มนุษย์ได้รับประโยชน์จากการเล่นเกมมากกว่าที่บางคนคิด เกมอาจเป็นแนวทางที่ผ่อนคลายในการเรียนรู้หรือฝึกฝนทักษะการแก้ปัญหาของเราในขณะที่ผ่อนคลายความเครียด อย่างไรก็ตามโดยทั่วไปแล้วการเล่นเกมจะมีการตัดสินใจเป็นจำนวนมากซึ่งเกี่ยวข้องกับการพิจารณาทางคณิตศาสตร์และสถิติที่เราใช้ในการตัดสินใจในสิ่งที่เราคิดว่าเป็นการเคลื่อนไหวที่ดีที่สุด ดังนั้นเกมจึงแสดงให้เห็นถึงคณะวิชาที่น่าประทับใจและการทำงานภายในของสมองมนุษย์ซึ่งจะทำให้พวกเขากลายเป็นห้องทดลองและสนามเด็กเล่นที่ยอดเยี่ยมสำหรับการวิจัยเกี่ยวกับปัญญาประดิษฐ์ (AI)
แง่มุมหนึ่งที่พบบ่อยในหลาย ๆ เกมคือการตัดสินใจโดยอาศัยข้อมูลที่ไม่แน่นอนเกี่ยวกับสถานะของเกมในปัจจุบันและอนาคตที่อาจเกิดขึ้น ผู้เล่นที่มีประสบการณ์สามารถ 'มองไปข้างหน้า' จากสถานะปัจจุบันของเกมและวิเคราะห์สิ่งที่อาจเกิดขึ้นได้หลายรอบหรือเคลื่อนตัวลงมาเพื่อให้พวกเขาวางกลยุทธ์ได้ สิ่งที่น่าสังเกตมากที่สุดคือกระบวนการทางจิตนี้คล้ายกับสิ่งที่อัลกอริทึมการค้นหาบางอย่างได้รับการออกแบบมาให้ทำไม่เพียง แต่สำหรับการแก้เกมเท่านั้น แต่ยังรวมถึงงานคอมพิวเตอร์ทั่วไปในด้านต่างๆของแอปพลิเคชันด้วย แต่เราจะสร้างการเชื่อมต่ออย่างเป็นทางการระหว่างฟิลด์เหล่านี้ได้อย่างไร?
ที่สถาบันวิทยาศาสตร์ขั้นสูงแห่งประเทศญี่ปุ่นและ เทคโนโลยี (JAIST) กลุ่มวิจัยของศาสตราจารย์ฮิโรยูกิ ไอดะ กำลังพัฒนาทฤษฎีใหม่เพื่อวิเคราะห์และทำความเข้าใจแง่มุมต่างๆ ของเกมและการเล่นเกมในท้ายที่สุด ทั้งจากมุมมองเชิงวัตถุประสงค์และเชิงจิตวิทยาล้วนๆ ในการศึกษาวิจัยล่าสุด นักวิจัยพยายามเชื่อมโยงแนวคิดด้านคอมพิวเตอร์เข้ากับประสบการณ์การเล่นเกม ในการทำเช่นนี้ พวกเขาเสนอตัวบ่งชี้สองตัวที่จะใช้ในอัลกอริธึมแผนผังการค้นหา ได้แก่ หมายเลขการพิสูจน์ตามความน่าจะเป็น (PPN) และหมายเลขการสมคบคิดเดี่ยว (SCN) และนำไปใช้กับเกมเทิร์นเบสต่างๆ
ตัวบ่งชี้การค้นหาเหล่านี้เป็นค่าที่อัลกอริทึมโครงสร้างการค้นหาคำนวณเพื่อ 'ประเมิน' ความก้าวหน้าไปสู่วัตถุประสงค์ที่ต้องการ ตัวอย่างเช่นเมื่อเล่นเกม AI ที่ใช้อัลกอริทึมการค้นหาจะใช้ตัวบ่งชี้การค้นหาเพื่อวิเคราะห์สถานะในอนาคตที่เป็นไปได้ในขณะที่มองหาการเล่นที่เพิ่มโอกาสในการชนะเป็นหลัก ท้ายที่สุดแล้วตัวบ่งชี้การค้นหาและอัลกอริทึมควรได้รับการสร้างขึ้นอย่างรอบคอบเพื่อลดการใช้ทรัพยากรคอมพิวเตอร์ให้เหลือน้อยที่สุด ไม่ใช่ทุกการเล่นที่เป็นไปได้ที่จะต้องได้รับการพิจารณาในรายละเอียด แต่มีเพียงการเล่นที่มีแนวโน้มที่จะชนะเท่านั้น
