JP7383198B2 - アビューシブな行動を識別するためのゲームアクティビティのクラス分類 - Google Patents
アビューシブな行動を識別するためのゲームアクティビティのクラス分類 Download PDFInfo
- Publication number
- JP7383198B2 JP7383198B2 JP2023506106A JP2023506106A JP7383198B2 JP 7383198 B2 JP7383198 B2 JP 7383198B2 JP 2023506106 A JP2023506106 A JP 2023506106A JP 2023506106 A JP2023506106 A JP 2023506106A JP 7383198 B2 JP7383198 B2 JP 7383198B2
- Authority
- JP
- Japan
- Prior art keywords
- player
- game
- behavior
- activity
- players
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims description 159
- 206010001488 Aggression Diseases 0.000 title claims description 75
- 230000006399 behavior Effects 0.000 claims description 348
- 238000013473 artificial intelligence Methods 0.000 claims description 161
- 230000009471 action Effects 0.000 claims description 120
- 238000000034 method Methods 0.000 claims description 69
- 238000012790 confirmation Methods 0.000 claims description 31
- 230000001747 exhibiting effect Effects 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000000873 masking effect Effects 0.000 claims description 10
- 230000016571 aggressive behavior Effects 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims 1
- 238000010801 machine learning Methods 0.000 description 69
- 238000012549 training Methods 0.000 description 57
- 230000000875 corresponding effect Effects 0.000 description 54
- 201000009032 substance abuse Diseases 0.000 description 40
- 230000004044 response Effects 0.000 description 39
- 238000012545 processing Methods 0.000 description 38
- 238000013528 artificial neural network Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 19
- 238000013135 deep learning Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 230000002730 additional effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000009877 rendering Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000002147 killing effect Effects 0.000 description 7
- RLLPVAHGXHCWKJ-UHFFFAOYSA-N permethrin Chemical compound CC1(C)C(C=C(Cl)Cl)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 RLLPVAHGXHCWKJ-UHFFFAOYSA-N 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000116 mitigating effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 244000062645 predators Species 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000036642 wellbeing Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003116 impacting effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 235000016936 Dendrocalamus strictus Nutrition 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 241001626506 Philypnodon Species 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000008918 emotional behaviour Effects 0.000 description 1
- 230000000193 eyeblink Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003370 grooming effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/75—Enforcing rules, e.g. detecting foul play or generating lists of cheating players
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
- A63F13/35—Details of game servers
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/53—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game
- A63F13/533—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game for prompting the player, e.g. by displaying a game menu
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/85—Providing additional services to players
- A63F13/86—Watching games played by other players
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Optics & Photonics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
特に、本開示の実施形態は、他者によるアビューズ(例えば、悪用的、攻撃的、虐待的である行動であり、これらをまとめてアビューズと記載することがあり、また、アビューズと思われる、あるいはアビューズの可能性がある行動をアビューシブな行動と記載することがある)をクラス分類するように構成される。他の実施形態は、ゲーム内でのアビューズのためにプレイヤがやめると決定するときを識別するように構成される。1人以上のプレイヤ(例えば、アビューザ)によって実行されたアビューズまたはアビューシブな行動の一部の例は、本開示の実施形態では、「自分のキャラクタを意図的にキルする」ことで、自分のグループ(例えば、マルチプレイヤゲームでのプレイヤのチーム)またはフレンドを傷つけること、チームメイトを意図的にキルする、絵文字でスパムする、他のプレイヤに嫌がらせすることを意図したアクションを実行する「グリーフィング」、チームのチームメイトを助けないと決定する、別のキャラクタが死ぬのを見物する、助けを与えずにチームメイトのキャラクタが死ぬのを見物する、助けを与えずにチームメイトのキャラクタが困難または問題を経験するのを見物することなどを含む。
アビューシブな行動を軽減する試みの中で、ゲームセッションの終了時に、ゲームスコアを示すだけの代わりに、本開示の一実施形態では、アビューザの識別または特定の特性(例えば、望ましくない行動)を示したアビューザを統計データに含めることができる。望ましくない行動を軽減する試みの中で、望ましくない行動を実行していると識別されたプレイヤに警告する、識別されたプレイヤのセッションをX回禁止する、識別されたプレイヤを現在のゲームセッション中にタイムアウトにすることなどを含む、さらなるアクションを行うことができる。
