**Un nuevo enfoque de aprendizaje automático ha surgido en el ámbito de los videojuegos, ofreciendo herramientas para detectar comportamientos estratégicos en juegos multijugador en línea. Investigadores de la Universidad de Michigan-Dearborn propusieron utilizar inteligencia artificial para analizar el comportamiento de los jugadores en “Heroes of the Storm” (HotS), un videojuego de enfrentamiento en arenas.
El estudio se centra en identificar si los jugadores eligen modos de juego estratégicamente. Para llevar a cabo el análisis, se capturaron y examinaron las acciones observables de los jugadores, en lugar de asumir que actúan con información perfecta. Se utilizaron redes neuronales para predecir las selecciones de modos de juego de los jugadores basándose en sus acciones pasadas y actuales.
El equipo descubrió que la inclusión de datos sobre “co-juego histórico” mejoró significativamente la precisión de las predicciones. Esta información adicional se refiere a cuándo los jugadores habían jugado anteriormente juntos en equipos. Los modelos predictivos que emplearon este enfoque indicaron que las decisiones en modos de juego son, en muchos casos, estratégicas, justificando así la implementación de modelos de juego-teórico más complejos.
A lo largo del estudio se entrenaron múltiples redes neuronales, comparando las que utilizaban sólo datos individuales del jugador contra aquellas que incorporaban datos de interacciones previas con otros jugadores. Los resultados mostraron que los modelos que incluían estos datos adicionales obtuvieron mejoras de precisión notables, evidenciando que algunos jugadores adaptan su selección de modo de juego en respuesta a la participación de otros.
Este método podría aplicarse a otros sistemas de múltiples agentes donde sólo se pueden observar las acciones. Evaluar la calidad predictiva al comparar modelos con y sin datos de interacción entre agentes ofrece una visión sobre los comportamientos estratégicos subyacentes.
El estudio revela que, si bien algunos jugadores actúan de manera independente, un grupo significativo toma decisiones basadas en sus interacciones pasadas con otros jugadores, destacando un comportamiento estratégico en la elección de modos de juego. Esta investigación sienta las bases para futuras aplicaciones y desarrollos en modelos de detección de estrategias en sistemas multijugador, pudiendo extenderse potencialmente a otros campos de la IA y teoría de juegos.
Con los avances mostrados, se abre el camino para mejorar la simulación y previsión en juegos, inspirando enfoques similares en otros tipos de interacción humana colectiva. La posibilidad de inferir comportamientos estratégicos en sistemas complejos no sólo enriquece la experiencia lúdica, sino que también contribuye a una comprensión más amplia de los sistemas multi-agente en contextos tanto virtuales como reales.