นักวิจัยใช้ตัวบ่งชี้ทั้งสองนี้ในกรอบโครงสร้างการค้นหาในบริบทของเกมที่แตกต่างกัน ได้แก่ หมากรุกหมากรุกจีน Connect 4 Othello และ 2048 ผลการวิจัยพบข้อมูลที่น่าสนใจเกี่ยวกับสิ่งที่ตัวบ่งชี้แต่ละตัวนำมาสู่ตาราง “ การค้นหาโดยใช้ PPN เป็นเครื่องมือในการกำหนดคุณภาพของข้อมูลที่มีอยู่ในเกมและดูเหมือนว่าจะดำเนินการในลักษณะที่คล้ายคลึงกับสัญชาตญาณของมนุษย์ ในทางตรงกันข้ามการค้นหาโดยใช้ SCN เป็นแพลตฟอร์มเพื่อทำความเข้าใจประสบการณ์ของผู้เล่นและวิธีจัดการความเสี่ยงเมื่อตัดสินใจ” ศ. ไอด้าอธิบาย
นอกจากนี้วิธีการค้นหาโดยใช้ SCN ยังเชื่อมโยงกับกรอบทฤษฎีอื่นที่พัฒนาขึ้นที่ห้องทดลองของ Iida นั่นคือแนวคิดของการเคลื่อนไหวในใจ แนวทางนี้วิเคราะห์วัตถุประสงค์และแง่มุมที่เป็นอัตวิสัยของประสบการณ์การเล่นเกมในรูปแบบทางคณิตศาสตร์โดยการวาดภาพเปรียบเทียบกับแนวคิดที่เกี่ยวข้องกับการเคลื่อนที่จากฟิสิกส์เช่นในกลศาสตร์คลาสสิก จากการเปรียบเทียบ SCN กับการเปรียบเทียบการเคลื่อนไหวในเกมนักวิจัยพบว่าการคำนวณพื้นฐานเกี่ยวข้องโดยตรงกับการแกว่ง (จากการแพ้ไปสู่ตำแหน่งที่ชนะ) ที่เกิดขึ้นในเกมการแข่งขันทั้งแบบผู้เล่นคนเดียวและผู้เล่นสองคน
วิธีการค้นหาทั้งสองที่วิเคราะห์ในการศึกษานี้มีการใช้งานทั้งในและนอกขอบเขตของเกม ตัวอย่างเช่น PPN สามารถใช้เพื่อประหยัดทรัพยากรและเวลาอันมีค่าในระหว่างงานคอมพิวเตอร์ที่เข้มข้นเช่นปัญหาการเพิ่มประสิทธิภาพการวางแผนการตั้งเวลาและการจำลอง ในขณะเดียวกัน SCN มีประโยชน์ในบริบทที่ต้องมีการตัดสินใจที่มีเดิมพันสูงหรือเมื่อจำเป็นต้องมีการวางแผนระยะยาวเนื่องจากช่วยให้สามารถเพิ่มมูลค่าและลดความเสี่ยงได้ “ ทั้ง PPN และ SCN สามารถเป็นองค์ประกอบที่สำคัญสำหรับการวิจัยในด้านนี้ ปัญญาประดิษฐ์ซึ่งรวมถึงการคำนวณเชิงวิวัฒนาการและการประมวลผลประสิทธิภาพสูง” ศ. ไอด้ากล่าว“ ยิ่งไปกว่านั้นทั้งสองยังเป็นก้าวสำคัญในการวัดความบันเทิงจากมุมมองของวิทยาศาสตร์ข้อมูล”
การศึกษาแบบสหสาขาวิชาชีพเพิ่มเติมจะช่วยให้เราพบความเชื่อมโยงมากขึ้นระหว่างความบันเทิงวิทยาศาสตร์ข้อมูลและจิตใจของมนุษย์ หวังว่าในระยะยาวเราจะสามารถปรับแต่งเกมจากมุมมองที่เป็นอัตวิสัยและขับเคลื่อนด้วยวัตถุประสงค์ได้มากขึ้นเพิ่มความเพลิดเพลินสูงสุดในขณะที่มีประโยชน์ในรูปแบบอื่น ๆ อีกมากมาย