Специалисты из Московского государственного психолого-педагогического университета решили выявить связь между поведением пользователей в Dota 2 и их личностными характеристиками.
Они взяли две группы людей: те, у кого большой игровой опыт, и другие, у кого он значительно меньше. Результат получился интересным.
По словам специалистов, они выбрали именно Dota 2 из-за ее популярности среди молодежи. Участниками исследования стали 103 геймера, 98% мужчин от 14 до 25 лет.
Сначала они прошли ряд психологических тестов на определение их личностных черт и типа темперамента. После ученые изучили поведение участников в Dota 2, основываясь на нескольких десятках тысяч матчей.
По итогам результатов оказалось, что геймеры с большим опытом менее общительны в реальной жизни. Однако они значительно политически активнее и реже отказывают в помощи другим игрокам. Также члены этой группы более зависимы от мнения других и менее сосредоточены на себе.
Игроки, у которых опыт меньше, заметно реже помогают союзникам. Они более независимы и сосредоточены в основном на себе.
К тому же оказалось, что игроки, совершающие больше убийств, в целом глубже погружены в виртуальную среду. Воображаемая аудитория им важнее реальных людей.
Поклонники Dota 2 славятся специфическим поведением. Сообщество дотеров привлекло внимание учёных, решивших провести исследование
В «газета.ru» обратили внимание на исследование, которое провели специалисты Московского государственного психолого-педагогического университета (МГППУ). Они проанализировали поведение игроков в знаменитой Dota 2.
Как пояснили, выбор пал на Dota 2 из-за популярности среди подростков и молодёжи. В исследовании приняли участие 103 игрока из России, 98% из которых это мужчины возрастом 14 – 25 лет:
«Все участники прошли психологическое тестирование по нескольким методикам для определения личностных черт и типа темперамента, также ученые провели анализ поведения игроков в виртуальной реальности на основании нескольких десятков тысяч игровых матчей».
Учёные установили взаимосвязь личностных характеристик с особенностями поведения в виртуальной игровой реальности: игроков в Dota 2 разделили на две группы — на зависимых и независимых от чужого мнения.
Как сообщают, игроки с большим опытом игры «обычно менее общительны в реальной жизни, но более активны политически и готовы помогать другим игрокам. Члены этой группы более зависимы от мнения других и при этом менее сосредоточены на себе».
К другой группе отнесли игроков, у которых игровой опыт меньше: «Подростки из этой группы оказались более независимыми и более сосредоточенными на себе. Причем в игре они значительно меньше «помогают» товарищам по команде».
Отметили примечательный момент: «игроки, совершающие больше игровых «убийств» более сосредоточены на воображаемой аудитории, чем на реальных людях, и в целом больше погружены в виртуальную среду».
Хотя исследователям и удалось выявить связь между рядом личностных черт и поведением геймеров в виртуальной игровой реальности, этих данных пока недостаточно и требуются дополнительные исследования.
Предполагается, что результаты могут быть использованы «для построения моделей выявления подростков из групп риска, включая геймеров со склонностью к агрессивному и суицидальному поведению».
Оригинал опубликован 30 июля 2019 года.
Грег Брокман — американский предприниматель, инвестор и разработчик ПО, один из основателей и президент компании OpenAI. Начал свою карьеру в компании Stripe в 2010 году и стал ее CTO в 2013 году. Покинул Stripe в 2015 году, чтобы стать соучредителем OpenAI, где он также взял на себя роль технического директора.
Статья кратко рассказывает о том, как президент OpenAI «вкатывался» в машинное обучение.
Первые три года существования OpenAI я мечтал стать экспертом в области машинного обучения, но мало продвигался к этой цели. За последние девять месяцев я наконец-то перешел к практической работе в области машинного обучения. Это было трудно, но не невозможно, и я думаю, что большинство людей, которые хорошо программируют и знают (или готовы изучать) математику, тоже могут это сделать. Существует множество онлайн-курсов для самостоятельного изучения технической стороны (тык, тык, тык и тык), и то, что оказалось моим самым большим препятствием, было ментальным барьером — смириться с тем, что я снова новичок.
Изучение машинного обучения во время сезона отпусков 2018 года.
