日本NTT通信科學研究所發現,格鬥遊戲的勝負可透過賽前玩家的腦波預測

KFJBGRFGJ

 

日本電信電話株式會社 NTT 通訊科學基礎研究所(NTTコミュニケーション科学基礎研究所)研究發現,格鬥電競選手比賽開始前的腦波數據與勝負有強烈的關聯性,儘管這項研究主要針對格鬥遊戲,未來仍有望運用在其他遊戲領域,透過調整心理狀態來提高勝率。

 

NTT 通訊科學基礎研究所的這份報告最在 2023 年 6 月 16 日發表在美國科學期刊 iScience,技術細節則於 2024 年 7 月 18 日在荷蘭科學期刊Computers in Human Behavior 公開,據稱預測勝負的準確度高達 80%,無論選手實力相當的比賽獲「爆冷門」的比賽都適用。

 

根據 NTT 官網刊載的報告,研究團隊將本次研究成果稱作「世界首創」,研究以卡普空《快打旋風 5》(Street Fighter V)為主題,研究對象為排位賽達「大師級」的 20 位業餘玩家,在技術水準相當的情況驗證比賽是否受心理狀態影響。

 

研究分成兩階段進行,第二階段為 AI 預測勝負。至於不用《快打旋風 6》,是因為研究自三年前展開,但為何會挑選業餘玩家,而非職業電競選手?

 

「人間情報研究部」研究主任南宇人向日媒 PC Watch 解釋,團隊事前獲得梅原大吾、Tokido(谷口一)等職業選手的腦波等各項生物數據,與本次參與實驗的業餘玩家比對後,確認沒有太大差異才開始實驗。

 

比賽採三局兩勝制(BO3),研究人員在比賽前和每局之間對玩家進行腦波測量,測量時,觀察重點為兩項與電競比賽相關的特定腦功能:戰略判斷(根據對手的特徵預先推測有效的行動模式)和情緒控制(日文''感情制御'',指選手有意識地抑制來自壓力的心理波動)。

 

nttcs_06_l

nttcs_05_l

 

在進行腦波測量的同時,團隊也向受試者做問卷調查,要求他們回答對於自己「戰略判斷」和「情緒控制」的主觀成功程度,問題像是「比起輸掉的比賽,在贏得的比賽第一回合開始前,您認為自己的情緒控制做得如何?」

 

回答使用 21 點評分制,從 -10 到 +10 包括 0,受試者回答正分代表自認情緒控制比輸掉的比賽做的更好(反之更差),回答 0 分則是「與輸掉的比賽相同」。

 

結果團隊在這項研究收集的數據發現:

 

  1. 比賽前期的戰略判斷和腦活動:第一回合賽前越對自我戰略判斷有信心的人,腦部左前額的 γ 伽瑪波(高頻率)會越趨增強,越容易贏得比賽。
  2. 比賽後期的情緒控制和腦活動:第三回合賽前越認為自己情緒控制良好能冷靜比賽的人,大腦左前額區的 α 阿法波(低頻率)會越強,更容易贏得比賽。

 

240718aa

 

基於這些特徵,研究人員使用 AI 機器學習分析每回合比賽開始前的腦波數據,以預測下一回合的勝負。

 

輸入的腦波數據來自 20 名受試者對決的 3,933 場比賽,使用這些數據訓練 AI 模型並採用多種機器學習進行勝負預測,結果顯示預測準確率最低達 76%,最高近八成(79.6%),其中微軟研究院的開源模型 LightGBM 的賽前勝負預測準確率最高。

 

傳統 AI 預測勝負的方法是基於統計數據的機器學習,準確率約落在 60%,在預測技術水準相近的選手比賽時,傳統預測方法準確率會下降,冷門比賽時更會進一步降低,相比使用腦波數據來預測勝負,在各種情況的差異較小,能保持約 80% 的預測準確度。

 

240718ab

 

NTT 團隊報告最後指出,這項研究顯示人們面對競爭時最理想的腦部狀態,為人類在各種場景應對壓力提供重要參考,「我們目標是透過在體育、醫療、教育等各種領域,藉由生物資訊來實現心理狀態的調節,來提升人們的幸福感(well-being)。」

 

此外,這項研究也將應用在 NTT 電信通訊建設的新概念「IOWN」計畫當中的數位孿生運算(Digital Twin Computing)的研究,將有助於各領域專家的技能數位化,讓後進繼承高階技術。

 

[ads]
事實上,在設有高額獎金或競爭壓力極大的各項賽事中,承受「壓力山大」的心理素質對比賽勝負非常關鍵,為了維持良好的心理狀態,選手常有屬於自己的一套儀式。

 

如前面提到的職業選手 Tokido 在比賽前會進行「殺人衝刺」(マーダーダッシュ),透過激烈踏步提高心率來調節心理狀態,以期能達到「精神統一」的境界。

 

只是 NTT 團隊的研究成果只適用於 1V1 的格鬥遊戲,不清楚相同預測方式能否套用在團隊多人競技遊戲的玩家身上。

 

推薦電競新聞

繼續閱讀
Source 日本NTT通信科學研究所發現,格鬥遊戲的勝負可透過賽前玩家的腦波預測 https://www.4gamers.com.tw/news/detail/66064/japan-nttrd-group-prediction-of-esports-competition-outcomes-using-eeg-data……