حمیدرضا مراتب، چهارشنبه ۶ آبان در «هشتمین کنفرانس بین‌المللی بازی‌های رایانه‌ای؛ فرصت‌ها و چالش‌ها» که در دانشگاه اصفهان برگزار شد، با تشریح تفاوت میان همبستگی و رابطه علت و معلولی، اظهار کرد: در بسیاری از روش‌های متداول، ارتباط میان دو پدیده بررسی می‌شود، اما مشاهده هم‌زمان دو اتفاق به معنای وجود رابطه علّی میان آن‌ها نیست. برای نمونه، ممکن است استفاده از چتر با بارش باران همراه باشد، اما استفاده از چتر باعث بارش باران نمی‌شود. هوش‌مصنوعی علّی تلاش می‌کند فراتر از شناسایی ارتباط‌ها، تأثیر تغییر یک عامل بر نتیجه را بررسی کند.
وی افزود: این رویکرد در حوزه‌هایی مانند طراحی دارو و مطالعات بالینی اهمیت دارد، زیرا پژوهشگر می‌خواهد بداند تغییر یک عامل چه اثری بر پیامد مورد نظر می‌گذارد. همین منطق را می‌توان در طراحی بازی‌های جدی نیز به کار گرفت تا مشخص شود تغییر در ساختار یا سطح دشواری بازی چه تأثیری بر عملکرد بازیکن دارد.
مدیر مرکز نوآوری و توسعه فناوری‌های هوش‌مصنوعی دانشگاه اصفهان با اشاره به امکان ترکیب بازی‌های رایانه‌ای با فناوری‌های عصب‌پژوهی، ادامه داد: در این روش می‌توان از سیگنال‌های مغزی، از جمله داده‌های حاصل از الکتروانسفالوگرافی(EEG)، برای برآورد وضعیت بازیکن استفاده کرد. سپس، بر اساس این اطلاعات، شرایط بازی تغییر می‌کند تا میزان دشواری، توجه و بار شناختی بازیکن در محدوده مورد نظر تنظیم شود.
مراتب اضافه کرد: در یک سامانه حلقه‌بسته، اطلاعات بازیکن به‌صورت مستمر دریافت و تحلیل می‌شود، وضعیت او تخمین زده می‌شود و پس ازآن تغییرات متناسب با آن در بازی اعمال می‌شود. این چرخه می‌تواند به تنظیم پویای سناریوهای بازی کمک کند و امکان بررسی تأثیر تغییرات مختلف بر عملکرد فرد را فراهم آورد.
وی با تأکید بر اینکه کاربرد هوش‌مصنوعی علّی به بازی‌های رایانه‌ای محدود نمی‌شود، گفت: این رویکرد در آموزش، علوم شناختی، سلامت و مداخلات اجتماعی نیز ظرفیت‌هایی دارد. با این حال، استفاده از آن مستلزم شناخت دقیق مسئله، انتخاب روش مناسب و ارزیابی علمی نتایج است.
مدیر مرکز نوآوری و توسعه فناوری‌های هوش‌مصنوعی دانشگاه اصفهان با اشاره به تفاوت میان روش‌های متداول یادگیری ماشین و هوش‌مصنوعی علّی، توضیح داد: بسیاری از مدل‌های یادگیری ماشین بر شناسایی الگوها و ارتباط‌های آماری متکی هستند. افزودن قابلیت توضیح‌پذیری به چنین مدل‌هایی، به‌تنهایی به معنای اثبات رابطه علت و معلولی نیست. بنابراین، برای دستیابی به نتایج قابل اتکا، باید ساختار علّی مسئله و شیوه ارزیابی آن نیز مورد توجه قرار گیرد.
مراتب با اشاره به اهمیت شخصی‌سازی بازی‌ها، افزود: در بازی‌های تطبیقی، سطح دشواری و شرایط بازی بر اساس عملکرد و ویژگی‌های بازیکن تغییر می‌کند. با استفاده از رویکردهای علّی می‌توان بررسی کرد که کدام تغییر در سناریوی بازی برای هر فرد مؤثرتر است و چگونه می‌توان بدون افزایش بیش از اندازه بار شناختی، سطح عملکرد او را حفظ یا تقویت کرد.
وی ادامه داد: یکی از چالش‌های این حوزه آن است که یک مداخله ممکن است برای گروهی از افراد مفید باشد، اما برای گروهی دیگر اثر متفاوتی داشته باشد. از این رو، نمی‌توان یک روش واحد را برای همه بازیکنان مؤثر دانست. شخصی‌سازی باید بر پایه داده‌های معتبر و ارزیابی دقیق انجام شود.
مدیر مرکز نوآوری و توسعه فناوری‌های هوش‌مصنوعی دانشگاه اصفهان با اشاره به نقش روش‌های آزمایشی و تصادفی‌سازی در ارزیابی مداخلات، اظهار کرد: برای بررسی اثر واقعی یک روش، صرف مشاهده تغییر در عملکرد کافی نیست. باید شرایط ارزیابی به‌گونه‌ای طراحی شود که بتوان اثر مداخله را از عوامل دیگر تفکیک کرد. استفاده از روش‌های آزمایشی مناسب می‌تواند به سنجش دقیق‌تر اثربخشی بازی‌های جدی کمک کند.
مراتب، همچنین به ظرفیت دوقلوی دیجیتال در پژوهش‌های علمی اشاره کرد و گفت: دوقلوی دیجیتال امکان شبیه‌سازی یک سامانه یا فرایند را در محیط رایانه‌ای فراهم می‌کند. این قابلیت می‌تواند برای بررسی سناریوهای مختلف و ارزیابی اولیه مداخلات به کار رود و در برخی مراحل پژوهش، امکان آزمودن فرضیه‌ها را پیش از اجرای آن‌ها در شرایط واقعی فراهم کند.
وی تأکید کرد: توسعه بازی‌های جدی مبتنی‌بر هوش‌مصنوعی علّی به همکاری میان حوزه‌های هوش مصنوعی، علوم شناختی، عصب‌پژوهی و طراحی بازی نیاز دارد. هدف این است که بازی‌ها تنها بر اساس اطلاعات آماری تنظیم نشوند، بلکه بتوان با ارزیابی رابطه علت و معلولی، اثر تغییرات را بهتر شناخت و تجربه بازی را متناسب با نیاز هر فرد بهبود داد.
انتهای پیام