Ранние дни
Основополагающий принцип OpenAI заключается в том, что мы одинаково ценим исследования и инженерные разработки — наша цель заключается в создании работающих систем, решающих ранее невозможные задачи, поэтому нам нужны и те, и другие. (На самом деле, наша команда на 25 % состоит из людей, которые в основном используют навыки работы с программным обеспечением, на 25 % — навыки машинного обучения, и на 50 % — гибрид этих двух направлений). Поэтому с первого дня работы в OpenAI мои навыки работы с программным обеспечением были постоянно востребованы, и я все откладывал приобретение нужных мне навыков машинного обучения.
После того как я помог создать OpenAI Gym, меня позвали работать над Universe. А когда работа над Universe подошла к концу, мы решили начать работу над Dota — и нам нужен был человек, который превратил бы игру в среду обучения с подкреплением, прежде чем приступать к машинному обучению.
Dota
Превращение такой сложной игры в исследовательскую среду без доступа к исходному коду было потрясающей работой (короткое саммари), и волнение команды каждый раз, когда я преодолевал новое препятствие, вызывало глубокое одобрение. Я понял, как вырваться из песочницы Lua, LD_PRELOAD в GRPC-сервере Go, чтобы программно управлять игрой, инкрементально сбрасывать все состояние игры в Protobuf, а также создать библиотеку Python и абстракции с будущей совместимостью для множества различных мультиагентных конфигураций, которые мы, возможно, захотим использовать.
Но я чувствовал себя наполовину слепым. В Stripe, хотя я и тяготел к инфраструктурным решениям, я мог вносить изменения в любом месте стека, поскольку досконально знал код продукта. В Dota я был вынужден смотреть на все проблемы через призму программного обеспечения, что иногда означало, что я пытался решить сложные проблемы, которых можно было избежать, просто сделав машинное обучение немного по-другому.
Я хотел быть похожим на моих товарищей по команде Якуба Пахоцкого и Шимона Сидора, которые совершили основной прорыв, обеспечивший работу нашего бота Dota. Они поставили под сомнение общепринятое в OpenAI мнение о том, что алгоритмы усиления не масштабируются. Они написали распределенный фреймворк для обучения с подкреплением под названием Rapid и масштабировали его по экспоненте каждые две недели или около того, и мы никогда не упирались в стену. Я хотел иметь возможность внести такой же важный вклад, как этот, объединив навыки работы с программным обеспечением и машинным обучением.
Шимон слева, Якуб справа.
В июле 2017 года казалось, что у меня появился шанс. Программная инфраструктура была стабильной, и я начал работу над проектом по машинному обучению. Моя цель состояла в том, чтобы использовать клонирование поведения для обучения нейронной сети на основе данных обучения человека. Но я не был готов к тому, что буду чувствовать себя новичком.
Меня постоянно расстраивали мелкие детали рабочего процесса, из-за которых я не был уверен в прогрессе, например, я не мог точно определить, какой код использовался в том или ином эксперименте, или понимал, что мне нужно сравнить с результатом прошлой недели, который я не успел должным образом заархивировать. Что еще хуже, я постоянно обнаруживал мелкие ошибки, которые все время портили мои результаты.
Я не чувствовал уверенности в своей работе, но, что еще хуже, это делали другие люди. Люди упоминали о том, как сложно клонировать поведение на основе человеческих данных. Я всегда старался поправить их, указывая на то, что я новичок, и это, вероятно, больше говорит о моих способностях, чем о проблеме.
Когда мой код попал в бот, Цзе Танг использовал его в качестве отправной точки для блокировки крипов, которую он затем доработал с помощью обучения с усилением. Но вскоре Цзе понял, как добиться лучших результатов без использования моего кода, и мне нечем было похвастаться за свои усилия.
Я больше не пробовал использовать машинное обучение в проекте Dota.
Перерыв
После того как мы проиграли две игры в The International в 2018 году, большинство наблюдателей решили, что мы исчерпали все возможности нашего подхода. Но мы знали по нашим показателям, что находимся на грани успеха и в основном нуждаемся в дополнительном обучении. Это означало, что требования к моему времени ослабли, и в ноябре 2018 года я почувствовал, что у меня есть возможность рискнуть, выделив три месяца своего времени.
