Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.776-779
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

A Study on Dynamic Difficulty Adjustment in Games Using GPT

GPT 를 이용한 게임의 동적 난이도 조절 연구

  • Jinseok Oh (Dept. of Multimedia Engineering, Graduate School, Dongguk University University-Seoul) ;
  • Yunsick Sung (Division of AI Software Convergence, Dongguk University-Seoul)
  • 오진석 (동국대학교 일반대학원 멀티미디어공학과) ;
  • 성연식 (동국대학교 AI 소프트웨어융합학부)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

게임의 난이도는 게임 디자인에서 중요한 요소로, 사용자의 몰입과 만족도를 크게 좌우한다. 전통적인 게임 난이도 조절은 일반적으로 기획자의 경험과 판단에 의해 이루어진다. 그러나 기존의 난이도 조절 방식은 다양한 사용자의 개별 실력 수준을 정밀하게 반영하는 데 한계가 있다. 본 연구에서는 GPT 를 활용하여 게임의 난이도를 동적으로 조절하는 방법을 제안한다. 사용자의 게임 플레이 정보를 수집하고 GPT 로 사용자의 게임 실력을 분석하고 평가한다. 평가를 바탕으로 게임의 난이도와 관련된 요소들을 조절한다. 이를 통해 GPT 가 게임 디자인 도구로서 가지는 잠재력을 탐구한다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 인공지능융합혁신인재양성사업 연구 결과로 수행되었음 (IITP-2024-RS-2023-00254592).

References

  1. Xue, S., Wu, M., Kolen, J., Aghdaie, N., & Zaman, K. A. "Dynamic Difficulty Adjustment for Maximized Engagement in Digital Games." In Proceedings of the 26th International Conference on World Wide Web Companion, 2017, pp. 465-471.
  2. Hagelback, J., & Johansson, S. J. "Measuring Player Experience on Runtime Dynamic Difficulty Scaling in an RTS Game." In 2009 IEEE Symposium on Computational Intelligence and Games, 2009, pp. 46-52.
  3. Achiam, J., Adler, S., Agarwal, S., Ahmad, L., Akkaya, I., & Aleman, F. L. "GPT-4 Technical Report." arXiv preprint arXiv:2303.08774, 2023.
  4. Ang, D., & Mitchell, A. "Comparing Effects of Dynamic Difficulty Adjustment Systems on Video Game Experience." In Proceedings of the Annual Symposium on Computer-Human Interaction in Play, 2017, pp. 317-327.
  5. McGugan, W. "Beginning Game Development with Python and Pygame: From Novice to Professional." Apress, 2007.
  6. Chen, A., Dewan, T., Trivedi, M., Jiang, D., Aditya, A., & Mohammed, S. "The Use of Reinforcement Learning in Gaming: The Breakout Game Case Study." Authorea Preprints, 2023.
  7. Brown, T. B. "Language Models are Few-Shot Learners." arXiv preprint arXiv:2005.14165, 2020.