他の実施形態では、人工知能(例えば、機械学習モデル)を使用してセッションアクティビティを監視し、何が悪くて(望ましくない行動で)、何が良いか(例えば、望ましい行動であるか)を学習することも可能である。ゲームプレイ中にプレイヤごとに、テレメトリデータ(例えば、ゲーム状態データ、メタデータ、及びユーザセーブデータ)をキャプチャすることができ、そのテレメトリデータを処理して、アビューザの可能性のあるプレイヤを識別することができる。他の実施形態では、クラウドソーシングを使用して、アクティビティがアビューズであるかどうかを確定することができ、それらの確定を、機械学習を実装する人工知能システムにフィードバックして、追加のトレーニング及び/または学習を、ゲームセッション中のプレイヤによる望ましくない行動及び望ましい行動を識別するように構成された機械学習モジュールに提供することができる。本開示の実施形態では、アビューズされたプレイヤ(例えば、標的にされたプレイヤ及び/または被害者)は、対応するアビューザがゲームセッションを禁止される場合、または完全にビデオゲームをプレイすることを禁止(例えば、永久追放あるいはライフタイムバン)される場合などにおいて、自分のゲームのパターンを変更する必要がない。
基本的には、コンピューティングリソースを使用して望ましくない及び/またはアビューシブなプレイヤのアクティビティを処理することにより、処理システム、メモリ、ストレージなどに負担をかける。さらに、望ましくない及び/またはアビューシブなプレイヤのアクティビティを処理すると、望ましくない及び/またはアビューシブなアクティビティを含むゲームプレイに関する追加のレポートを作成する、トラフィックを管理する及び/または行動を減少させるための追加のトラフィック管理を引き起こすことなどによって、追加の管理リソースが使用され、実際のゲームアクティビティの処理を潜在的に妨げる可能性がある。結果として、望ましくない(例えば、アビューシブな、悪いなど)行動の検出及びクラス分類により、クラウドゲームシステムの効率を高める軽減技術の適用が可能になる場合がある。特に、望ましくない行動を示すプレイヤのゲームプレイに制限を強要する場合がある(例えば、それらのプレイヤのセッションをタイムアウトにする、またはプレイヤを所定期間禁止にする)。
これにより、望ましくない行動を示すプレイヤが貴重な帯域幅を占有することが防がれるので、1つ以上のゲームセッション中に建設的なゲームプレイに利用可能なクラウドゲームシステムの帯域幅が増加し、また、望ましくない行動の標的は、望ましくない行動に対処するためにゲームプレイで時間及び労力を無駄にする必要がなくなる。これに代えて、望ましくない行動の標的のゲームプレイを、対応するゲームプレイを進める効率的な方法で指示することができる。そのため、望ましくない及び/またはアビューシブな行動に関連するアクティビティに対するリソース処理がなくなる、あるいはそのようなアクティビティを軽減するリソース処理がなくなるので、建設的なゲームプレイのための帯域幅が増える。
システム100は、ある期間を通してなど、シングルプレイヤまたはマルチプレイヤでの1つ以上の時点で、複数のプレイヤ115によるゲームプレイをサポートする。さらに、複数のプレイヤ115のそれぞれは、追加のサポート(例えば、ディスプレイなど)及び/または機能を提供するように構成された、オプションのデバイス11または他のデバイス(例えば、スピーカまたはヘッドマウントディスプレイ)へのアクセスを有する。クライアントデバイス100は、有線または無線、移植可能または移植可能ではないプロセッサ及びメモリを有する任意のタイプのデバイスを含むことができる。一実施形態では、クライアントデバイス100は、スマートフォン、タブレットコンピュータ、または移植可能なフォームファクタでタッチスクリーン機能を提供するハイブリッドの形をとることができる。
さらに、プレイヤ5Bは、該当クライアントデバイス100で第2ビデオゲームをプレイしており、第2ビデオゲームのインスタンスは、該当ゲーム実行エンジン111により実行される。第2ビデオゲームは、プレイヤ5Aのために実行されている第1ビデオゲームと同一であってもよく、または異なるビデオゲームであってもよい。第2ビデオゲームを実装するゲームロジック126B(例えば、実行可能コード)は、前述のように該当クライアントデバイス100に格納され、対応するゲーム実行エンジン111を用いて第2ビデオゲームを実行するために使用される。さらに、プレイヤ115Nは、該当クライアントデバイス100の第Nビデオゲームをプレイしており、第Nビデオゲームのインスタンスは、該当ゲーム実行エンジン111により実行される。第Nビデオゲームは、第1のもしくは第2ビデオゲームと同一であってもよく、または完全に異なるビデオゲームであってもよい。第3のビデオゲームを実装するゲームロジック126N(例えば、実行可能コード)は、前述のように該当クライアントデバイス100に格納され、ゲーム実行エンジン111を用いて第Nビデオゲームを実行するために使用される。
具体的には、該当プレイヤ5Aのクライアントデバイス100は、インターネットなどのネットワーク150を介してゲームアプリケーションへのアクセスを要求するように、またゲームサーバ105により実行され、該当プレイヤ5Aに関連付けられたディスプレイデバイスに配信されるビデオゲームのインスタンスをレンダリングするように、構成される。例えば、プレイヤ5Aは、ゲームサーバ105のゲームプロセッサ上で実行されているビデオゲームのインスタンスと、クライアントデバイス100を介してインタラクトしていてもよい。さらに特に、ゲームアプリケーションのインスタンスは、ゲーム実行エンジン175により実行される。ビデオゲームを実装するゲームロジック(例えば、実行可能コード)は、データストアまたはデータベース140を介して格納され、アクセス可能であり、ビデオゲームを実行するために使用される。ゲーム実行エンジン175は、複数のゲームロジック177を使用して複数のビデオゲームをサポートすることができる。
処理エンティティは、ゲームクラウドシステムのサーバ及びその1つ以上のサーバ(計算ノード)の基礎となるハードウェアを利用し、及び/またはそれらに依拠してもよく、サーバは1つ以上のラック上に配置され得る。種々の処理エンティティに対するそれらの機能の実行の協調、割り当て、及び管理は、分散同期層によって行われる。そのようにして、それらの機能の実行が分散同期層によって制御されて、プレイヤによるコントローラ入力に応答して、ビデオゲーム用のメディア(例えば、ビデオフレーム、オーディオなど)を生成することが可能になる。分散同期層は、重要なゲームエンジンコンポーネント/機能が、より効率的な処理のために分散されて再構築されるように、分散処理エンティティ全体で(例えば、負荷バランシングを介して)それらの機能を効率的に実行することが可能である。
また、該当プレイヤのクライアントデバイス100は、ローカルで作動するゲーム実行エンジン111により実行される、またはリモートで実行するゲーム実行エンジン175により実行される、レンダリングされた画像を生成するように、及びレンダリングされた画像をディスプレイに表示するように、構成される。例えば、レンダリングされた画像は、対応するプレイヤのクライアントデバイス100でローカルに実行する対応するビデオゲームのインスタンスに関連付けられてもよく、またはクライアントデバイス100は、ゲームプレイを駆動するために使用される入力コマンドを介するなどして、該当プレイヤのゲームプレイを実装するためにゲームサーバ105を介してリモートに実行される該当ビデオゲームのインスタンスとインタラクトするように構成される。
図2は、本開示の一実施形態による、オンラインゲームコミュニティ200を示す図である。オンラインゲームコミュニティ200は、複数のメンバー220を含み、コミュニティ200は、多くのタイプのメンバーを含むユニバーサルコミュニティであり得る。一般に、コミュニティ200のメンバーは、ゲーム、または特定のビデオゲーム、または複数のビデオゲームに何らかの関心を有する。例えば、メンバーは、プレイヤ、観客、カジュアルなオブザーバ、熱心なオブザーバ、研究者、評論家、社会評論家、ビジネスパートナなどであってもよい。
両方のプレイヤがゲームワールド350の同じエリアにいるため、プレイヤX(380)は、おそらくは、プレイヤZ(385)によって実行されたアクティビティの目撃者である。プレイヤZ(385)による望ましい行動のクラス分類の後、スクリーンショット300Cに示されるように、称賛インタフェース360がプレイヤ380に提示されてもよい。例えば、称賛インタフェース360は、ポップアップメッセージであってもよい。インタフェース360は、限られた時間、可視であってもよい。称賛インタフェース360は、プレイヤZ(385)である別のプレイヤによって望ましい行動が実行されたという通知を提供する。望ましい行動の簡単な概要またはプレビュー(例えば、ビデオクリップ375)をインタフェース360内に提示することができる。
いくつかの実装では、プレイヤZ(385)は、プレイヤX(380)のチームメイトであり、プレイヤZ(385)は、チーム目標(例えば、必要なアイテムをキャプチャする)の達成を支援するアクションを実行していてもよく、またはいずれかの有益なアクション(例えば、チームメイトを助ける、チームメイトを救うなど)を実行していてもよい。他の実装では、プレイヤZ(385)はプレイヤX(38)のチームメイトではなく、プレイヤZは何らかの望ましいアクション(例えば、橋を架ける、経験の浅いプレイヤを助けるなど、プレイヤのコミュニティを支援する何らかのアクション)を実行している。称賛インタフェース360を介して、プレイヤX(380)は、ボタン370(「称賛を与える」)を選択することなどにより、いかなるさらなるアクションも実行することなく、プレイヤZ(385)に称賛を与えることができる。そのようにして、称賛の付与は、プレイヤX(380)のゲームプレイを妨げないように、シームレス及びフリクションレスの方法で、プレイヤX(38)による最小限のインタラクションで実施され得る。
