توانایی هوش مصنوعی برای قضاوت در مورد یک بازی ویدیویی از روی جلد آن

هانگ جیانگ و لوکون ژنگ در مقاله تحقیقاتی خود با عنوان “یادگیری عمیقبرای طبقه‌بندی ژانر بازی‌های ویدئویی” به توصیف یک دیتاست آموزش بزرگ برای استفاده در توسعه این سیستم طبقه‌بندی جدید پرداختند.

نویسندگان این مقاله می‌گویند: ما یک دیتاست بزرگ از 50،000 بازی ویدئویی شامل تصاویر روی جلد بازی، متن خلاصه بازی، عنوان بازی و اطلاعات ژانر ایجاد کردیم. این مجموعه داده می‌تواند برای مطالعات مختلفی مانند شناسایی متن از تصاویر، استخراج خودکار موضوع و غیره به کار گرفته شود و در آینده در دسترس عموم قرار خواهد گرفت. همچنین، ما چندین مدل مبتنی بر تصویر و مدل‌های مبتنی بر متن را ارزیابی کردیم. ما همچنین با تلفیق تصویر و متن، یک مدل چندحالته ایجاد کردیم.

پس از تدوین ایندیتاستمحققان از این پایگاه داده برای آموزش مدل‌های شناسایی متن و تصویر استفاده کردند. سپس محققان مدل‌ها را آزمایش کردند تا مشخص شود کدام یک از آن‌ها بهتر کار می‌کند. جای تعجب نیست که آن‌ها متوجه شدند که مدل‌های متنی بهتر از مدل‌های مبتنی بر تصویر عمل می‌کنند و مدل‌های ترکیبی از هر دوی آن‌ها عملکرد بهتری دارند.

نکته مهم این است که طبقه‌بندی ژانر بازی ویدیویی یک چالش پیچیده برای محققان هوش مصنوعی است. برخلاف موسیقی یا فیلم، بازی‌های ویدئویی دارای یک تعریف اضافی هستند چون آن‌ها یک شکل ِ تعاملی از سرگرمی هستند.

توانایی طبقه‌بندی خودکار بازی می‌تواند یک مزیت بزرگ برای این صنعت باشد. چنین سیستمی می‌تواند به گیمرها برای یافتن بازی‌هایی که ممکن است دوست داشته باشند یک راهنمای مفید باشد. همچنین به سازمان‌دهی بهتر کاتالوگ‌ها در ویترین فروشگاه‌ها کمک می‌کند.

نکته مهم‌تر این است که این سیستم طبقه‌بندی می‌تواند با الگوریتم‌های پیشنهاددهنده و سایر سرویس‌های جمع‌آوری و اجرا داده‌های مبتنی بر هوش مصنوعی ترکیب شود.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.