نتایج یک پژوهش نشان می‌دهد که با استفاده از هوش مصنوعی و مدل‌های شبکه‌های عصبی می‌توان رفتارهای چشم کاربر را هنگام بازی تحلیل کرده و قبل از انتشار بازی، محیط بازی دستخوش تغییراتی سودمند می‌شود.
به گزارش ایسنا، محمد درگاهی، علی اصل فتحی و یونس سخاوت در مقاله‌ای به "ارائه روشی برای تحلیل و طراحی فضای بازی با پیش‌بینی نحوه نگاه بازیکن با استفاده از شبکه‌های عصبی کانولوشن" پرداختند.
طراحی هوشمندانه فضای بازی می‌تواند در راستای بهبود مراحل بازی و کارآمدی بیشتر بازی به کار گرفته شود. جذابیت بازی و رفتار بازیکن در یک بازی بستگی به نحوه طراحی بصری بازی دارد. نحوه جذب مخاطب از طریق طراحی هدفمند میسر خواهد شد.
این تحقیق با تحلیل رفتارهای بصری کاربر انجام شد. استخراج رفتارهای بصری مانند خیرگی به دو شکل در این مقاله به دست آمده است. روش اول از طریق دستگاه رهگیر چشم که امروزه دقت بالایی را ارائه می دهد و روش دوم از طریق شبکه عصبی میسر شده است. شبکه های عصبی در زمینه هوش مصنوعی بسیار کارآمد هستند و در حیطه پردازش تصویر پیشرفت چشمگیری داشته اند.
در نهایت نتیجه این دو آزمون باهم مقایسه و نتیجه مدل پیش بینی کننده با دستگاه رهگیر چشم ارزیابی شد. در تحقیق تجربی از هر دو عامل بالا نتیجه گرفته شد که شبکه‌های عصبی قابلیت استفاده در پیش بینی خیرگی را دارند و شباهت کارآمدی آنها درصد نسبتا قابل قبولی برای استفاده طراحان بازی به شمار می‌آید.
نتایج این پژوهش نشان می‌دهد که با استفاده از هوش مصنوعی ومدل‌های شبکه‌های عصبی می‌توان رفتارهای چشم کاربر را هنگام بازی تحلیل کرده و قبل از انتشار بازی، محیط بازی دستخوش تغییراتی سودمند می‌شود.
به گزارش ایسنا، این مقاله در"چهارمین کنفرانس ملی و دومین کنفرانس بین المللی بازی‌های رایانه‌ای؛ فرصت‌ها و چالش‌ها" ارائه شده است.