一実施形態では、観客グループに、プレイヤに称賛を与えるべきかどうかを決定する投票(例えば、閾値を上回る投票)が提示される。別の実施形態では、観客は、望ましいと思われるアクティビティにフラグ付けすることができ、その後、称賛システムは、アクティビティが望ましいアクティビティのレベルまで上昇するかどうかを人工知能によって分析することができる。いくつかの実施形態では、アクティビティが望ましいアクティビティのレベルまで上昇するかどうかを決定するために、クラウドソーシング(例えば、プレイヤ、観客、またはその組み合わせによるもの)が使用される。
図4は、システム400を示す図であり、このシステムは、本開示の一実施形態による、望ましくない行動(例えば、アビューシブな行動)及び/または望ましい行動を識別する及び/またはクラス分類するように構成された人工知能モデルをトレーニングして実装するように構成される。本開示の実施形態では、プレイヤの行動は、AI学習モデルとも呼ばれるAIモデル195を使用してクラス分類されることができる。一般に、AIモデルは、プレイヤの中での望ましい及び望ましくない行動(例えば、アクティビティ、アクションなど)を学習する及び/またはクラス分類するように構成されることができる。AIモデルは、フィードバック及び/または信頼できるデータを提供して、AIモデルを連続してトレーニングすることにより更新可能である。一実施形態では、AI学習モデルは、機械学習を適用してプレイヤの行動をクラス分類するように構成された機械学習モデルである。別の実施形態では、AI学習モデルは、深層学習を適用してプレイヤの行動をクラス分類するように構成された深層学習モデルであり、機械学習は人工知能のサブクラスであり、深層学習は機械学習のサブクラスである。そのため、人工知能を使用して、プレイヤによる良いアクション及び/またはアクティビティ(例えば、望ましい行動)だけでなく、プレイヤの悪いアクション及び/またはアクティビティ(例えば、望ましくない行動)をクラス分類する。
前述のように、テレメトリデータ(または状態データ)は、ゲーム状態データ、ユーザセーブデータ、及びメタデータを含む場合がある。具体的には、ゲーム状態データは、特定の時点でプレイヤの実行中のビデオゲームのゲームプレイの状態を定義する。ゲーム状態データは、ゲームプレイ中の対応する時点でのゲーム環境の生成を可能にする。例えば、ゲーム状態データは、ゲームプレイをレンダリングするために使用されるデバイスの状態(例えば、CPU、GPU、メモリ、レジスタ値などの状態)、その時点でビデオゲームを実行するための実行可能コードの識別、ゲームキャラクタ、ゲームオブジェクト、オブジェクト及び/またはゲームの属性、グラフィックオーバーレイ、及びその他の情報を含んでもよい。ユーザセーブデータには、ビデオゲームを該当プレイヤ用にパーソナライズする情報が含まれる。
例えば、ユーザセーブデータは、キャラクタと、ゲームプレイ中のその時点のプレイヤに一意のキャラクタ状態とを生成するためにプレイヤにパーソナライズされるキャラクタ情報及び/または属性(例えば、位置、体型、外見、衣服、武器、アセットなど)、プレイヤのゲーム属性(例えば、選択したゲームの難易度、ゲームレベル、キャラクタ属性、キャラクタの位置、ライフ数、トロフィー、実績、報酬など)、ユーザプロファイルデータ、及びその他の情報を含んでもよい。メタデータは、ゲーム状態データ及びユーザセーブデータなど、リレーショナル情報及び/または他の情報のコンテキストを提供するように構成される。例えば、メタデータは、プレイヤのゲームプレイ中の特定の時点のゲームコンテキストを記述する情報、例えば、プレイヤがゲーム内のどこにいるか、ゲームのタイプ、ゲームのムード、ゲームのレーティング(例えば、成熟度レベル)、ゲーム環境にいる他のプレイヤの数、表示されるゲームの規模、情報が収集された時間、収集された情報のタイプ、インターネット接続の地域または位置、どのプレイヤが特定のゲームセッションをプレイしているか、記述情報、ゲームタイトル、ゲームタイトルのバージョン、フランチャイズ、ゲームタイトル配信フォーマット、ネットワーク接続性、アクセスしたダウンロード可能なコンテンツ、リンク、言語、システム要件、ハードウェア、クレジット、実績、賞、トロフィー、及びその他の情報を含むことができる。
トレーニング及び/または学習は教師なしのものであってもよく、トレーニングデータ420またはテレメトリデータ405に対して(トレーニングに使用される場合に)既知または真の出力は提供されないため、入力データのみが提供され、AIモデルは、望ましい行動及び/または望ましくない行動を識別するように学習する、及び/または関連付けられたフィーチャを学習する。トレーニングは、教師ありトレーニングと教師なしトレーニングとの両方を実装することができる。例えば、教師なしトレーニングを実行した後、既知のデータを用いて教師あり学習を実行することができる。AIモデル195のトレーニング及び実装は以下でさらに説明される。
AIモデル195を使用してクラス分類される望ましくない行動のいくつかの例として挙げられるのは以下のとおりである:別のプレイヤがゲームセッションをやめることにつながるプレイヤのアビューシブなアクティビティ;自分のグループのチームメイトまたはフレンドを傷つけるためにプレイヤ自身のキャラクタまたはチームメイトのキャラクタを意図的にキルすること(例えば、意図的なキル);別のプレイヤに絵文字でスパムする;別のプレイヤに嫌がらせをすることを意図したアクティビティ(例えば、グリーフィング);ゲームセッション内で意味をなさないアクティビティ;アクションが必要なときにアクションがない;プレイヤのスキルレベル未満でプレイする;否定的なコメント;ゲームフィーチャあるいはフィーチャ(例えば、チャット、絵文字など)の過度の使用;チームメイトへの敬意の欠如を示すプレイヤのアクティビティ、例えば、1人のプレイヤが、チームの目標達成を助けないと決定する、またはプレイヤが別のプレイヤ(例えば、別のプレイヤのキャラクタ)が死亡する、もしくは困難及び/または問題にあっているときに楽しんで見物している場合(例えば、シャーデンフロイデを経験している)、または見物しているプレイヤが支援を提供することができるときに別のプレイヤが死亡する、もしくは困難及び/または問題を経験するのを見物している場合など;プレイヤの積極的な関与をクラス分類する、チームワークの悪さを示すアクティビティ。
プレイヤにとって望ましくないとクラス分類された行動が極端である場合、または同じプレイヤによる望ましくない行動の複数のインスタンスが顕著なレベルにまで上昇する場合、そのプレイヤは、システム400によってアビューザであるとマーク付けされてもよく、またはクラス分類されてもよい。
ビデオゲームでの進捗の遅延は、ビデオゲームでの実際の進捗及びビデオゲームでの所期の進捗の測定値の差である。したがって、所期の閾値は、所期の進捗または平均の進捗から、ビデオゲームで同じスキルレベル(例えば、標準偏差内)のプレイヤの進捗での許容可能な遅延に関連付けられることができる。所期の閾値(例えば、許容される遅延)を超えるいずれかの遅延は、望ましくない及び/またはアビューシブな行動と見なされることができる。所期の閾値がプレイヤのスキルレベルに応じて変化し得ることが理解される。別の例示では、望ましくない及び/またはアビューシブな行動は、所期の閾値を超える、ゲームを完了するまでの時間内の遅延、例えば、ほぼ同じスキルレベルのプレイヤがゲームを完了するまでの平均時間を参照する、ゲームを完了する際の許容可能な時間の遅延などによって定義されることができる。
AIモデル195は、プレイヤのアクションがタスクの達成の実行を意図的に回避することを含んだと決定し、AIモデル195は、プレイヤによるアクションがないことをアビューズ(例えば、受動的なアビューズ)であるとクラス分類する。他の形態の受動的なアビューズは、対応するゲームセッション内でいかなる意味もなさないプレイヤによるアクション及び/またはアクティビティ、外れ値であるアクティビティ(例えば、平均的な使用よりも多く使用される機能など)、興味がないことを示すことなどを含む。一方、能動的なアビューズは、別のプレイヤのゲームプレイの楽しみに悪影響を与えるアクション及び/またはアクティビティの意図的なパフォーマンス(例えば、意図的なキル、別のプレイヤへの妨害、ユーザプロファイルに示されるよりも低いスキルレベルでプレイしないなど)を含んでもよい。
さらに、ユーザプロファイルデータにより、プレイヤは、高いスキルを有しており、タスクが存在する、及びタスクを達成する方法を知っているはずであることが示されることができると、そのプレイヤが自分の最大能力で実行していない可能性があるため、プレイヤのアクションがないことはアビューズであったことが確認される場合がある。ただし、プレイヤが高いスキルを有していても、フィルタ関数は、プレイヤがそのビデオゲームの初心者であるとユーザプロファイルデータから決定する場合がある。多くのビデオゲームでは、経験豊富なプレイヤは、初心者のプレイヤが高いスキルを有していても、初心者のプレイヤよりも大きなアドバンテージを有する。つまり、プレイヤは、高いスキルを有したプレイヤであっても、ビデオゲームのプレイ方法、及びビデオゲームで何をする必要があるかについて知識豊富になり得るには時間がかかる。