Члены команды в приподнятом настроении после проигрыша нашей первой игры в The International.
Лучше всего я учусь, когда у меня в голове есть что-то конкретное, что я хочу построить. Я решил попробовать создать чатбота. Я начал самостоятельно изучать учебный план, который мы разработали для нашей программы Fellows, выбирая только те модули, которые имеют отношение к NLP. Например, я написал и обучил языковую модель LSTM, а затем модель на основе трансформера. Я также изучал такие темы, как теория информации, и прочитал множество статей, вникая в каждую строчку, пока не усвоил ее полностью.
Моя личная жизнь также была важным фактором, который помогал мне держаться. Я начал отношения с человеком, который дал мне понять, что ничего страшного не случится, если я потерплю неудачу. Наш первый совместный отпускной сезон я провел, бьясь головой о стену машинного обучения, но она была рядом со мной, независимо от того, сколько запланированных мероприятий пришлось пропустить.
Одним из важных концептуальных шагов было преодоление барьера, который я не решался сделать в Dota: внести существенные изменения в чужой код машинного обучения. Я доработал GPT-1 на найденных мною наборах данных чатов и внес небольшое изменение, добавив свой собственный код выборки. Но он стал настолько болезненно медленным, когда я пытался генерировать более длинные сообщения, что мое разочарование пересилило страх, и я внедрил GPU-кэширование — изменение, которое затронуло всю модель.
Мне пришлось попробовать несколько раз, отбрасывая изменения, поскольку они превышали сложность, которую я мог удержать в голове. Когда через несколько дней у меня все заработало, я понял, что научился тому, что раньше считал невозможным: Теперь я понимал, как была собрана вся модель, вплоть до мелких стилистических деталей, например, как кодовая база элегантно обрабатывает диапазоны переменных TensorFlow.
Пересобрался
После трех месяцев самостоятельного обучения я почувствовал, что готов к работе над реальным проектом. Это также был первый момент, когда я почувствовал, что могу воспользоваться услугами многих экспертов, которые есть в OpenAI, и я был рад, когда Якуб и мой сооснователь Илья Суцкевер согласились меня проконсультировать.
Илья поет в караоке на выездном мероприятии нашей компании.
Мы начали получать очень интересные результаты, и Якуб и Шимон присоединились к проекту на постоянной основе. Я испытываю гордость каждый раз, когда вижу коммит от них в кодовой базе машинного обучения, которую я начал.
Я начинаю чувствовать себя компетентным, хотя еще не достиг мастерства. Я вижу, как это отражается на количестве часов, которые я могу мотивировать себя тратить на работу по машинному обучению — сейчас я нахожусь примерно в 75 % от того количества часов кодирования, которое было исторически.
Но впервые я чувствую, что нахожусь на траектории. Поначалу я был ошеломлен кажущимся бесконечным потоком новых концепций машинного обучения. В течение первых шести месяцев я понял, что могу добиться прогресса без постоянного изучения совершенно новых примитивов. Мне все еще нужно получить больше опыта в освоении многих навыков, таких как инициализация сети или настройка графика скорости обучения, но теперь эта работа кажется постепенной, а не потенциально невозможной.
Из наших программ Fellows и Scholars я знал, что инженеры-программисты, имеющие прочные основы линейной алгебры и теории вероятности, могут стать инженерами машинного обучения всего за несколько месяцев самостоятельного обучения. Но я как-то убедил себя, что я — исключение и не могу учиться. Но я ошибался — даже находясь в центре OpenAI, я не смог перейти на новый уровень, потому что не хотел снова становиться новичком.
Вероятно, вы тоже не исключение. Если вы хотите стать практиком глубокого обучения, вы можете это сделать. Вам нужно дать себе пространство и время для неудач. Если вы научитесь на достаточном количестве неудач, вы добьетесь успеха — и, вероятно, это займет гораздо меньше времени, чем вы ожидаете.
В какой-то момент становится важно окружить себя уже существующими экспертами. И здесь мне невероятно повезло. Если вы отличный инженер-программист, который достиг этого момента, имейте в виду, что у вас есть возможность оказаться в окружении таких же людей, как и я — подайте заявку в OpenAI!
