Finding winning team compositions by jointly modeling player proficiency and team congruency in multiplayer online games
本論文は、個々のプレイヤーの習熟度とチーム内の役割の適合性を共同でモデリングすることにより、リーグ・オブ・レジェンドの3億2,000万試合を分析して勝利するチーム構成を予測する、トランスフォーマー・アーキテクチャに基づいたディープラーニング・フレームワークを提示しており、従来の手法を大幅に上回る性能を示している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
一時的なチームという、混沌とし、かつ刹那的な世界において、成功はしばしば一つの困難な選択にかかっている。見知らぬ者同士が集まり、短期的なプロジェクトや週末のトーナメント、あるいはピックアップゲームを行う際、彼らは根本的な葛藤に直面する。各人が個人的に最も得意とする特定のタスクを引き受けるべきか、それともグループ全体が機能するために最も必要とされる役割を埋めるべきか。これら二つの目標は、必ずしも一致するわけではない。チームが個々の仕事におけるエキスパートで構成されていたとしても、スキルが重複しすぎたり、決定的な欠落が生じたりすることで失敗することがある。逆に、役割のバランスは完璧であっても、それらを実行するための具体的な専門知識が不足していることもある。研究において「個人の習熟度とチームの適合性のバランス」として知られるこのジレンマは、組織科学の長年の研究対象となってきたが、チームが活動を開始する前にこれを測定したり予測したりすることは、これまで困難であった。
科学ジャーナルに掲載された新しい研究は、日々一時的なチームが形成される、最も大規模で構造化された環境の一つである、競技的なオンラインゲームの世界に着目することで、この問題に取り組んでいる。研究者たちは、2人の5人組のプレイヤーが対戦するためにマッチングされる人気ゲーム『リーグ・オブ・レジェンド』に焦点を当てた。このデジタルアリーナでは、すべての試合が新たなスタートとなる。プレイヤーには防御手、ファイター、サポートキャラクターといった特定の役割が割り当てられ、彼らはそれらの役割を埋めるために膨大なプレイ可能なキャラクターの中から選択を行わなければならない。ゲームプロバイダーは、対戦する両チームの全体的なスキルレベルがおおよそ等しくなるように洗練されたシステムを使用しており、これは、試合の結果が単に一方のチームが他方より「優れている」ことによって決まることは稀であることを意味している。むしろ、勝敗は、各サイドの5人がそれぞれの割り当てに対してどれほど適切であったか、そして彼らの選択がいかに互いに補完し合っているかによって決定されることが多い。
何が勝利をもたらすチームを作るのかを理解するために、研究者たちは、約2,600万人のユニークな参加者が関与した約3億2,000万試合の記録を含む膨大なデータセットを分析した。この規模により、彼らは各プレイヤーの履歴を分析し、どのキャラクターをプレイし、どのような役割を担ってきたか、そして過去に勝ったか負けたかを追跡することができた。目標は、試合が始まる直前――プレイヤーが役割を割り当てられ、キャラクターを選択した後、しかし実際にゲームが始まる前――に、コンピュータシステムを用いて、どちらのチームが勝つかを予測するシステムを構築することであった。研究者たちは、プレイヤーが過去の経験に基づいて現在の割り当てにどれほど適合しているか、そして5人のプレイヤーが一つのユニットとしていかに連携しているかという二つのことを同時に理解することで、勝利する構成を特定できるかどうかを知りたかったのである。
研究チームは、この問題を解決するために、新しいタイプの人工知能フレームワークを開発した。システムは、プレイヤーに単一の静的な総合スキルスコアを与えるのではなく、現在の状況という文脈の中で各プレイヤーの履歴を検討した。システムは、次のような具体的な問いを投げかける。「このプレイヤーは、以前にこの特定のキャラクターで、この特定の役割をこなした際にどのようなパフォーマンスを見せたか？」「このキャラクターを用いた過去の成功は、現在のゲームのバージョンによってどのように変化するか？」システムは、これらの個別の洞察を取り込み、5人のプレイヤーがどのように相互作用するか、そして彼らが対戦相手の5人とどのように対峙するかを検証した。また、片方のチームの防御手がもう片方のチームの防御手とどのように比較されるかといった直接的なマッチアップに細心の注意を払いつつ、チームを一つの完結した、相互に関連するグループとして考慮した。
結果として、この新しいアプローチは、従来のどの手法よりも勝敗の予測において優れていることが示された。研究者たちは、プレイヤーのスキルレーティングを単純に合算する古い手法や、個人の履歴を考慮せずにチーム構成のみを見る手法と比較を行った。プレイヤーの膨大な選択と結果の履歴から学習した新しいシステムは、はるかに高い精度を達成した。プレイヤーの一般的なスキルレベルを知るだけでは不十分であり、システムには、プレイヤーと現在の役割との間の具体的な適合性、そしてその適合性がチームの残りの部分とどのように相互作用するかを理解する必要があることが証明された。
また、この研究は、これら二つの要素――個人の適合性とチームのバランス――が、単に任意の順序で混ぜ合わせることができる別々の材料ではないことも明らかにした。研究者がデータを分析した際、高度なスキルを持つプレイヤーが、役割への適合性が低いチームの場合、中程度のスキルを持つプレイヤーが完璧にバランスの取れたチームに敗北することが分かった。逆に、完璧にバランスの取れたチームであっても、個々のプレイヤーが割り当てられたタスクに必要な特定の経験を欠いている場合には失敗することがある。最も成功した予測は、これら二つの要素を単一の統一された問題として扱い、プレイヤーの過去の経験の価値が、所属するチームや対戦相手に応じてどのように変化するかを学習したシステムによるものであった。
システムの内部動作を分析することで、研究者たちは、システムが人間が見落とす可能性のあるパターンを認識することを学習したことを発見した。例えば、システムは、数千種類もの異なるプレイ可能なキャラクターを、その機能について教えられていないにもかかわらず、ゲーム内での機能に基づいてグループ分けした。また、システムはゲームが時間の経過とともにどのように変化するかを学習し、古いバージョンのゲームで有効だった戦略が新しいバージョンでは機能しない可能性があることを認識していた。このように、変化する文脈に適応し、個人の履歴とチームのダイナミクスを天秤にかける能力により、システムは最初の動き出しが行われる前に、勝利するチームの「形」を見抜くことができたのである。
これらの知見は、一時的なチームの成功が、単にパーツの総和ではないことを示唆している。それは、人々が誰であるか、何を求められているか、そしてそれらの役割がその瞬間においてどのように組み合わさっているかという、複雑な関係性である。本研究はビデオゲームという特定の文脈で行われたが、そこで明らかにされた原理は、現実世界におけるチームワークに対する新しい考え方を提示している。スタートアップ、スポーツチーム、あるいはプロジェクトグループであっても、効果的なチームとは単なる才能ある個人の集まりではなく、各メンバーの特定の経験が全体のニーズと合致するように、注意深く構築された構成体である。本研究は、チームのポテンシャルを真に理解するためには、メンバーの履歴を孤立した状態で見るのではなく、彼らが形成したチームという特定の文脈の中で見る必要があると結論づけている。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。