そのため、プレイヤがビデオゲームを受動的にアビューズしているように見える場合でも(例えば、ビデオゲーム内で特定のアクションを実行しないことで、自分の能力を意図的に発揮せず、タスクを完了するチームの能力を損なう場合でも)、システム400は、プレイヤが初心者であると決定し得るため、プレイヤのアクションがないことをアビューズであるとみなさない、または望ましくない行動を示したというプレイヤのフラグ付けが実際には偽陽性であったと決定することができる。通常、フィルタ関数を介してユーザプロファイルデータを分析することなく、システム400は、プレイヤのアクションがないことをアビューズとみなすと決定する。
例えば、プレイヤは、ビデオゲームについてできるだけ多くのことを学習しようとしてゲームワールドをさまよっていて、チーム目標の促進のためにタスクを達成する機会を逃す可能性がある。ゲームのプレイ中のこの時点では、初心者であるプレイヤは、タスクが必要であることさえ知らない可能性があり、タスクが存在することを知らない可能性があり、タスクを達成する方法さえ知らない可能性がある。このように、ゲームプレイ中のこの時点では高いスキルを有したプレイヤが何らかのアクションを実行する必要があるが、行っていないように見えても、システム400は、ユーザプロファイルでフィルタリングした後、プレイヤがそのビデオゲームでの初心者であるため、アクションのないことをアビューズであるとクラス分類しないことができる。
意図的なキルは、アビューザが標的を下手なプレイヤであると考える場合、アビューザが標的に嫌がらせをしている場合など、何らかの理由でチームメイトを意図的にキルすることを含む。ゲームを放棄する場合、アビューザは、時期尚早にオンラインゲームセッション中にチームが勝つことができる方法はないと考える可能性があり、他のチームメンバー(例えば、土壇場の勝利をまだ望んでいる可能性がある)を考慮せずにできるだけ早くチームが負けるような方法で、故意で一方的に行動することにより、故意に途中でやめる、または降伏する。先の例は、より明白なアビューシブな行動及び/またはアクションのいくつかを示しているが、オンラインゲーム内に存在する可能性のある、多くのそれほど明確ではなく、おそらくより複雑なアビューシブな行動及び/またはアクションを完全には表していない。
このようにして、AIモデル195は、望ましい(例えば、良い)行動(例えば、チームワーク、他の人を助ける、他のプレイヤに援助を提供する、経験の浅いプレイヤに指示を与えるなど)のパターンを学習することができる。前述のように、オンラインゲームコミュニティ200内での評判を高めるなどによって、望ましい方法で行動しているプレイヤに報酬を与える目的で、称賛システム120を実装するなど、追加のアクションを実行することができる。
一実施形態では、プレイヤはグループとして投票して、さらなる確定のために、問題となっている行動(望ましくない及び/または望ましい)を、オンラインコミュニティ内の行動のコンプライアンスを決定するタスクを課された人間のグループを含み得る、コンプライアンスグループ601c及び/またはモデレーションチームに送信してもよい。さらに、確定プロセスは、プレイヤBの行動が望ましくないという示唆の後にいつでも、例えば、ゲーム後のセッション中の直後、またはある期間の後などに実行されることができる。
クラウドソーシングによる確定を使用して、プレイヤB(611)による行動を望ましくないもの(例えば、アビューシブなもの、悪いものなど)であるかどうかを確定することができ、その確定された行動を機械学習エンジン190にフィードバックして、基盤となるAIモデル195を更新する及び/またはさらにトレーニングすることができる。クラウドソーシングの場合、クラウドが望ましくない行動を確定するかどうかを決定するための閾値(例えば、75パーセント超、クラウド内のメンバーが最低10人など)を設定することができる。また、基礎となるAIモデル195は、追加の確定の有無にかかわらず、学習/トレーニングのために、プレイヤBのアクティビティに似ている他のプレイヤによる行動がAIモデルにサブミットされることができると、洗練されるようになる。
例えば、プレイヤAは、ディスプレイ上のインタフェースに存在するボタン、またはコントローラ上のボタンを選択して、望ましくない行動の存在を示すフラグを生成することができる。いくつかの実施形態では、プレイヤは、フラグ付けするプレイヤがアビューザではないなど、オンラインゲームコミュニティでは善良なメンバーである(例えば、善良な市民である)場合にのみ、望ましくない可能性がある行動を示すフラグを生成することができる。プレイヤAがフラグを開始するように示されているが、プレイヤの(望ましくない及び/または望ましい)行動のフラグ付けは、観客(ゲームセッションのリプレイを通じて)、一般に行動を認識する初期フィルタ内のシステムなどによって、多くのソースを通じて発生し得る。
クラウドは、フラグを生成しているプレイヤAと同じチームの一員であってもよく、または別のチームの一員であってもよく、または1人以上のソロプレイヤであってもよい。別の実施形態では、フラグ付けフィーチャのアビューズを制限するために、プレイヤが生成できるフラグの数を特定の数に制限することができる。このようにして、プレイヤがフラグ付けフィーチャをアビューズしていても、アビューズの数を制限することができる。別の実施形態では、フラグ付けフィーチャをアビューズしているプレイヤに警告が与えられ、この警告は、システムが望ましくない行動(フラグ付けフィーチャの乱用)を認識しており、望ましくない行動を止めるようにプレイヤに通知する。警告は、プレイヤが望ましくない行動を続ける場合、他のアクションが必要になる可能性があることを示す場合がある。
このように、標的となったプレイヤ及び/または被害者は、以前には、他人による望ましくない行動を積極的に報告することをためらっていた可能性があるが、アクティビティを報告するための迅速かつ簡単な方法を有するようになる。報告しない理由の可能性として、標的となったプレイヤ及び/または被害者が報告を無視された、報告に時間と労力がかかりすぎた、報告が現在のゲームプレイに影響した、報告プロセスを知らなかった、またはそれが難しいプロセスであったなどと感じたからを含む。通知635が、標的となったプレイヤ及び/または被害者から促されることなく提供され、リアルタイムで提供され、そしてゲームセッションを実装するシステム(例えば、クラウドゲームネットワーク) から発信されるため、標的となったプレイヤ及び/または被害者は、ここでは報告を真剣に受け止められたと感じる可能性がある。
一実施形態では、望ましくない行動の報告は匿名である。コントロールボタン「X」など、他のボタンを押す命令を提供する場合がある。場合によっては、プレイヤV(632)は、「いいえ」ボタン618を選択するなどにより、プレイヤB(631)による望ましくない行動の報告を積極的に拒否することができる。コントロールボタン「正方形」など、他のボタンを押す命令を提供する場合がある。積極的な拒否は、必ずしもプレイヤVがプレイヤB(631)による望ましくない行動を受け入れることを黙示しない。また、プレイヤV(632)によって応答がなされない場合、これもまた、必ずしもプレイヤVがプレイヤB(631)による望ましくない行動を受け入れることを黙示せず、通知635はすぐに消えてもよい。また、通知635は、プレイヤV(632)に、取るべき追加のアクションを選択する機会を提供することができる。例えば、プレイヤVは、図6Eで説明されるようにマスキングを選択してもよく、または図6Fで説明されるように隠れることを選択してもよい。
マスキングの場合、プレイヤ642-Bは、アビューザ641からマスクされているため、アビューザ641はプレイヤ642-Bに気付かない。特に、プレイヤ642-Bのアバター、またはその状態は、状態0と1との間で変化した可能性がある。つまり、プレイヤ642-Bのアバターは、異なるキャラクタ、性別、外観、名前、異なるアバターなどであり得るため、プレイヤ642-B及び対応するアバターは、アビューザ641によって(つまり、ゲームワールド649のアビューザ641に提示される視野では)認識できない。
一実施形態では、プレイヤ642-Bは、ゲームワールド649の他のプレイヤに対してマスクされないため、状態2でのプレイヤ642-Bのアバターは、プレイヤ642-Bがまだアビューザ641に対してマスクされているにもかかわらず、元の状態(つまり、変更なし)で提示される。そのため、アビューザ641とプレイヤ642-Bとの両方は依然として同じゲームセッションでビデオをプレイすることができ、プレイヤ642-Bは自分のゲーム行動を変更する必要がない。例えば、プレイヤ642は、アビューザ641を除けば、ゲームセッションが全体的に楽しい場合があるため、ゲームセッションにとどまることを望む場合がある。
特に、プレイヤ642-Cのアバターの一部またはすべての痕跡は、アビューザ641のゲームワールド649の視野から除去される場合がある。つまり、アビューザ641はプレイヤ642-Cがまったく見えない。一実施形態では、プレイヤ642-Cは、ゲームワールド649の他のプレイヤから隠されないため、状態2でのプレイヤ642-Cのアバターは、プレイヤ642-Cがアビューザ641から隠されているにもかかわらず、元の状態(つまり、変更なし)で他のプレイヤに提示される。一実施形態では、プレイヤ642-Cは、プレイヤ642-Cによってマーク付けされるまたは選択される1人または複数の他のプレイヤに可視である。別の実施形態では、プレイヤ642-Cは、アビューザ641を見ることができる。そのため、アビューザ641とプレイヤ642-Cとの両方は依然として同じゲームセッションでビデオをプレイすることができ、プレイヤ642-Cは依然として自分の行動を変更することなくゲームセッションでビデオゲームをプレイすることができる。