Другие переводы
Раз вы дочитали до конца, буду рад видеть вас в своём тг канале. Пишу выжимки из эссе Пола Грэма (находятся по #пг) Ежедневно по 1-2. Так же пишу про мой EdTech стартап и разные технические материалы, которые нахожу в процессе работы. Силой никого не тяну 🙂
Этот пост написан пользователем Sports.ru, начать писать может каждый болельщик (сделать это можно здесь).
От редакции: этот текст участвует в конкурсе блогеров
Я пришел с чистосердечным признанием – я ненавижу Dota 2. Причин у меня несколько и работают они скорее вкупе друг с другом.
Порог вхождения
Dota 2 – сложная игра. Действительно сложная. Чтобы научиться играть в нее хорошо, потребуется вложить колоссальное количество времени. Если верить теории о «десяти тысячах часов», то именно этого времени будет достаточно, чтобы стать мастером в любом деле. Правда, существует немало дотеров, опровергающих данную теорию одним своим существованием.
Смурферы, бустеры и аккбайеры
Все становится только хуже, когда мы уходим от теории и окунаемся в практику. В реальности, впервые начиная играть в Доту, вы крайне редко будете в одном лобби с равными соперниками. Чаще вы встретитесь с двумя категориями игроков.
- Одним-двумя бустерами, которые быстренько закончат игру в свою пользу. Не имеет никакого значения, будут они разносить в вашей команде или в противоположной, ведь лично вы от такой игры не получите ничего.
- Странные индивиды, имеющие несколько тысяч часов в игре, но по каким-то причинам обитающие на дне «пищевой цепочки» рейтинга.
Становится гораздо хуже, когда речь заходит об ММР в 4-5 тысяч и выше, потому что там к бустерам присоединяется другая категория игроков – аккбайеры. Это те, которые считают, что на 2к ММР они застряли из-за неописуемой подлости Габена, а настоящий их уровень – поездка на The International в составе Team Spirit. Но денег на буст аккаунта до 10к+ и воплощение мечты не хватает, поэтому они покупают скромные 5-6к и занимаются там исключительно вредительством, портя игры всем остальным. Не со зла, конечно, просто играют плохо.
Веномансер как стиль жизни
Токсики, токсики, токсики. Сообщество Доты до краев переполнено токсичностью. Только вдуматься! В игре, где коммуникация с командой является важнейшей частью геймплея, присутствует функция «замутить всех». Функция эта весьма и весьма востребована даже на «хай ммр». Valve добавили возможность заглушить своих союзников не спроста, ведь союзник очень быстро станет твоим врагом, если ему покажется, что ты удумал сделать что-то так. При этом ошибаться тебе даже необязательно, просто он так видит. Поэтому ты виноват.
О более низких рейтингах и говорить нечего. Там встретить бесконечный поток сочащегося яда придется от людей, которые играть-то толком не научились, но на проблему низкой самооценки психологу точно никогда не пожалуются. «Узники 4к», «подпивасы», «смурферы», «нытики», «руинеры» и прочий местный контингент никакая не выдумка. Это даже не мем. Это реально существующие архетипы людей из Дота-комьюнити, и окруженным ими окажется любой, всерьез решивший освоить Доту. Посмел ошибиться в игре? Не вовремя нажал кнопку? Новичок?! Пеняй на себя, мы тут на полке место под «Аегис» уже подготовили, поэтому любая оплошность вербально наказуема. Современное сообщество Доты 2 не готово принимать новичков, им там банально не рады. Иногда складывается впечатление, что там вообще никто никому не рад.
Поэтому я ненавижу Доту 2. Я хочу получать удовольствие от компьютерной игры, а не обитать в бесконечном круговороте выяснения отношений с «экспертами» под пивным зельем, которые только-только нажатие кнопок с трудом освоили, зато поучать остальных уже готовы. Несмотря на это, я готов признать: Дота – культовая игра как для жанра MOBA, так и для индустрии в целом. Даже легендарная. Я понимаю искренне влюбленных в нее людей, ведь ее определенно есть за что любить. Впрочем, как и ненавидеть.
