הגדילה ברמת המורכבות של משחקי מחשב השוני בין הרמות נהפך להיות יותר מובהק.

על מנת לשמר את רמת העניין של המשתמש ללא תלות ברמתו יש למצוא דרך להתאים יריב ממוחשב לכל שחקן באופן אישי. המחקר עוסק במציאת דרך פרקטית לביצוע התאמה מסוג זה בכמה שיותר משחקים, בין היתר על ידי מציאת דרכים לאפיון שחקנים שונים.

בעבודה זאת ממשתי במשחק פונג (Pong) שיטת למידת מכונה מסוג Reinforcement Learning המסוגלת לעבוד על מגוון רחב של משחקי מחשב. הבינה המלאכותית למדה לשחק במשחק, ניתחה משחקים של שחקנים ברמות שונות ובהמשך התאימה להם יריבים ממוחשבים אישיים.

התוצאות הראו כי השיטה מצליחה להתאים את עצמה למגוון רחב של יריבים במשחק פונג (Pong) ולהגיע לשוויון מולם. חדשנותה של השיטה במציאת דרך לאפיין שחקן כדי לטייב את ההתאמה ובביצוע ההתאמה ללא תלות ביתרון שיש לשחקן או לבינה המלאכותית ברגע נתון במשחק ביניהם, דבר שלא נעשה עד עכשיו ומאפשר התאמה מיטבית של יריב ממוחשב באופן פרקטי ואפקטיבי, ויצירת משחק מעניין ומהנה.