初期位置では、プレイヤBは651-Aとラベル付けされる。第2の位置に移動した後、プレイヤBは651-Bとラベル付けされる。第2の位置では、プレイヤBは、プレイヤVの視野658-A内で可視のエリア内に移動した。したがって、プレイヤB(651-B)のアバターは、プレイヤVの視野658-A内でマーク付けされる。例えば、プレイヤB(651-B)のアバターは、点滅しているボックスでハイライトされてもよく、または他の人目を引くパターン(例えば、太陽光線など)でマーク付けされる。いくつかの実施形態では、プレイヤB(651)のアバターは、視野658-Aの外側の境界を越えてすぐにマーク付けされるようになり、プレイヤV(652)に可視になる場合がある。例えば、視野658-Aは、侵入しているプレイヤB(651)を含むエリア内に拡大されることができる。その場合、プレイヤB(651)のマーク付けバージョンはプレイヤV(652)に可視になり得るが、プレイヤV(652)はプレイヤB(651)に可視でない。
値が高いほど、プレイヤがゲームセッション中に示した望ましくない行動が多くなり、または望ましくない行動がゲームセッション中に別のプレイヤのゲームプレイに効果的に悪影響を与えていた。実施形態では、評価は、同じゲームセッションのすべてのプレイヤと、または複数のゲームセッションのプレイヤと比較することができる。別の実施形態では、評価は、ゲームセッション内の選択的(例えば、チームメイト)プレイヤまたはすべてのプレイヤのランク付けであってもよく、ランク付けは、プレイヤが望ましくない行動をどの程度示したかの順にプレイヤをリストする。図示されるように、プレイヤXは、望ましくない行動を示していると報告するために、プレイヤ0(85%の評価を有する)を選択した。
例えば、子供は、チャイルドプレデターである可能性のある別のプレイヤと接触している場合がある。証拠として、子供は、望ましくない行動を示すそのプレイヤ(例えば、アビューザとしてラベル付けされている、またはチャイルドプレデターである可能性がある)との通信接触数が通常よりも多くなる可能性がある、子供は、1つ以上の通信媒体のアビューズ(例えば、チャット機能のアビューズ)を示すゲームセッション中に通信接触数が多い可能性がある、平均を上回るフレンド要求数を有する可能性がある、閾値を上回る年齢差の別のプレイヤ(例えば、プレデター)と通信している、などである。レポートは、「警告:あなたの子供は既知のアビューザまたはハラスメント加害者と接触している」などの警告を発する場合がある。さらに、レポートは、プレイヤCの感情的な行動を示す(例えば、冷静な行動、興奮した行動、抑うつ行動などを示す)ことができる。行動は、バイオメトリック(例えば、まばたきの速度、発汗、音声の大きさ、音声の高さ、心拍数)だけでなく、ゲームプレイヤのアクティビティ及び/または行動のクラス分類によって監視される場合がある。レポートを生成することにより、要求側エンティティ(例えば、親)は、行動に関連付けられている報酬を発行することができる。例えば、親は子供により多くのゲーム時間を与えてもよい、親は1つまたは複数の称賛を発行してもよい、などである。さらに、要求側エンティティは、子供の行動に関連付けられているペナルティを発行してもよい。例えば、親はゲーム時間などを制限する場合がある。したがって、レポートは、ゲームへのアクセスを制御するための等級付けシステム(例えば、子供の行動のランク付けまたは行動の定量化)として使用されることができる。
ネットワークインタフェース709は、デバイス700が電子通信ネットワークを介して他のコンピュータシステムと通信することを可能にし、ローカルエリアネットワーク、及びインターネットなどのワイドエリアネットワークにわたる有線または無線通信を含んでもよい。オーディオプロセッサ712は、CPU702、メモリ704、及び/またはストレージ706によって提供される命令及び/またはデータから、アナログまたはデジタル音声出力を生成するように適合される。CPU702、GPU716を含むグラフィックサブシステム714、メモリ704、データストレージ706、ユーザ入力デバイス708、ネットワークインタフェース709、及びオーディオプロセッサ712を含むデバイス700のコンポーネントは、1つ以上のデータバス722を介して接続されている。
所望の出力画像を定義するデータ及び/または命令は、メモリ704及び/またはグラフィックメモリ718に記憶されてもよい。1つの実施形態では、GPU716は、シーンに対するジオメトリ、照明、シェーディング、テクスチャリング、動き、及び/またはカメラパラメータを定義する命令及びデータから、出力画像の画素データを生成する3Dレンダリング能力を含む。GPU716は、シェーダプログラムを実行することが可能な1つ以上のプログラム可能実行ユニットをさらに含むことができる。一実施形態では、GPU716は、AI、機械学習機能、または深層学習機能などのためなど、追加の処理能力を提供するために、AIエンジン(例えば、機械学習エンジン190)内に実装されてもよい。
例えば、3つのGPUを含むグループでは、マスターGPU1がメインレンダリング(例えば、最初のシェーダー操作)を実行し、スレーブGPU2とスレーブGPU3からの出力の合成を実行でき、スレーブGPU2は2番目のシェーダー(例えば、川などの流体エフェクト)操作を実行でき、スレーブGPU3は3番目のシェーダー(例えば、粒子の煙)操作を実行でき、マスターGPU1は、GPU1、GPU2、及びGPU3のそれぞれからの結果を合成する。このようにして、様々なGPUを割り当てて、様々なシェーダー操作(はためく旗、風、煙の発生、火など)を実行してビデオフレームをレンダリングできる。さらに別の実施形態では、3つのGPUのそれぞれを、ビデオフレームに対応するシーンの異なるオブジェクト及び/または部分に割り当てることができる。前述の実施形態及び実施態様では、これらの動作を同じフレーム周期(同時に並列)でまたは異なるフレーム周期(順次に並列)で行うことができる。
Claims (21)
- オンラインゲームの行動を制御する方法であって、
ゲームセッション中の所定期間にわたりゲームサーバで、ビデオゲームをプレイする複数のプレイヤの複数のゲームプレイを監視し、
前記複数のゲームプレイに関連する複数のアクティビティと関係のある前記複数のゲームプレイからフィーチャを抽出し、前記複数のアクティビティは前記複数のプレイヤによって制御され、
前記複数のアクティビティをクラス分類するように構成された人工知能(AI)学習モデルに前記フィーチャを入力し、
アクティビティをアビューシブな行動としてクラス分類し、
フラグ付けしているプレイヤから、ゲームセッション中の望ましくない可能性があるアクティビティを示すフラグの開始を受信し、
前記望ましくない可能性があるアクティビティを制御している第1プレイヤを決定し、
前記望ましくない可能性があるアクティビティのビデオ録画を生成し、
前記望ましくない可能性があるアクティビティの記録を生成し、
前記望ましくない可能性があるアクティビティは、前記アビューシブな行動として分類されるアクティビティに対応し、
前記所定期間は前記フラグが開始された時点に関連付けられ、前記プレイヤのグループに録画を提示し、
前記アビューシブな行動として分類される前記アクティビティに対応する、前記望ましくない可能性があるアクティビティがアビューズであるかアビューズでないかを示す決定を前記プレイヤのグループから受信し、かつ、
前記フラグ付けしているプレイヤによって選択された場合に前記プレイヤのグループによるクラウドソーシングを介した前記アビューシブな行動の確定を要求する選択可能なアイコンの選択を受信し、前記プレイヤのグループは前記フラグ付けしているプレイヤを含む、方法。 - 前記アビューシブな行動は、少なくとも1人の他のプレイヤの少なくとも1つのゲームエクスペリエンスに悪影響を与えるために実行される行動である、請求項1に記載の方法。
- さらに、前記望ましくない可能性があるアクティビティの結果、第2プレイヤが前記ゲームセッションを離脱することになると決定する、請求項1に記載の方法。
- 前記アビューシブな行動として分類される前記アクティビティに対応する前記望ましくない可能性があるアクティビティの標的である第2プレイヤを決定し、
前記アビューシブな行動として分類される前記アクティビティに対応する前記望ましくない可能性があるアクティビティが識別されたという通知を前記第2プレイヤのデバイスに送信する、請求項1に記載の方法。 - さらに、前記第2プレイヤの前記デバイスから、前記アビューシブな行動として分類された前記アクティビティに対応する前記望ましくない可能性があるアクティビティがアビューズであることを示すという確認を受信し、かつ、
アビューシブな行動として分類された前記アクティビティに対応する前記望ましくない可能性があるアクティビティが前記第2プレイヤに対するものであったという指示を受信する、請求項4に記載の方法。 - 前記アビューシブな行動として分類されるアクティビティに対応する前記望ましくない可能性があるアクティビティに関連付けられたフィーチャを識別し、
前記AI学習モデルをトレーニングするために、前記望ましくない可能性があるアクティビティに関連付けられた前記フィーチャを前記AI学習モデルに入力し、
前記望ましくない可能性があるアクティビティに関連付けられた前記フィーチャのそれぞれを、前記アビューシブな行動を示すクラスを真に示すものであるとマーク付けする、請求項5に記載の方法。 - さらに、前記通知内に提示される第2の選択可能なアイコンの第2の選択を受信し、前記第2の選択可能なアイコンは前記第2プレイヤによって選択されると、修正アクションを実行することを要求し、
前記修正アクションを実行し、前記修正アクションでは、
前記第1プレイヤに警告を送信する、または、
前記第2プレイヤを前記第1プレイヤからマスクする、または、
前記第1プレイヤ及び前記第2プレイヤを互いからマスクする、
請求項4に記載の方法。 - 前記アビューシブな行動が続く場合、前記第1プレイヤに対してさらなる修正アクションが取られることを示す警告を前記第1プレイヤのデバイスに送信する、請求項1に記載の方法。