Источники изображений: steampowered.com/google.com/reddit.com
Этот пост опубликован в блоге на Трибуне Sports.ru. Присоединяйтесь к крупнейшему сообществу спортивных болельщиков!
Ты что, кибер?
Исследователи Центра междисциплинарных исследований современного детства МГППУ изучили влияние личностных особенностей на поведение в виртуальном игровом пространстве в подростковом и юношеском возрасте. Результаты исследования опубликованы в журнале «Психологическая наука и образование» (№4, 2023 г.). В исследовании показано, что такие факторы, как ролевая несовместимость и потребность в ролевом опыте, могут быть проявлены в виртуальной игровой деятельности и отчасти определять специфику ее реализации игроками подросткового и юношеского возраста. В исследовании участвовали 103 активных пользователя компьютерной игры «Dota 2» в возрасте от 14 до 25 лет.
Интересно отметить, что потребность в ролевом опыте в целом возрастает с возрастом игроков. При этом игроки с большим игровым опытом менее общительны психологически, но они более заинтересованы политически и готовы помогать другим игрокам в игре. С одной стороны, это говорит о том, что эти игроки более зависимы, а с другой – они менее сосредоточены на себе. Понятно, что игроки, которые меньше помогают, более независимы и сосредоточены на себе. Готовность помочь также связана с большей разницей между «Я-реальным» и «Я-идеальным». Факторы нормальной и высокой квалификации игроков, по-видимому, связаны с плохой совместимостью этих игроков с теми ролями, которые им приходится примерять в игре. В результате сложность совмещения ролей отрицательно коррелирует с уровнем навыков, необходимых от игрока. В группе очень опытных игроков такой зависимости не наблюдается.
Прочесть исследование можно на портале психологических изданий:
- Рубцова О.В., Артеменков С.Л., Панфилова А.С., Токарчук А.М. Сетевой анализ взаимосвязи личностных особенностей игроков подросткового и юношеского возраста с их поведением в виртуальном пространстве (на примере групповой компьютерной игры «Dota 2») // Психологическая наука и образование. 2023. Том 28. № 4. C. 5–19. DOI: https://doi.org/10.17759/pse.2023280401.
Поклонники Dota 2 славятся специфическим поведением. Сообщество дотеров привлекло внимание учёных, решивших провести исследование
В «газета.ru» обратили внимание на исследование, которое провели специалисты Московского государственного психолого-педагогического университета (МГППУ). Они проанализировали поведение игроков в знаменитой Dota 2.
Как пояснили, выбор пал на Dota 2 из-за популярности среди подростков и молодёжи. В исследовании приняли участие 103 игрока из России, 98% из которых это мужчины возрастом 14 – 25 лет:
«Все участники прошли психологическое тестирование по нескольким методикам для определения личностных черт и типа темперамента, также ученые провели анализ поведения игроков в виртуальной реальности на основании нескольких десятков тысяч игровых матчей».
Учёные установили взаимосвязь личностных характеристик с особенностями поведения в виртуальной игровой реальности: игроков в Dota 2 разделили на две группы — на зависимых и независимых от чужого мнения.
Как сообщают, игроки с большим опытом игры «обычно менее общительны в реальной жизни, но более активны политически и готовы помогать другим игрокам. Члены этой группы более зависимы от мнения других и при этом менее сосредоточены на себе».
К другой группе отнесли игроков, у которых игровой опыт меньше: «Подростки из этой группы оказались более независимыми и более сосредоточенными на себе. Причем в игре они значительно меньше «помогают» товарищам по команде».
Отметили примечательный момент: «игроки, совершающие больше игровых «убийств» более сосредоточены на воображаемой аудитории, чем на реальных людях, и в целом больше погружены в виртуальную среду».
Хотя исследователям и удалось выявить связь между рядом личностных черт и поведением геймеров в виртуальной игровой реальности, этих данных пока недостаточно и требуются дополнительные исследования.
Предполагается, что результаты могут быть использованы «для построения моделей выявления подростков из групп риска, включая геймеров со склонностью к агрессивному и суицидальному поведению».