- 前記ビデオ録画を前記第1プレイヤの前記デバイスに送信する、請求項8に記載の方法。
- 前記プレイヤのグループからの前記決定は、前記アビューシブな行動として分類された前記アクティビティに対応する前記望ましくない可能性があるアクティビティがアビューズであることを示し、前記方法は、さらに、
前記アビューシブな行動として分類されるアクティビティに対応する前記望ましくない可能性があるアクティビティに関連付けられたフィーチャを識別し、
前記AI学習モデルをトレーニングするために、前記アビューシブな行動として分類される前記アクティビティに対応する前記望ましくない可能性があるアクティビティに関連付けられた前記フィーチャを前記AI学習モデルに入力し、かつ、
前記アビューシブな行動として分類される前記アクティビティに対応する前記望ましくない可能性があるアクティビティに関連付けられた前記フィーチャのそれぞれを、前記アビューシブな行動を示すクラスを真に示すものであるとマーク付けする、請求項1に記載の方法。 - 前記複数のゲームプレイの前記監視では、
前記複数のゲームプレイに関連するテレメトリデータを受信し、前記テレメトリデータは、
プレイヤの対応するゲームプレイのユーザセーブデータ、または、
前記対応するゲームプレイのゲーム状態データ、または、
前記対応するゲームプレイのメタデータのうちの少なくとも1つを含む、
請求項1に記載の方法。 - さらに、別のアクティビティを望ましい行動であるとクラス分類する、
請求項1に記載の方法。 - さらに、前記望ましい行動であると分類された前記別のアクティビティを制御している第2プレイヤを決定し、
前記第1プレイヤ及び第3プレイヤを含むプレイヤの別のグループ内の前記第3プレイヤに通知を送信し、
前記通知は、前記望ましい行動であると分類された前記別のアクティビティのビデオ録画を含み、
前記通知は、前記第3プレイヤによって選択された場合に前記第2プレイヤに称賛を提供する選択可能な別のアイコンを含み、
対応するプレイヤによる称賛の蓄積は、オンラインコミュニティ内の前記対応するプレイヤの評判を定義する、請求項12に記載の方法。 - 前記記録には、
前記望ましくない可能性があるアクティビティのビデオ録画、または、
評価、または、
攻撃性のレベル、または、
セキュリティ通知、または、
警告メッセージ、または、
ポップアップメッセージ、または、
フラグ、または、
レポート、または、
トラッキングログ、または、
情報、または、
データ、または、
ブラックリスト、または、
統計が含まれる、請求項1に記載の方法。 - オンラインゲームの行動を制御する方法を実装するためのコンピュータプログラムを格納するコンピュータ可読媒体であって、
ゲームセッション中の所定期間にわたり、ゲームサーバで、ビデオゲームをプレイする複数のプレイヤの複数のゲームプレイを監視するためのプログラム命令を有し、
前記複数のゲームプレイに関連する複数のアクティビティと関係のある前記複数のゲームプレイからフィーチャを抽出するためのプログラム命令を有し、前記複数のアクティビティは前記複数のプレイヤによって制御され、
前記複数のアクティビティをクラス分類するように構成された人工知能(AI)学習モデルに前記フィーチャを入力するためのプログラム命令を有し、
アクティビティをアビューシブな行動としてクラス分類するためのプログラム命令を有し、
フラグ付けしているプレイヤから、前記ゲームセッション中の望ましくない可能性があるアクティビティを示すフラグの開始を受信するためのプログラム命令を有し、
前記望ましくない可能性があるアクティビティを制御している第1プレイヤを決定するためのプログラム命令を有し、
前記望ましくない可能性があるアクティビティのビデオ録画を生成するためのプログラム命令を有し、
前記望ましくない可能性があるアクティビティの記録を生成するためのプログラム命令を有し、
前記望ましくない可能性があるアクティビティは、前記アビューシブな行動として分類されるアクティビティに対応し、
前記所定期間は前記フラグが開始された時点に関連付けられ、前記プレイヤのグループに録画を提示し、
前記アビューシブな行動として分類される前記アクティビティに対応する、前記望ましくない可能性があるアクティビティがアビューズであるかアビューズでないかを示す決定を前記プレイヤのグループから受信し、かつ、
前記フラグ付けしているプレイヤによって選択された場合に前記プレイヤのグループによるクラウドソーシングを介した前記アビューシブな行動の確定を要求する選択可能なアイコンの選択を受信し、前記プレイヤのグループは前記フラグ付けしているプレイヤを含む、コンピュータ可読媒体。 - 前記方法では、前記アビューシブな行動は、少なくとも1人の他のプレイヤの少なくとも1つのゲームエクスペリエンスに悪影響を与えるために実行される、請求項15に記載のコンピュータ可読媒体。
- さらに、前記望ましくない可能性があるアクティビティの結果、第2プレイヤが前記ゲームセッションを離脱することになると決定するためのプログラム命令を有する、
請求項15に記載のコンピュータ可読媒体。 - 前記方法では、前記記録には、
前記望ましくない可能性があるアクティビティのビデオ録画、または、
評価、または、
攻撃性のレベル、または、
セキュリティ通知、または、
警告メッセージ、または、
ポップアップメッセージ、または、
フラグ、または、
レポート、または、
トラッキングログ、または、
情報、または、
データ、または、
ブラックリスト、または、
統計が含まれる、請求項15に記載のコンピュータ可読媒体。 - コンピュータシステムであって、
プロセッサと、
前記プロセッサに結合されたメモリを有し、前記メモリには、前記コンピュータシステムによって実行されると、オンラインゲームの行動を制御する方法を前記コンピュータシステムに実行させる命令が格納され、前記方法は、
ゲームセッション中の所定期間にわたりゲームサーバで、ビデオゲームをプレイする複数のプレイヤの複数のゲームプレイを監視し、
前記複数のゲームプレイに関連する複数のアクティビティと関係のある前記複数のゲームプレイからフィーチャを抽出し、前記複数のアクティビティは前記複数のプレイヤによって制御され、
前記複数のアクティビティをクラス分類するように構成された人工知能(AI)学習モデルに前記フィーチャを入力し、
アクティビティをアビューシブな行動としてクラス分類し、
フラグ付けしているプレイヤから、ゲームセッション中の望ましくない可能性があるアクティビティを示すフラグの開始を受信し、
前記望ましくない可能性があるアクティビティを制御している第1プレイヤを決定し、
前記望ましくない可能性があるアクティビティのビデオ録画を生成し、
前記望ましくない可能性があるアクティビティの記録を生成し、
前記望ましくない可能性があるアクティビティは、前記アビューシブな行動として分類されるアクティビティに対応し、
前記所定期間は前記フラグが開始された時点に関連付けられ、前記プレイヤのグループに録画を提示し、
前記アビューシブな行動として分類される前記アクティビティに対応する、前記望ましくない可能性があるアクティビティがアビューズであるかアビューズでないかを示す決定を前記プレイヤのグループから受信し、かつ、
前記フラグ付けしているプレイヤによって選択された場合に前記プレイヤのグループによるクラウドソーシングを介した前記アビューシブな行動の確定を要求する選択可能なアイコンの選択を受信し、前記プレイヤのグループは前記フラグ付けしているプレイヤを含む、コンピュータシステム。 - 前記方法では、さらに、
前記望ましくない可能性があるアクティビティの結果、第2プレイヤが前記ゲームセッションを離脱することになると決定し、
前記アビューシブな行動は、少なくとも1人の他のプレイヤの少なくとも1つのゲームエクスペリエンスに悪影響を与えるために実行される、請求項19に記載のコンピュータシステム。 - 前記方法では、前記記録には、
前記望ましくない可能性があるアクティビティのビデオ録画、または、
評価、または、
攻撃性のレベル、または、
セキュリティ通知、または、
警告メッセージ、または、
ポップアップメッセージ、または、
フラグ、または、
レポート、または、
トラッキングログ、または、
情報、または、
データ、または、
ブラックリスト、または、
統計が含まれる、請求項19に記載のコンピュータシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/945,568 | 2020-07-31 | ||
US16/945,568 US11596870B2 (en) | 2020-07-31 | 2020-07-31 | Classifying gaming activity to identify abusive behavior |
PCT/US2021/033501 WO2022026038A1 (en) | 2020-07-31 | 2021-05-20 | Classifying gaming activity to identify abusive behavior |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023530199A JP2023530199A (ja) | 2023-07-13 |
JP7383198B2 true JP7383198B2 (ja) | 2023-11-17 |
Family
ID=76641762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023506106A Active JP7383198B2 (ja) | 2020-07-31 | 2021-05-20 | アビューシブな行動を識別するためのゲームアクティビティのクラス分類 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11596870B2 (ja) |
EP (1) | EP4188568A1 (ja) |
JP (1) | JP7383198B2 (ja) |
CN (1) | CN116209506A (ja) |
WO (1) | WO2022026038A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11082467B1 (en) * | 2020-09-03 | 2021-08-03 | Facebook, Inc. | Live group video streaming |
KR102397202B1 (ko) * | 2020-09-07 | 2022-05-12 | 엘지전자 주식회사 | 디스플레이 장치 및 이를 이용한 게임 화면 제공 방법 |
EP4226362A1 (en) | 2020-10-08 | 2023-08-16 | Modulate, Inc. | Multi-stage adaptive system for content moderation |
US11484800B2 (en) * | 2020-12-31 | 2022-11-01 | GGWP, Inc. | Methods and systems for filtering content in reconstructions of native data of assets |
US20220207421A1 (en) * | 2020-12-31 | 2022-06-30 | GGWP, Inc. | Methods and systems for cross-platform user profiling based on disparate datasets using machine learning models |
US11763030B2 (en) * | 2020-12-31 | 2023-09-19 | GGWP, Inc. | Methods and systems for generating multimedia content based on processed data with variable privacy concerns |
US11752435B2 (en) * | 2021-07-15 | 2023-09-12 | Rovi Guides, Inc. | Systems and methods for behavior-based characterization of avatars in a computer-generated environment |
US11770420B2 (en) * | 2022-01-20 | 2023-09-26 | Wesley John Boudville | Ghost spiders and zombie avatars in the metaverse |
US20230267734A1 (en) * | 2022-02-23 | 2023-08-24 | Dell Products L.P. | Information Extraction from Live Online Sessions |
US20230381662A1 (en) * | 2022-05-31 | 2023-11-30 | Sony Interactive Entertainment LLC | Adaptive difficulty calibration for skills-based activities in virtual environments |
US20240033643A1 (en) * | 2022-07-26 | 2024-02-01 | Sony Interactive Entertainment LLC | Reporting and crowd-sourced review whether game activity is appropriate for user |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174702A1 (en) | 2008-01-07 | 2009-07-09 | Zachary Adam Garbow | Predator and Abuse Identification and Prevention in a Virtual Environment |
US20190052471A1 (en) | 2017-08-10 | 2019-02-14 | Microsoft Technology Licensing, Llc | Personalized toxicity shield for multiuser virtual environments |
US20190270021A1 (en) | 2018-03-01 | 2019-09-05 | Sony Interactive Entertainment Inc. | User interaction monitoring |
US20200078688A1 (en) | 2018-09-07 | 2020-03-12 | Valve Corporation | Machine-learned trust scoring for player matchmaking |
US20200134298A1 (en) | 2018-10-26 | 2020-04-30 | At&T Intellectual Property I, L.P. | Identifying and addressing offensive actions in visual communication sessions |
US20200164278A1 (en) | 2017-06-01 | 2020-05-28 | Spirit Ai Limited | Online user monitoring |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7828652B2 (en) * | 2004-02-12 | 2010-11-09 | Igt | Player verification method and system for remote gaming terminals |
US20090111583A1 (en) * | 2007-10-31 | 2009-04-30 | Gary Zalewski | Systems and method for improving application integrity |
KR101319159B1 (ko) * | 2009-08-25 | 2013-10-17 | 주식회사 홍인터내셔날 | 다트 게임 장치 및 다트 게임 장치의 게임 데이터 인증 방법 |
US20150343313A1 (en) * | 2014-05-30 | 2015-12-03 | Microsoft Corporation | User enforcement reputation scoring algorithm & automated decisioning and enforcement system for non-evidence supported communications misconduct |
US10112113B2 (en) * | 2016-03-30 | 2018-10-30 | Sony Interactive Entertainment Inc. | Personalized data driven game training system |
KR101967658B1 (ko) * | 2017-05-27 | 2019-04-29 | 주식회사 하이퍼커넥트 | 영상 통화 장치 및 영상 통화 방법 |
US11217076B1 (en) * | 2018-01-30 | 2022-01-04 | Amazon Technologies, Inc. | Camera tampering detection based on audio and video |
US10576380B1 (en) * | 2018-11-05 | 2020-03-03 | Sony Interactive Entertainment LLC | Artificial intelligence (AI) model training using cloud gaming network |
US10835829B2 (en) * | 2018-12-26 | 2020-11-17 | Htc Corporation | Method for identifying and describing group, coordinating device, and computer program product |
JP7502335B2 (ja) * | 2019-05-13 | 2024-06-18 | グーグル エルエルシー | 不適切なコンテンツアイテムを特定するための方法、システム、および媒体 |
CN110090446B (zh) * | 2019-05-14 | 2022-11-08 | 腾讯科技(成都)有限公司 | 用于处理游戏中的举报信息的方法和设备 |
US11032222B2 (en) * | 2019-08-22 | 2021-06-08 | Facebook, Inc. | Notifying users of offensive content |
US11170800B2 (en) * | 2020-02-27 | 2021-11-09 | Microsoft Technology Licensing, Llc | Adjusting user experience for multiuser sessions based on vocal-characteristic models |
US11400378B2 (en) * | 2020-06-30 | 2022-08-02 | Sony Interactive Entertainment LLC | Automatic separation of abusive players from game interactions |
-
2020
- 2020-07-31 US US16/945,568 patent/US11596870B2/en active Active
-
2021
- 2021-05-20 EP EP21735442.2A patent/EP4188568A1/en active Pending
- 2021-05-20 CN CN202180064752.2A patent/CN116209506A/zh active Pending
- 2021-05-20 JP JP2023506106A patent/JP7383198B2/ja active Active
- 2021-05-20 WO PCT/US2021/033501 patent/WO2022026038A1/en active Application Filing
-
2023
- 2023-03-07 US US18/180,067 patent/US20230219007A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174702A1 (en) | 2008-01-07 | 2009-07-09 | Zachary Adam Garbow | Predator and Abuse Identification and Prevention in a Virtual Environment |
US20200164278A1 (en) | 2017-06-01 | 2020-05-28 | Spirit Ai Limited | Online user monitoring |
US20190052471A1 (en) | 2017-08-10 | 2019-02-14 | Microsoft Technology Licensing, Llc | Personalized toxicity shield for multiuser virtual environments |
US20190270021A1 (en) | 2018-03-01 | 2019-09-05 | Sony Interactive Entertainment Inc. | User interaction monitoring |
US20200078688A1 (en) | 2018-09-07 | 2020-03-12 | Valve Corporation | Machine-learned trust scoring for player matchmaking |
US20200134298A1 (en) | 2018-10-26 | 2020-04-30 | At&T Intellectual Property I, L.P. | Identifying and addressing offensive actions in visual communication sessions |
Also Published As
Publication number | Publication date |
---|---|
JP2023530199A (ja) | 2023-07-13 |
US11596870B2 (en) | 2023-03-07 |
EP4188568A1 (en) | 2023-06-07 |
CN116209506A (zh) | 2023-06-02 |
US20230219007A1 (en) | 2023-07-13 |
US20220032199A1 (en) | 2022-02-03 |
WO2022026038A1 (en) | 2022-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7383198B2 (ja) | アビューシブな行動を識別するためのゲームアクティビティのクラス分類 | |
KR102291044B1 (ko) | 멀티 플레이어 비디오 게임 매치 메이킹 최적화 | |
US11358066B2 (en) | User interaction monitoring | |
US11478713B1 (en) | Automated detection of emergent behaviors in interactive agents of an interactive environment | |
US8616970B2 (en) | System and method for managing a multiplicity of text messages in an online game | |
US8888601B2 (en) | Player segmentation based on predicted player interaction score | |
JP2021517292A (ja) | オンラインゲーム環境内のチートソフトウェアの使用を自動的に減らすこと | |
US11266912B2 (en) | Methods and systems for processing disruptive behavior within multi-player video game | |
KR20180044191A (ko) | 멀티플레이어 비디오 게임 매치메이킹 시스템 및 방법들 | |
US10997494B1 (en) | Methods and systems for detecting disparate incidents in processed data using a plurality of machine learning models | |
US12023594B2 (en) | Incentivizing fair gameplay through bot detection penalization within online gaming systems | |
US20220203244A1 (en) | Methods and systems for generating multimedia content based on processed data with variable privacy concerns | |
Frommel et al. | Recognizing affiliation: Using behavioural traces to predict the quality of social interactions in online games | |
JP2023533078A (ja) | 自動ハラスメント監視システム | |
US11727291B2 (en) | Predicting disengagement and selectively delivering engagement content | |
Newman et al. | Press start to track privacy and the new questions posed by modern video game technology | |
US20220207421A1 (en) | Methods and systems for cross-platform user profiling based on disparate datasets using machine learning models | |
US20240037276A1 (en) | Methods and systems for generating multimedia content based on processed data with variable privacy concerns | |
Chesney et al. | A study of gamer experience and virtual world behaviour | |
Costa et al. | Artificial intelligence in MOBA games: a multivocal literature mapping | |
US11484800B2 (en) | Methods and systems for filtering content in reconstructions of native data of assets | |
Headleand et al. | The influence of virtual reality on the perception of artificial intelligence characters in games | |
US20150265928A1 (en) | Game behavior bonds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230327 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230327 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231018 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7383198 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |